计算机科学>机器人
标题: 基于不确定导向下一视图优化的主动隐式目标重建
摘要: 主动规划目标重建期间的传感器视图对于自主移动机器人至关重要。 有效的方法应该能够在准确性和效率之间取得平衡。 在本文中,我们提出了一种新兴隐式表示与主动重建任务的无缝集成。 我们构建了一个隐式占用字段作为几何代理。 在训练时,使用先前的对象边界框作为辅助信息来生成清晰详细的重建。 为了评估视图不确定性,我们采用了一种基于采样的方法,该方法直接从重构的占用概率场中提取熵,作为视图信息增益的度量。 这样就不需要额外的不确定性图或学习。 与以前在有限的候选集合中比较视图不确定性的方法不同,我们的目标是在连续流形上找到下一个最佳视图(NBV)。 利用隐式表示的可微性,通过梯度下降最大化视图不确定性,可以直接优化NBV。 它显著增强了该方法对不同场景的适应性。 仿真和实际实验表明,该方法有效地提高了主动重建任务中视图规划的重建精度和效率。 建议的系统将在 此https URL .