거리 데이터를 이용한 3차원 복합 물체 위치 추정에의 적용과 정보 조각들의 최적 결합에 관하여

대수적, 기하학적 및 확률적 모델의 결합으로 기술되는 다수의 대규모 데이터 세트에 대해 계산적으로 단순한 베이즈 인식 및 모수 추정을 가능하게 하는 새로운 점근적 방법이 도입됩니다. 도입된 기술은 최대우도추정 또는 베이즈 추정이나 인식을 국소적으로 실현할 수 있는 개별 병렬 처리를 위해 대규모 문제를 제어 가능한 소규모 문제로 분해할 수 있게 합니다. 이러한 결과들을 결합하여 전역적으로 최적인 추정 또는 인식에 도달할 수 있습니다. 이 접근법은 3차원 복합 물체 위치의 최대우도추정에 적용됩니다. 이를 위해 물체의 표면은 기본 2차 곡면 패치(즉, 평면, 원통형 및 구형 패치)의 집합으로 모델링되며, 경계 세그먼트로 보강될 수 있습니다. 기본 표면 패치 모델은 위치, 방향 및 치수 정보를 반영하는 기하학적 매개변수에 의해 지정됩니다. 물체 위치 추정은 각 세트가 물체 프리미티브와 연관된 거리 데이터 포인트 세트를 기반으로 합니다. 거리 측정 지점의 생성을 모델링하는 확률 밀도 함수가 도입됩니다. 여기에는 3차원 측정의 부정확성과 3차원 모델링의 부정확성을 설명하는 3차원 공간에서의 노이즈 메커니즘 공식화가 수반됩니다. 우리는 각 작은 데이터 패치에 대한 최적의 국소 모수 추정과 프리미티브 경계 또는 표면 유형 인식을 위한 필수 기법을 개발한 후, 대략적으로 전역적 최적의 물체 위치 추정에 도달하기 위해 국소적으로 도출된 이러한 부정확한 모수 추정치를 최적으로 결합합니다.