10、基于隐式形状模型树的被动场景识别技术解析

基于隐式形状模型树的被动场景识别技术解析

1. 引言

在场景识别领域，隐式形状模型（ISM）树作为一种有效的工具，能够对场景类别进行层次化分类和识别。本文将详细介绍基于ISM树的场景识别过程，包括算法原理、具体步骤以及复杂度分析等内容。

2. ISM树的场景识别原理

ISM树既可以看作是一棵平衡树，也可以视为通过场景参考对象相互关联的一组ISM集合。给定一组处于特定姿态的输入对象和ISM集合，从初始输入配置中推导出场景类别实例集合，需要对ISM树中的每个ISM重复执行识别算法。

由于场景参考对象会在ISM对之间产生依赖关系，因此不能同时对树中的所有ISM进行评估。而且，越靠近根ISM的ISM，其覆盖的场景类别部分越大。在ISM树中，第n层的ISM通常会汇总上一层的信息，并将其传递到下一层。所以，必须先完成第n + 1层ISM的评估，才能开始第n层ISM的评估。

3. 场景识别的具体步骤

场景识别从ISM树的最高层开始，逐层向下进行。以图3.12中的两层ISM树为例，识别过程如下：
- 投票阶段 ：从树的第1层开始，将初始输入集传递给该层的每个ISM，在其累加器中进行参考姿态的投票。不同的ISM会关联不同的输入对象子集，这些子集可能会有重叠。投票完成后，会得到每个ISM累加器的填充结果。
- 验证阶段 ：使用算法3验证填充后的累加器，以确定是否存在识别结果。为了尽可能返回更多的识别结果，算法3的接受阈值设置为0。所有ISM的识别结果会被收集到一个集合中。
- 场景参考对象的创建