23、场景识别评估：被动与主动场景识别的深入分析

场景识别评估：被动与主动场景识别的深入分析

1. 被动场景识别评估

在被动场景识别（PSR）的评估中，我们旨在为判断场景识别方法是否能满足可实证验证的论点陈述和要求奠定实证基础。

1.1 运行时间分析

在运行时间方面，基于优化拓扑的运行时间为 4.94 秒，比基于完整拓扑的 48.81 秒短了十倍。这表明优化拓扑在场景识别中能显著提高效率。

关系拓扑选择的运行时间分析如图 5.15 和图 5.16 所示。图 5.15 展示了关系拓扑选择的运行时间与对象数量和给定轨迹长度的关系。其主要表明，优化关系拓扑将计算成本从场景识别转移到了学习场景类别模型上。由于学习 ISM 树可以与主动场景识别（ASR）分开进行，因此延长学习阶段似乎不成问题。不过，当对象数量为 10 且轨迹长度为 400 时，关系拓扑选择的最大运行时间为 28.24 小时，这超出了移动机器人在常规搜索对象时的处理能力。但可以轻松地将关系拓扑选择过程中出现的不同场景识别任务分配到多个处理单元上，因此在外部并行硬件上优化关系拓扑是可行的。

图 5.15 和图 5.12 虽然量级不同，但曲线形状相似，这意味着所采用的局部搜索算法（爬山法）为关系拓扑选择提供了近乎线性的运行时间行为。图 5.16 以固定对象数量展示运行时间，曲线同样是非线性的，其最大运行时间 42.59 小时与图 5.15 中的结果相差不大。

1.2 实验结论

• ISM 树的 6 - DoF 能力 ：通过对办公室场景类别进行实验，将场景识别应用于对象被推和旋转的各种配置中，证明了 ISM 树在判断对象对是否满足关系时涵盖了 6