rsi指标详解及实战用法星亚龙（Rsi指标详解及实战用法）

计算机视觉life”，选择“星标”

快速获得最新干货

标题：Learning the Next Best View for 3D Point Clouds via Topological Features

作者：Christopher Collander, William J. Beksi, Manfred Huber

来源：2021 IEEE International Conference on Robotics and Automation (ICRA)

编译：方禄

审核：Zoe ，王靖淇

本文转载自泡泡机器人SLAM，文章仅用于学术分享。

摘要

本文介绍了一种利用新型基于拓扑结构的信息增益指标来引导噪声传感器的下一最佳视角的强化学习方法。该指标结合观察表面的不相交部分以专注于高度细化的特征，如孔和凹陷地方。实验结果表明，我们的方法可以帮助建立机器人传感器的位置来优化其流式点云数据提供的信息。此外,已向科研界公开发布了3D物体标注数据集,定制机器人操纵器的CAD设计，以及用于点云转换，融合，配准的软件。

图1: 下一最佳视角（ＮＢＶ）问题是在初始读数后，如何确定传感器位置来最大程度增加对环境了解的一个难题

图2: 顶点. 边 阴影三角形部分,可以粘合在一起，形成Vietoris-Rips（VR）复合体

图3:不断增长的子复合体序列

图4. 三个CAD对象，4个随机开始视角（a-d）的（Y=yaw in [0，19]，X=pitch in [0,9])的动作值热图示例。蓝色方块代表初始视角，绿色圆圈是NBV（最佳视图）。热图中较浅的颜色对应于较高的奖励值。

图5:图4中物体的初始视图和NBV的例子

图6:测试对象的初始视图和 NBV 示例

图7: 各种外形物体的初始视图和NBV的例子

Abstract

In this paper, we introduce a reinforcement learning approach utilizing a novel topology-based information gain metric for directing the next best view of a noisy 3D sensor. The metric combines the disjoint sections of an observed surface to focus on high-detail features such as holes and concave sections. Experimental results show that our approach can aid in establishing the placement of a robotic sensor to optimize the information provided by its streaming point cloud data. Furthermore, a labeled dataset of 3D objects, a CAD design for a custom robotic manipulator, and software for the transformation, union, and registration of point clouds has been publicly released to the research community.

独家重磅课程官网：cvlife.net

1、SLAM社区： 一个人啃SLAM，难受到自闭，硬顶还是放弃？

2、C 实战： 为啥SLAM代码都用C 不用Python？

3、多传感器融合SLAM 激光雷达-视觉-IMU多传感器融合方案！

4、VIO灭霸：VIO天花板ORB-SLAM3第2期上线！（单/双目/RGBD 鱼眼 IMU 多地图 闭环）

5、视觉SLAM基础： 刚看完《视觉SLAM十四讲》，下一步该硬扛哪个SLAM框架 ？

6、机器人导航运动规划： 机器人核心技术运动规划：让机器人想去哪就去哪！

7、详解Cartographer： 谷歌开源的激光SLAM算法Cartographer为什么这么牛X？

8、深度学习三维重建 总共60讲全部上线！详解深度学习三维重建网络

9、三维视觉基础 详解视觉深度估计算法（单/双目/RGB-D 特征匹配 极线矫正 代码实战）

10、 VINS:Mono Fusion SLAM面试官：看你简历上写精通VINS，麻烦现场手推一下预积分！

11、图像三维重建课程：视觉几何三维重建教程（第2期）：稠密重建，曲面重建，点云融合，纹理贴图

12、系统全面的相机标定课程：单目/鱼眼/双目/阵列 相机标定：原理与实战

全国最棒的SLAM、三维视觉学习社区↓

技术交流微信群

投稿、合作也欢迎联系：simiter@126.com

— 版权声明 —

本公众号原创内容版权属计算机视觉life所有；从公开渠道收集、整理及授权转载的非原创文字、图片和音视频资料，版权属原作者。如果侵权，请联系我们，会及时删除。