一种可证书的同时形状估计与物体跟踪算法

操控和自动驾驶等应用依赖于稳健且通用的物体跟踪，以安全地在动态环境中执行任务。我们提出了首个针对已知类别物体（例如汽车）进行同时形状估计和姿态跟踪的可证书最优方法。我们的 approach 使用从 RGB-D 图像序列中提取的 3D 语义关键点测量值，并将估计表述为固定时滞平滑问题。时序约束强制物体的刚性（固定形状）和根据常数扭转运动模型进行平滑运动。该问题的解为物体状态（姿态、速度）和形状（根据主动形状模型参数化）在平滑时段内的估计值。我们的关键贡献是表明尽管固定时滞平滑问题具有非凸性，我们仍可使用小规模半正定松弛求解其可证书最优解。我们还提出了快速的离群点剔除方案，通过形状和时间兼容性测试过滤掉不正确的关键点检测，并将我们的可证书求解器封装在渐进式非凸性方案中。我们在合成数据和真实数据上对提出的方法进行评估，展示了其在桌面操作场景和无人机-based 车辆跟踪应用中的性能。