本文献略读聚焦于Next Best View（NBV）在3D探索和重建中的策略。首先介绍了一个基于RRT和NBV的探索规划器，通过增益函数考虑未知区域体积和路径长度。然后讨论了早期NBV概念在三维重建中的应用，包括两种不同的视点选择方法。最后，探讨了一种考虑定位误差的体积NBV规划，综合评估了观测区域、导航成本、扫描质量和遮挡因素。这些方法对于理解NBV在实际场景中的应用具有参考价值。
文献略读：Next Best View 相关
Receding Horizon “Next–Best–View” Planner for 3D Exploration
-
基于RRT和NBV的探索规划器
-
每一步都通过随机采样来构建RRT树，采样构型为 (x,y,z,ψ)(x,y,z,\psi)(x,y,z,ψ)
-
采样完成后，寻找增益最大的构型作为NBV，并得到前往该构型的路径
-
增益函数为Gain(n)=Gain(n−1)+Visible(M,ξk)exp(−λc(σk−1k))Gain(n) = Gain(n-1)+Visible(M,\xi_k)exp(-\lambda c(\sigma^k_{k-1}))Gain(n)=Gain(n−1)+Visible(M,ξ
最低0.47元/天 解锁文章
扫一扫
1809
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
