不仅看而且观察：面向概率 SLAM 的场景级三维多目标理解的变分观测模型
计算机视觉与模式识别
2020-02-05 v3 机器人学
摘要
我们提出 NOLBO，一种从二维单帧图像估计三维多目标的变分观测模型。先前的概率实例级理解主要考虑单目标图像，而非含多目标的单帧图像；物体之间的关系以及整个场景不在其关注范围内。每次观测的物体性也几乎未加入其模型。因此，我们提出一种近似场景级三维多目标理解的贝叶斯观测模型的方法。通过利用变分自编码器（VAE），我们从整个场景估计潜变量，这些变量服从易处理的分布并同时隐含三维完整形状与位姿。为了执行面向物体的数据关联与概率同时定位与地图构建（SLAM），我们的观测模型可容易地通过用潜变量替换面向物体的特征而被用于概率推断。
引用
@article{arxiv.1907.09760,
title = {Not Only Look But Observe: Variational Observation Model of Scene-Level 3D Multi-Object Understanding for Probabilistic SLAM},
author = {Hyeonwoo Yu},
journal= {arXiv preprint arXiv:1907.09760},
year = {2020}
}