確定物體方向的算法可以幫助機器人進行導航

假設您正在嘗試瀏覽大城市中不熟悉的部分，并且您正在使用特定的摩天大樓群作為參考點。交通和單行道迫使你采取一些奇怪的轉彎，有一段時間你會看不到你的地標。當它們重新出現時，為了將它們用于導航，您必須能夠將它們識別為您之前跟蹤的相同建筑物 - 以及您相對于它們的方向。

這種類型的重新識別是人類的第二天性，但對計算機來說卻很難。在6月的IEEE計算機視覺和模式識別會議上，麻省理工學院的研究人員將通過識別三維場景中的主要方向，提出一種新的算法，使其更加容易。相同的算法還可以簡化場景理解問題，這是計算機視覺研究的核心挑戰之一。

該算法主要用于幫助機器人駕駛不熟悉的建筑物，而不是駕駛者在不熟悉的城市中航行，但原理是相同的。它的工作原理是識別給定場景中的主導方向，它表示為一組軸 - 稱為“曼哈頓幀” - 嵌入在一個球體中。當機器人移動時，它實際上將觀察球體在相反方向上旋轉，并且可以測量其相對于軸的方向。每當它想要重新定位時，它就會知道它的哪些地標的面應該朝向它，使它們更容易識別。

事實證明，相同的算法也極大地簡化了平面分割的問題，或者決定了視覺場景的哪些元素位于哪個平面的哪個深度。平面分割允許計算機在場景中構建對象的四四方形模型 - 反過來，它可以與存儲的已知對象的三維模型匹配。

麻省理工學院電子工程和計算機科學研究生Julian Straub是該論文的第一作者。他的顧問是麻省理工學院計算機科學與人工智能實驗室的高級研究科學家John Fisher，以及機械與海洋工程教授John Leonard，以及Fisher's Sensing，Learning的博士后Oren Freifeld和Guy Rosman。和推理組。

研究人員的新算法適用于Microsoft Kinect或激光測距儀捕獲的三維數據。首先，使用已建立的程序，算法估計場景中的大量單個點的方向。然后將這些方向表示為球體表面上的點，每個點定義相對于球體中心的唯一角度。

由于初始方向估計是粗略的，球體上的點形成松散的簇，這些簇很難區分。使用關于初始方向估計的不確定性的統計信息，算法然后嘗試將曼哈頓幀擬合到球體上的點。

基本思想類似于回歸分析 - 找到最接近點分散的線條。但是球體的幾何形狀使它變得復雜。“大多數經典統計數據都是基于線性和歐幾里德距離，因此你可以得到兩個點，你可以將它們相加，除以2，這將給你平均值，”Freifeld說。“但是一旦你在非線性空間中工作，當你進行平均化時，你就會落在空間之外。”

例如，考慮測量地理距離的例子。“說你在東京，我在紐約，”弗雷菲爾德說。“我們不希望我們的平均值位于地球中部; 我們希望它在表面上。“新算法的關鍵之一是它將這些幾何結合到關于場景的統計推理中。

原則上，通過使用數百個不同的曼哈頓幀可以非常精確地近似點數據，但這會產生一個太復雜而無用的模型。因此，該算法的另一個方面是成本函數，其權衡近似與幀數的準確度。該算法以固定數量的幀開始 - 大約在3到10之間，具體取決于場景的預期復雜性 - 然后嘗試在不影響總體成本函數的情況下減少該數量。

得到的曼哈頓幀集合可能不代表彼此略微錯位的對象之間的細微區別，但這些區別對于導航系統并不十分有用。“想想你如何導航房間，”費舍爾說。“你沒有建立一個精確的環境模型。你有點捕捉松散的統計數據，這些統計數據允許你以一種你不會在椅子上絆倒的方式完成你的任務。“

一旦確定了一組曼哈頓幀，平面分割的問題就變得容易得多。不占用大部分視野的物體 - 因為它們很小，很遠或被遮擋 - 會給現有的平面分割算法帶來麻煩，因為它們產生的深度信息很少，無法可靠地推斷出它們的方向。但如果問題只是在少數幾種可能的方向中進行選擇，而不是潛在的無限，那就變得更容易處理。

喬治亞理工學院交互式計算教授弗蘭克德拉特爾沒有參與這項研究，稱這項工作“有趣”，并補充說它“推廣到非垂直框架，這在操縱環境中很重要，并且它適用于深度圖像，隨著Kinect和其他深度傳感器的興起而變得非常受歡迎。“

“我相信應該應用這些技術，”Dellaert說。“無論他們是否愿意，取決于那些最終將在大規模生產的自動系統中實施和部署這些技術的公司所看到的增值價值，無論是家用機器人還是自動駕駛汽車。在算法通用性和一定量的復雜性之間總是存在權衡以利用諸如人造結構之類的約束。在目前的情況下，我認為使用這些約束的優勢是顯著的，并將在未來的自治系統中得到利用。“