在本文中，我们研究了混合机器人/摄像机网络系统中的定位、探索和规划问题。我们利用摄像机网络的普遍性，将其用作定位数据的来源。由于在大多数网络中摄像机的笛卡尔位置是不准确知道的，所以我们考虑如何定位这样的摄像机的问题。为了解决这个混合定位问题，我们将其分为局部摄像头干扰器参数估计问题和全局规划与导航问题。我们通过使用附在机器人上的基准标记，并通过在每个摄像机前面选择机器人轨迹来解决局部摄像机标定问题，这些轨迹提供了良好的标定和视野精度。我们使用扩展卡尔曼滤波器在摄像机和机器人的连续位置之间传播信息。最后，我们使用启发式探索策略在摄像机位置之间移动机器人来探索网络。本文包括室内办公环境的实验数据以及模拟数据集的测试。

 

本发明描述了一种多传感器照相机。在一个实施例中，相机包括单个镜头、多个图像传感器、多个图像传感器中的每个图像传感器具有不同的特性，以及位于镜头和多个图像传感器之间的光学装置，监控屏蔽器用于将光线从镜头定向到多个图像传感器中的一个。

 

随着在智能和环境技术环境中使用智能和网络摄像机的需求不断增加，为此类资源分布式网络开发算法是一项非常有意义的工作。多视图动作识别解决了许多关于视图不变性和遮挡的挑战，并且由于现实生活中的应用程序中有大量的处理和通信数据，因此监控干扰器不容易将这些方法应用于智能相机网络。在本文中，我们提出了一个分布式活动分类框架，其中我们假设多个摄像头传感器正在观察场景。每个摄像头处理自己的观察结果，在与其他摄像头通信时，他们就活动类达成一致。我们的方法基于恢复一致性上的低秩矩阵，通过凸优化执行分布式矩阵完成。然后，将其应用于人类活动分类问题。我们在IXMAS和MuHAVi数据集上测试了我们的方法，以显示该方法的性能和可行性。