图像量化噪声下机器人立体相机的控制

本文研究图像量化噪声下移动立体相机的控制问题。假设已有一组目标的图像对，相机通过一系列次最优视角（NBVs）移动，即一系列最小化目标累积状态协方差迹的视角，该协方差使用捕捉图像量化噪声的立体装置真实模型和融合观测历史与新信息的卡尔曼滤波器（KF）构建。所提算法将控制分解为两个阶段：首先在相机相对坐标系中计算 NBV，然后相机在固定全局坐标系中移动以实现该视角。这种分解允许相机驱动到一个新位姿，在相机坐标系中有效实现 NBV，同时满足全局坐标系中的视场约束，这一任务在使用复杂感知模型时尤其具有挑战性。我们提供仿真和真实实验，展示了所提移动相机系统精确定位目标集的能力。我们还提出一种新颖的数据驱动技术，在像素级别表征未建模的不确定性（如标定误差），并证明该方法确保了 KF 的稳定性。