BILTS: 用于参考框变化下鲁棒目标轨迹识别的双不变相似度度量
机器人学
2025-01-20 v2 计算几何
计算机视觉与模式识别
摘要
当类似的物体运动在不同上下文中执行，但需在单一分类下进行识别时，这些上下文变化会作为干扰，严重影响准确的运动识别。本文聚焦于由参考框变化引起的上下文变化。为了鲁棒地处理这些变化，已引入相似度度量，通过上下文不变的方式比较物体运动轨迹。然而，大多数度量对奇异点附近的噪声极其敏感，在这些点上该度量未唯一定义，缺乏双不变性（即对世界框和身体框变化的不变性）。为解决这些问题，我们提出了一种新颖的双不变局部轨迹形状相似度(BILTS)度量。与其他度量相比，BILTS度量独特地提供了双不变性、有界性和三阶形状同一性。为了实现实际应用，我们设计了BILTS度量的离散化和正则化版本，该版本在奇异点附近展现出卓越的鲁棒性。这一点通过使用多个数据集进行严格的识别实验得以演示。平均而言，BILTS在各种不变对象运动相似度度量中实现了最高的识别比率和最低的上下文变化灵敏度。我们相信BILTS度量是识别在不同上下文中执行的运动的有价值工具，并在包括运动和力轨迹的识别、分割和适应等其他应用中具有潜力。
引用
@article{arxiv.2405.04392,
title = {BILTS: A Bi-Invariant Similarity Measure for Robust Object Trajectory Recognition under Reference Frame Variations},
author = {Arno Verduyn and Erwin Aertbeliën and Glenn Maes and Joris De Schutter and Maxim Vochten},
journal= {arXiv preprint arXiv:2405.04392},
year = {2025}
}
备注
This work has been submitted as a regular research paper for consideration in the Journal of Intelligent & Robotic Systems. The content in this preprint is identical to the version submitted for peer review, except for formatting differences required by the journal