16、基于隐式形状模型树的物体姿态预测

基于隐式形状模型树的物体姿态预测

在自动场景识别（ASR）机器人架构中，“物体姿态预测”（OPP）组件起着关键作用。本文将详细介绍物体姿态预测算法，包括其原理、实现步骤以及性能分析。

1. 物体姿态预测算法概述

物体姿态预测算法的主要任务是推断给定场景类别实例中缺失物体的潜在位置。在ASR的背景下，该算法需要为后续的“下一个最佳视角（NBV）估计”组件提供一组假设的6自由度物体姿态 {TP(o)}，以完成ASR正在寻找的n个场景类别的部分实例。

由于“NBV估计”需要完整的6自由度姿态估计，而不仅仅是简单的3自由度位置，因此该算法需要考虑物体的位置和方向。相机视图应最大化找到搜索物体的置信度，这取决于物体在预测姿态下被实际物体定位系统检测到的程度。

2. 预测姿态的特点

预测姿态TP(o)的主要特点是，如果物体o恰好被检测到在该位置，每个预测姿态都将进一步证实部分场景类别实例。具体来说，它们将增加从中推导出来的实例IS的置信度b(IS)。

预测姿态的集合（或云）可以通过坐标框架可视化，每个框架代表为物体o预测的姿态TP(o)。每个框架通过直线连接到推导它的实例的姿态TF，直线的颜色代表正在预测姿态的物体o。

3. 基于空间关系的预测

姿态预测算法通过将给定的参考姿态TF与相对姿态TFo连接起来，估计关于绝对物体姿态TP的假设。相对姿态TFo是通过组合隐式形状模型（ISM）树 {m} 所建模的一些空间关系R生成的。

由于同一棵树用于识别场景类别的实例以及预测其缺失物体的姿态，因此这两个过程共享相同的空间关系。依靠空间关系而不是绝对姿态进行预测，能够提高对不