基于树优化空间关系建模与场景识别方法研究.pdfVIP

2015IEEE/RSJ国际智能机器人与系统会议（IROS）国会汉堡至10月

2日。

自动选择空间对象关系，用于使用分层隐式形状模型建模和识别室

内场景

PascalMeißner、FabianHanselmann、RainerJakel、SvenR.Schmidt‑Rohr和RudigerDillmann

：我们提出了一种使用组合优化来确定对象之间的哪将对象连接到是ISM可以表示的唯一图形拓扑。例

些空间关系与准确描述由对象组成的室内场景相关的方法。我如，在图1中的桌子设置中，ISM可以将现有的餐具和杯

们从演示动作期间获取的对象配置中提取场景模型，这些对象子与中间的盘子相关，如图1中的1a、1b和1c所示。设置

配置是特定场景的特征。我们使用隐式形状模型（ISM）（一桌子的规则不限于对象围绕盘子的方式的定义，还包括

种广义变换变体）将场景建模为图形。ISM仅限于将场

确定例如物体的关系。餐具的平行度或相对高度。如图

景表示为对象关系的星形拓扑，从而导致识别场景时出现误报。

1中的1c所示，只有后者被破坏的对象配置被这样的

为了描述其他关系拓扑，我们在之前的工作中引入了ISM树

ISM错误地判断为该场景的正确示例，从而产生误报场

的表示，以及从演示中学习此类ISM树的方法。该方法仅限

于创建拓扑，对应于生成树，忽略了某些关系，因此仍然会发景检测。为了克服误报检测，我们提出了通过层次聚类

生误报。在本文中，我们介绍了一种使用启发式深度优先搜索构建的ISM二叉树。虽然相互堆叠为分层ISM的I

将与连通图相对应的任何关系拓扑转换为ISM树的方法。它SM作为非平凡关系拓扑的表示效果很好，但证明它

允许使用完整的图形作为场景模型。尽管不会造成误报，但完们的构造方法是有限的。层次聚类仅生成生成树，而不

整的图形对于场景识别来说却很。为了提高效率，我们提是覆盖n个对象上的各种场景图。此外，它依赖于手

供了法，通过遍历连接的场景图的空间，对于给定的一工启发式方法来选择要建模的关系。它的可移植性很低，

组对象，使用类似于爬山的优化来搜索最佳关系拓扑。最优性

因为启发法是特定于应用程序案例的。他们的重新设计

被定义为最小化场景识别期间的计算成本，同时产生最少的误

需要专业知识。我们成功地在[2]中使用了表示和学习，

报。对多达15个对象的实验表明，所方法都可以实现

这两个目标。成本随着对量的增加而呈指数增长，从通过旋转机器人头部进行对象搜索来探索场景。

识别转移到离线优化。

为了能够学习跨树拓扑的ISM，我们在第2节中介

I.简介绍了法。本文的VI‑B将任意连通图转换为IS

演示编程（PbD）领域的研究旨在让非专家能够教M树。使用此方法，可以将不返回误报的完整图表示为

机器人如何在室内场景中执行日常动作。对于机器人自ISM树。这样的树了图1中2c中的配置，该配置

主执行学习动作来说，仅仅教授动作本身的描述是不够导致图1中1c中的星形模型失败。然而，随着大小[3]

的增加，具有n·(n−1)关系的完整图变得棘手。为了

的。机器人还需要有能力决定一个动作在给定的环境中/2

是否合适。对于机器人来说，要通过解释空间对象配置将效率和代表性力量结合起来，我们开发了法，