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

在自动化场景识别（ASR）机器人架构中，“物体姿态预测”（Object Pose Prediction，OPP）组件起着关键作用。本文将详细介绍物体姿态预测算法，包括其功能、实现步骤和性能分析。

1. 物体姿态预测算法概述

物体姿态预测算法的任务是推断给定场景类别实例中缺失物体的潜在位置。例如，在“早餐准备场景”中，可能存在部分物体缺失的情况，算法的目标就是预测这些缺失物体可能的位置。

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（6 - DoF）物体姿态 {TP(o)}，以完成ASR所寻找的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，因此算法的输出必须满足这一要求。

2. 预测姿态的特点

预测的姿态TP(o)的主要特点是，如果物体o恰好被检测到位于该位置，那么每个姿态都将进一步证实部分场景类别实例。具体来说，它们将增加从其推导出来的实例IS的置信度b(IS)。

例如，图4.6中的2展示了一组姿态预测的可视化结果。这组预测结果由坐标框架表示，每个框架代表为物体o预测的一个姿态TP(o)。每个框架通过一条直线与推导它的实例的姿态TF相连，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。

由于同一棵树既用于识别场景类别的实例，也用