17、主动场景识别中的对象姿态预测与场景模型采样

主动场景识别中的对象姿态预测与场景模型采样

在主动场景识别（ASR）领域，对象姿态预测和场景模型采样是两个关键环节，它们对于提高机器人在场景中搜索和识别对象的效率和准确性起着至关重要的作用。

1. 隐式形状模型（ISM）中的投票机制与姿态预测算法

在ISM中，可投票的数量随着ISM与根节点的距离呈指数增长。沿着一条路径的总投票数为$\sum_{k = 1}^{l + 1} a^k$，这种替代方法的时间复杂度为$O(a^l)$，与最初引入的技术相比，这种方法难以处理。不过，ISM $m_{l + 1}$的所有$a^{l + 1}$个预测都是关于缺失对象姿态的有效假设，并且它们可以是路径上不同ISM表项的非冗余组合。

这些组合可以通过系统方式或随机采样来创建。随机采样可以在路径上的每个ISM中随机选择一个表项，然后将这些表项与姿态$T_F$聚合，以获得预测的对象姿态。这种随机方法可以重复进行，直到创建了所有$a^{l + 1}$个投票组合。但更有效的做法是，一旦估计出足够数量$n_P$的姿态就停止，这样可以通过随机采样获得所有可能预测的一个子集，该子集仍然具有代表性。在提出的姿态预测算法中，我们正是在遍历路径上的每个ISM时随机选择一个表项，相应的命令可以在算法18中找到。总之，该算法能够有效地生成一组具有代表性的姿态预测。

2. 场景模型采样的必要性与挑战

为了使对象姿态预测（OPP）组件提供所需的功能，除了姿态预测算法外，还需要一种场景模型采样技术。OPP组件旨在成为ASR决策系统中场景识别（SCENE_RECOGNITION）和基于关系的搜索（RELATION_BASED_SEARCH）状态之间的桥梁，或者说是PSR组件和“下一个最佳