시간의 순서적인 컬러 영상을 이용한 질의 기반의 물체 주목 시스템

Abstract

로봇은 환경의 변화에 강인한 물체인식을 수행해야 한다. 또한, 이동하면서 취득한 연속적인 영상에 대하여 물체 인식의 결과를 토대로 행동을 선택할 수 있어야 한다. 본 논문에서는 모델을 구성할 때 여러 viewpoint에서 얻은 영상을 여러 스케일로 나눈다. 스케일이 다른 각각의 영상에 대하여 여러 개의 패치로 구분하고, 패치들 사이의 거리관계를 사용한다. 매칭을 수행할 때는 파티클 필터를 사용하여 영상을 탐색하여 수행시간을 줄인다. 로봇은 연속적으로 입력되는 영상에 대하여 물체인식을 수행해야 하기 때문에 짧은 시간 안에 인식의 결과를 내고 이를 이용하여 어떻게 행동해야 하는지 판단해야 한다. 본 논문에서는 Channel이라는 개념의 인식 모듈을 사용한다. 각 Channel은 Entropy를 통해 가중치가 정해진다. 각 Channel의 가중치를 통해 Bel(Frame)을 정의하고 연속적으로 들어오는 영상 중에서 믿을 수 있는 영상을 선택하고, 선택된 결과를 통해 로봇이 행동을 할 수 있는 시스템을 제안한다. 또한 제안한 인식 알고리즘을 통해 부분 가려짐을 판단하고, 부분 가려짐 물체를 발견했을 때의 로봇의 경로를 정해준다. 실험을 통해 제안한 물체인식 알고리즘의 성능을 보인다. 또한 실제로 로봇에 시스템을 구현하여 로봇이 연속적으로 입력되는 영상을 이용하여 물체를 잘 주목 할 수 있음도 보인다. 또한 부분 가려진 물체를 판단하고 정해진 경로로 이동했을 때, 물체를 올바르게 인식할 확률을 높여 줄 수 있다.; Object recognition algorithm utilized by robots must be invariant to changes of environment. In addition, Robots have to select an action based on sequential input-images obtained while moving in a certain place. In this paper, we divide the images from various viewpoints into pyramid images. A single image in the specific pyramid level is divided into patches and distance information among those patches is considered during recognition process. In the matching process, particle filter is utilized to reduce searching time. The Robot can implement recognition process based on sequential images obtained by the camera mounted on it. A robot has to keep moving during recognition process. Consequently, it needs to obtain the result of the recognition process in a short period of time and decide its action. In this paper, we utilize recognition modules named by channels and the weight-value of each channel is computed by its entropy value. First, Bel(frame) is decided by a weight-value of an each channel and the candidate image among sequential images is selected by our recognition process. Second, the proper action is selected based on the result of recognition process. In addition, we can identify an occurrence of partial occlusion by proposed recognition algorithm and designate a proper action for the robot for this case. The results of various experiments show the performance of proposed object recognition algorithm. In addition, the robot can keep moving during recognition process and action of the robot is selected based on a recognition result for each channel. Finally, the occurrence of partial occlusion is detected by our algorithm and a proper action is given to the robot. Consequently, we show that the recognition performance is improved through this.