Abstract
This paper presents a new volumetric approach to 3D object recognition by using PBSM (part-based superquadric model). The assembly part object can be constructed with the set of volumetric primitives and the relationships between them. We describe volumetric characteristics of the model object with superquadric parameters. In addition, our model base has the relationships between volumetric primitives as well as the surface information : the surface type, the junction type between neighboring surfaces. These surface properties and relationships between parts are effectively used in recognition process. Our integrated method is robust to recognition of the identity, position, and orientation of randomly oriented assembly parts. Furthermore, we can reduce the effects of self-occlusion and non-linear shape changes according to viewpoint. In this paper, we show that our integrated method is robust to recognition of the identity, position, and orientation of randomly oriented assembly parts through experimental results.
기존의 거리영상을 이용한 모델베이스기반 3차원 물체인식에서는 주로 거리영상 분할과정을 통한 면정합이나 그래프매칭 등의 방법을 이용하였으나, 이러한 방법은 인간의 인식체계와는 동떨어져 있는 경우가 대부분이다. 본 논문에서는 인간의 인식체계와 유사한 체적기반의 수퍼쿼드릭(superquadric) 물체표현과 이를 확장한 물체인식과정을 보인다. 먼저 3차원 물체에 대한 체적특성을 수퍼쿼드릭 계수를 이용한 부품기반 수퍼쿼드릭 모델(PBSM ; part-based superquadirc model) 로 기술하며, 면 특성 및 체적소간의 접합관계 등을 함께 이용하여 물체의 일부 가려짐이나 시점에 의한 비선형적인 형상변화(nonlinear shape change)에도 강건하도록 한다. 입력되는 물체로부터 추출된 수퍼쿼드릭 계수와 모델물체의 계수들간의 매칭을 거쳐 인식에 이른다. 본 논문에서는 실험결과를 통하여 이러한 병합된 방법이 임의의 기계조립 부품의 위치와 자세를 판정하고 인식하는데 유용함을 입증하였다.
