18、主动场景识别中的物体姿态预测与最佳视角估计

主动场景识别中的物体姿态预测与最佳视角估计

1. 物体姿态预测

在目标场景识别中，物体姿态预测是关键环节。对于目标集中存在的每个场景类别，会计算 |{V(S, t)}| 个预测值，该数值对应场景类别 S 的演示长度。所有以这种方式创建的可能物体姿态的单独云数据会融合为物体姿态预测的最终结果。

目前，场景识别和物体搜索的研究通常是相互独立进行的，很少有工作致力于将两者联系起来的算法和数据结构。通过空间关系进行物体姿态预测正是这样一种联系。现有的姿态预测方法可以根据它们选择的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研究。

1.1 符号表示模型

有研究将来自网络、场景和物理世界等五个不同来源的先验知识融合到概率图形模型中，用于推断目标物体与其他物体的符号关系下的位置。但这种符号方法需要从亚符号层面转换到符号层面再转换回来，会导致信息损失。而我们的方法坚持使用亚符号表示，避免了这些额外的计算。

1.2 度量表示模型

另一种方法采用基于参数分布的度量模型，结合物体位置的预定义知识和两种不同类型的定性空间关系来估计物体位置的度量假设。然而，该方法不能估计完整的 6 自由度（6 - DoF）姿态，因为用参数分布对姿态进行建模是一个有问题的问题。并且，它没有考虑空间关系在已检测物体上的适用性在多大程度上取决于物体所在的环境，即当前场景。例如，在“准备早餐”和“清理餐桌”这两个场景类别中，同一把刀的空间关系要求它要么放在盘子上，要么放在盘子旁边。

此外，粒子滤波器在主动场景识别（ASR）中不能完全适用。原因主要有以下几点：
- 粒子滤波器是一种递归状态估计器，它通过新的测量值逐步更