19、主动场景识别中的最佳视角估计与视线处理

主动场景识别中的最佳视角估计与视线处理

在主动场景识别（ASR）中，为了使机器人更好地搜索和识别物体，需要对其视角进行优化，以找到最佳的观察位置和方向。同时，还需要处理预测姿态云中的视线，以提高识别的准确性。

1. 奖励函数中的效用与成本处理

在计算奖励函数 (r({o}, V)) 时，效用和逆成本的处理方式会影响奖励的分布。如果将效用和逆成本相乘，高奖励更容易被识别，但较差和一般奖励之间的界限会变得模糊。为了聚焦于这个界限，我们选择将效用和逆成本相加。

2. 最佳视角估计的优化算法

最佳视角估计是一个组合优化问题，由于参数空间部分连续，我们需要对机器人位置和相机方向空间进行离散化。

2.1 参数空间分析

• 高维与无限空间 ：目标函数的参数空间 (2^{ {o}P} \times {V}) 是高维且无限的。其中，6 自由度的相机姿态空间使其大小无限，并且与搜索对象的数量 (|{o}P|) 呈指数关系。
• 相机姿态空间降维 ：通过抽象机器人的运动学链，可以从两个方面降低相机相关参数空间的维度。一是传感器头高度固定，只需优化相机在二维平面的坐标 ((x, y))；二是传感器头只能在两个自由度上旋转。

2.2 离散化与搜索空间

将离散化的机器人位置和相机方向空间与搜索对象的幂集相结合，得到搜索空间 ({(x, y)} \times {q} \times 2^{ {o}P})。其中，只有采样的机器人位置 ({(x, y