技术特征：
1.一种基于知识库推理的通用视点规划方法，其特征在于，包括：视觉任务与先验信息的描述方法，各状态的实时更新方法与未知区域的预测方法，以及基于形式化描述的通用视点规划方法，其中：视觉任务与先验信息的描述方法：对视觉任务的任务状态，被测物体的候选状态空间、感知状态与先验信息进行形式化表达，将不同视觉任务通过统一的形式化表达，作为视点规划方法的输入；各状态的实时更新方法与未知特征的预测方法：指导实际探测过程中被测物体的候选状态与感知状态的实时更新：根据视觉传感器获取的被测物体的点云和图像在内的感知数据，对被测物体所在的体素模型空间进行实时更新，随着被测物体的候选状态以及感知状态的迁移，视觉任务逐步趋近于其目标状态，当目标状态未到达时，根据被测物体的当前感知状态，结合其先验信息库，对模型空间的未知区域做出预测；基于形式化描述的通用视点规划方法：预测视觉传感器的下一最佳视点：首先使用条件熵来度量各个特征的区分性，用以表述视点特征体素增益的对应权重；然后使用加权信息增益的视点评价方法计算候选视点的评价函数值，选出评价函数值最大的视点作为下一最佳视点。2.根据权利要求1所述的一种基于知识库推理的通用视点规划方法，其特征在于，所述被测物体感知状态perc_s
t
的描述方法为：perc_s
t
:(f
t1
,f
t2
..f
tn
...f
tn
)f
tn
为t时刻特征n的感知状态，f
n
是定义被测物体的第n个特征，视觉任务中共包含n个待探测特征。3.根据权利要求1所述的一种基于知识库推理的通用视点规划方法，其特征在于，所述被测物体的候选状态空间candi_s为各特征状态的可能组合，其描述方法为：candi_s:{o1,...o
j
,...o
j
}其中，o
j
指被测物体的第j种可能所属类型的各特征状态，描述方法如下式：o
j
:(f
j1
,f
j2
,...f
jn
...f
jn
)其中，f
jn
表示被测物体j中特征n的对应特征状态，若特征存在，则置1，否则置为0，特征状态空间包括-1，0，2，1，其中，-1表示特征的初始状态，尚未探测到特征的相关信息；0表示特征不存在；1表示特征存在且已被探测；2表示特征存在但尚未被探测。4.根据权利要求1所述的一种基于知识库推理的通用视点规划方法，其特征在于，所述任务状态task_s
t
的描述方法为(cfd
t
,mapig
t
)，cfd
t
表示t时刻目标的置信度，计算公式如下：cfd
t
＝1/j其中，j指候选状态空间中的候选状态个数，mapig
t
表示t时刻体素模型空间的信息熵状态，计算公式如下：其中，p
i
表示体素i的占据概率。5.根据权利要求1所述的一种基于知识库推理的通用视点规划方法，其特征在于，对所述先验信息的描述采用规则的形式，每条规则rule
k
中包含特征的验证方法、特征属性计算
方法，以及特征间推导方法，形式如下：rule
k
：{(an1,...an
m
)
→
cons
k
,test
k
(),cal
k
(),pre
k
()}所述规则用特征an1～an
m
推导特征cons
k
的相关信息，test
k
()用来验证特征cons
k
是否能被验证存在，cal
k
()计算特征cons
k
的属性，pre
k
()是根据已知特征an1～an
m
预测特征cons
k
对应点云的函数。6.根据权利要求1所述的一种基于知识库推理的通用视点规划方法，其特征在于，被测物体的感知状态perc_s
t
的实时更新方法，各特征的感知状态f
tn
由视觉传感器的探测信息或对候选状态空间的推导进行更新，更新方法如下：num_crt
n
指特征f
n
的现存预测体素数，num_tt
n
指特征f
n
的预测点云对应体素总数，thresh是人工设定的阈值。7.根据权利要求1所述的一种基于知识库推理的通用视点规划方法，其特征在于，候选状态空间的实时更新方法，当特征的感知状态根据体素模型空间的信息进行更新时，候选状态空间根据特征的更新进行更新，被筛选出候选状态空间的条件如下：8.根据权利要求1所述的一种基于知识库推理的通用视点规划方法，其特征在于，未知区域的预测方法为，根据特征状态，筛选出用于预测未知特征的规则，由规则中描述特征预测的函数pre
k
()，推导出未知特征的点云分布，将点云对应的距离已知体素距离超过阈值的未知体素置为预测体素，并标记其特征类别及特征子区域序号，特征子区域表示能够推导出特征完全属性即对特征完整描述的区域之一。9.根据权利要求1所述的一种基于知识库推理的通用视点规划方法，其特征在于，所述视点特征体素增益的对应权重，即各个特征的区分性，使用条件熵来度量，条件熵公式如下其中，p(o
j
,f
n
)指特征状态为f
n
，被测物体为o
j
的联合概率，p(o
j
|f
n
)指当特征状态为f
n
时，目标属于第j类被测物体的条件概率，对于感知状态为-1的特征，权重w
i
根据条件熵进行归一化计算；状态为2的特征，权重取最小归一化权重的0.01。10.根据权利要求1所述的一种基于知识库推理的通用视点规划方法，其特征在于，所述候选视点的评价方法，使用加权信息增益的表达方式，评价函数g(v)公式如下：其中，g_overlap
v
指视点v的重叠信息增益，当前后帧重叠比例大于设定阈值时，该信息增益置1，否则，此项置0；w1和w2分别是预测特征体素信息增益的权重和未知体素的权重，
指特征当前视点可探测的特征i体素数占特征i的预测总数之比例，指当前视点的未知体素数占全部未知体素的比例。
技术总结
本发明涉及主动感知领域，具体的说是涉及一种基于知识库推理的通用视点规划方法。基于知识库推理的通用视点规划方法包括：视觉任务与先验信息的描述方法，对视觉任务的任务状态，被测物体的候选状态、感知状态与先验信息进行形式化表达，依据这些形式化表达对主动感知系统进行输入；各状态的更新方法与模型空间未知区域的预测方法，根据探测信息对各个状态实时更新，并利用物体先验信息预测目标的未知区域；基于形式化描述的下一视点确定方法，使用条件熵度量各个特征的权重，用一种加权信息增益的视点评价方法确定下一最佳视点。本发明能够应用于目标建模与目标识别任务，使视点规划方法脱离了具体视觉任务，应用范围更广。应用范围更广。应用范围更广。
技术研发人员：朱枫 孔研自 孙海波 郝颖明 付双飞
受保护的技术使用者：中国科学院沈阳自动化研究所
技术研发日：2020.10.28
技术公布日：2022/5/5