1、环境感知中的多级别贝叶斯模型探索

环境感知中的多级别贝叶斯模型探索

1. 环境感知面临的挑战与需求

如今，环境感知已不再局限于传统的图像处理方法，如处理标准灰度或 RGB 照片。多相机系统、高速相机、雷达系统、深度和热传感器以及激光扫描仪等多种传感器技术可同时用于支持特定应用。这意味着在解决问题时，不仅要构建最佳的模式识别或人工智能算法，还需选择最优的软硬件配置。

随着传感器技术的快速发展，其在空间和时间分辨率、信息通道数量、噪声水平等方面都有显著提升。这使得环境感知系统面临着自动特征提取、对象和事件识别、机器学习、索引以及基于内容的检索等多方面的挑战。具体而言，有以下几点需求：
- 数据来源兼容性与可扩展性 ：所开发的方法应能处理多种数据来源，具备高度可扩展性。这样可以实现灵活的传感器融合，并在不彻底重构现有软件系统的情况下，用提供更高质量数据的新型传感器替换过时的传感器。
- 多层次内容解释 ：由于观测数据的空间分辨率和维度增加，在单个测量段中可能检测到不同尺度的多种效应。因此，需要识别算法能够对内容进行分层解释。例如，在高分辨率的航空照片中，可以同时分析宏观层面的城市或森林区域、区分城市的不同区域和道路、提取和聚类建筑物，甚至关注车辆或街道家具等较小的对象。
- 时间维度的有效利用 ：时间维度具有多种可用尺度。对于视频帧速率的图像序列，可以通过逐像素比较连续帧直接提取对象运动信息；但对于相隔数月或数年拍摄的同一区域的测量数据，则需要高级建模方法。研究工作应朝着构建一个复杂系统的方向发展，将各种数据源的信息组织成统一的分层场景模型，实现多模态表示、识别和实体比较，结合对象级分析和低级特征