18、主动场景识别中的目标姿态预测与最佳视角估计

主动场景识别中的目标姿态预测与最佳视角估计

1. 目标姿态预测

目标姿态预测是主动场景识别（ASR）中的关键环节。对于目标集中存在的每个场景类别，会计算 |{V(S, t)}| 个预测，这个数量对应场景类别 S 的演示长度。所有以这种方式创建的可能目标姿态的单独云会融合为目标姿态预测的最终结果。

1.1 现有姿态预测方法分析

目前，场景识别和目标搜索的研究通常是相互独立进行的，很少有工作致力于能够将两者联系起来的算法和数据结构。而通过空间关系进行目标姿态预测正是这样的一种联系。

现有姿态预测方法可根据用于表示空间关系的模型类型进行分类，下面介绍两种典型模型及其相关贡献。
|模型类型|特点|问题|
| ---- | ---- | ---- |
|符号表示模型|将来自网络、场景和物理世界等五个不同来源的先验知识融合在概率图形模型中，用于推断目标对象相对于其他对象的符号关系位置|需要从亚符号层面转换到符号层面再转换回来，会造成信息损失，且最终缺乏关于缺失对象姿态的度量知识|
|度量模型|基于参数分布的空间关系度量模型，将对象位置的先验知识与两种不同类型的定性空间关系相结合，以估计对象位置的度量假设|不能估计完整的 6 自由度姿态，且未考虑空间关系在已检测对象上的适用性如何依赖于对象所在的环境（即当前场景）|

1.2 粒子滤波器在 ASR 中的适用性

粒子滤波器在 ASR 中不能完全适用，主要有以下原因：
- 粒子滤波器是递归状态估计器，会通过新测量值逐步更新现有状态估计。而 ISM 树在每次请求场景识别时都会从头开始估计场景实例，因此数据融合更应在测量层面进行，而非估计层面。