虽然在人类视觉中很自然, 但机器人中的这项任务需要解决几个复杂的问题:
获取场景中的对象相对于其初始数据库位置显示为旋转和平移, 并且整个场景经历依赖于传感器的变换, 例如摄像机的投影变换。...这些第一步努力集中在使用边界曲线匹配技术从轮廓中识别旋转, 平移和部分遮挡的二维物体。与简化的文本类比相反, 实现技术更复杂, 需要形状信息而不仅仅是局部特征的位置。...他们开发了有效的算法, 用于识别由点集或由透视变换的仿射近似下的曲线表示的平面刚体, 并且它们扩展了在任意变换下识别点集的技术, 并将刚性3D对象与单个2D图像区分开来
举例说明
为简单起见, 此示例不会使用太多的点要素...选择标度使得两个基点的x’的绝对值为1。
描述相对于该基础的特征位置, 即计算这些点到新坐标轴的投影。 坐标应该是离散的, 以使更好识别噪声, 我们将箱尺寸设为0.25。...量化获得的坐标, 如前所述。
将输入图像中的所有变换点要素与哈希表进行比较。 如果点要素相同或相似, 则增加相应基础的计数(以及对象的类型, 如果有的话)。