模型的世界
基于模型的对象识别是一个美丽的概念。从感官输入数据，如图像和激光点云，特征提取，分组和组织成结构，可能对应的对象，至少部分。这个“可能”的问题可以通过将这些结构与对象模型库进行比较的推理过程来回答。由于这样的对象模型在GIS中是常见的，因此将遵循基于模型的对象识别范式的对象填充到这些模型中是很有吸引力的。显然，成功取决于从数据和对象模型中获得的结构之间的相似性。下面的注释说明了缩小数据模型和对象模型之间差距的困难。
精神世界
让我们从物理世界开始探索模型的世界及其错综复杂的关系:一个由原子、分子、粒子、电磁场和大量空白空间组成的世界。然而，我们作为人类所经历的世界是相当不同的。我们的世界由物体、气味、味道、色调和颜色组成。它是一个由我们的感官构成的精神世界，对信号作出反应，唤起声音、气味或“图像”的感觉。虽然我们无法接触到彼此的心理重建，但从我们对环境的反应可以看出，我们对世界的看法都非常相似。考虑到我们接收到的信号是模糊的、失真的、不完整的、有噪声的，最值得注意的是我们到达了一个一致的、稳定的重构世界。
对象描述
让我们先回顾一下基于模型的对象识别中所需要的对象模型，并提出如何构建它们的问题。我断言，我们通过从我们的精神重建(感知)的世界中抽象出这些模型。这就是关键:你如何描述一个对象?假设你的朋友从未见过负鼠。你如何向她简明扼要地描述负鼠，让她能认出它，不管它的年龄、性别和环境如何，并把它和大胖老鼠区分开来?
假设我们成功地开发了合适的模型，物体识别将导致重建的世界，但这还不是GIS世界。首先，可能会有来自传感器以外的其他来源的信息缺失。而且，抽象的级别可能更高。例如，重建对象的某些细节可能被忽略，并且对象的边界并不精确地遵循物理边界，因为它们是直线的、平行的、垂直的，等等。我们意识到GIS对象的抽象和泛化程度带来了额外的挑战。
通过缩小数据模型和对象模型之间的差距，可以在对象识别方面取得进一步的进展。GIS建模者和物体识别建模者之间的密切合作似乎是有益的。从概念上讲，GIS模型可以被理解为面向对象编程语言中的构造函数。对象的实例化将在推理过程的假设-验证周期中发生。
