光学图像驱动的多粒度动态环境感知算法

"这篇研究论文‘基于光学图像的多粒度随动环境感知算法’由陈昊升、张格和叶阳东共同撰写，发表在《软件学报》2016年第27卷第10期，文章探讨了一种创新的环境感知算法，旨在解决快速三维建模中的室内外环境随动感知问题。该算法利用光学图像生成多粒度点云模型，并采用概率八叉树进行压缩和统一表示。通过卡尔曼滤波动态融合多粒度模型，生成时态融合概率八叉树三维模型（TFPOM），在降低噪声影响的同时能动态拟合真实环境。此外，算法结合剪枝和归并策略优化了存储空间，增强了在低计算效能平台上的鲁棒性，适用于视觉导航和增强现实等应用。实验结果验证了算法的实时性和准确性，尤其在包含多种光学图像传感器的可穿戴设备上，能构建出充分拟合动态环境的多粒度TFPOM，且基于该模型的视觉导航轨迹误差小。" 这篇论文的主要知识点包括： 1. 随动环境感知：研究的核心是建立一个能实时适应环境变化的感知系统，特别关注室内外环境的快速建模。 2. 基于光学图像的三维建模：利用光学图像生成三维点云模型，这些模型能更精确地反映真实环境。 3. 多粒度点云模型：通过不同级别的细节层次来表示环境，适应不同的建模需求和计算能力。 4. 概率八叉树（Octree）：用于压缩和统一表示三维模型，减少存储空间，同时保持模型精度。 5. 卡尔曼滤波：应用于融合多粒度点云模型，通过动态更新来减小噪声影响，提高模型的准确性。 6. 时态融合概率八叉树三维模型（TFPOM）：在每个时间节点通过卡尔曼滤波融合后的模型，形成一个随时间演化的连续模型。 7. 剪枝和归并策略：优化算法性能，确保在多粒度融合和表示时既能节省存储空间，又能保持模型鲁棒性。 8. 可穿戴设备应用：强调算法能在计算效能较低的设备上运行，如包含多种光学图像传感器的可穿戴设备。 9. 视觉导航：基于构建的环境模型进行定位和导航，实验显示具有较小的轨迹误差，表明算法的有效性。 10. 增强现实：该环境感知算法也适用于增强现实场景，为虚拟信息与真实环境的融合提供基础。 这篇论文介绍的算法是一种创新的环境感知技术，通过结合光学图像处理、多粒度建模、概率数据结构和滤波理论，实现了高效、鲁棒的环境感知，对实时三维建模和相关应用具有重要意义。