论文阅读 An Information Gain Formulation for Active Volumetric 3D Reconstruction

这是一篇讲基于3D重建这个场景，如何更好地计算information gain的
好像是2016ICRA 也是uzh实验室的

问题背景：
携带camera的robot，在三维场景中对一个物体利用REMODE进行重建
提出的information gain的计算方法可以帮助在候选视角里选出最好的
来最大化发现object的新部分
其实就是如何选next best view NBV的问题
具有更多信息的视角的意义是：在这个视角更多之前被为观测到的表面变得可见

information gain：
the information gain (IG) in a probabilistic volumetric map as the sum of expected information enclosed in smaller volumes (voxels)
在概率体积地图里是每个小格子包含的信息的总和
每个小格子包含的信息叫 volumetric information
信息增益的表示方法是基于体积信息的 即 IG是依赖VI的

有两种方法

• surface-based approach： 计算边界
• volumetric approach：更加常用 because
  they facilitate visibility operations and also allow probabilistic occupancy estimation
  更多用这个方法，一般是用casting rays，即投射一条线，从当前视角的位置投射，来计算穿过的voxels的volumetric information

volumetric information：

• 遮挡感知:通过按每个像素的可见性可能性对熵进行加权来量化预期的可见不确定性。
• 未被观测到的体积:
• 背面体积:计算已观察到的表面的背面预期课件的体积数
• 背面熵：遮挡感知定义的vi预期数量，但是被限制在已观察到的表面的背面
• 背面熵：遮挡感知定义的vi预期数量，但是被限制在已观察到的表面的背面