14、隐式形状模型与主动场景识别技术解析

隐式形状模型与主动场景识别技术解析

隐式形状模型树权重估计问题

在隐式形状模型（ISM）树中，单个 ISM 的权重 w(S) 无法再通过原有的公式进行估计。原公式用于对树中单个 ISM 的置信度进行归一化，但它假定演示中对象集的大小平均保持不变，这与实际中对象集大小的变化相冲突。因此，需要一种新的技术来明确考虑场景替代方案之间的差异，使 ISM 能够根据输入配置与不同替代方案的相似度进行不同处理。

若解决了归一化问题，即使场景由多个替代方案组成，使用 ISM 树进行场景识别也有望成功处理场景类别。在这种情况下，场景识别会将对应于给定替代方案的任何输入配置视为整个场景类别的不完整实例。由于 ISM 在对象类别识别中的一个显著优点是对缺失对象部分具有鲁棒性，所以无论涉及的对象集大小差异如何，场景识别结果的质量都不应受到影响。

在演示过程中，交换对象的操作不会对每个 ISM 中的预期权重产生问题。而且，如果交换语义等效的对象，ISM 树可以将它们视为同一对象。例如，演示中的两个场景替代方案中各有一个杯子，由于对象定位和场景识别在架构中是分离的，我们可以配置两个杯子的定位系统，使它们的对象估计 E(o) 包含相同的类别和标识符标签。这样，两个杯子可以采用彼此的相对姿势而不被 ISM 树察觉。更一般地说，ISM 树可用于关联整个对象类，而不仅仅是简单的对象实例，前提是对象定位要适当调整，并且每个对象类的各个实例的坐标系要匹配。

主动场景识别概念概述

被动场景识别（PSR）中一个未解决的重要问题是如何获取用于推断 6 自由度对象位置估计的传感器数据。简而言之，记录传感器设置需要采用一种能够感知待定位对象的配置。对于机器人头部而言，合适的配置相当于一