题目：基于Gibson环境的双目视图生成方法研究与实现

背景资料：

在物理世界中，为活动代理开发视觉感知模型和感官控制是很麻烦的，由于现有的算法太慢，无法实时有效地学习，并且机器人脆弱且成本高昂。这就引出了仿真学习，但也给人们带来了一个问题，即结果是否会转化到现实世界。基于为活动代理开发现实世界感知的问题，前人提出了Gibson虚拟环境。

Gibson是基于虚拟的真实空间，而不是使用人工设计的，目前包括超过来自于572个完整建筑的1400个楼层空间。Gibson的主要特点是: 1.来自现实世界，反映其语义复杂性。2.有一个内部的综合机制，“Goggles”能够部署在现实世界中训练的模型，而无需域自适应。3.代理的实施，以及使它们受到物理和空间的限制。

在互联网的资源中，RGB-D数据集很多，但是双目数据集却非常稀少，很多实验因为缺乏合适的数据集而无法推进。Gibson环境的输入是RGB-D全景集，且跟真实空间非常相近，还能够部署在现实世界中训练的模型，由此想到可以从Gibson环境中采集双目数据集。

因此，研究出基于Gibson环境的双目视图生成方法至关重要。

目的和意义：

本文的研究目的在于通过Gibson环境，加载场景数据，配置机器人代理，并对机器人视觉观测角度进行变换，获取到双目视图，结合单目相机的位姿获取双目相机的6D位姿信息。

本文的设计意义：

现在多数RGB-D相机还存在测量范围窄、噪声大、视野小、易受日光干扰、无法测量透射材质等诸多问题，在SLAM方面，主要用于室内，室外则较难应用。而双目相机的距离估计是比较左右眼的图像获得的，并不依赖其他传感设备，所以它既可以应用在室内，亦可应用于室外，应用范围更广。