Probabilistic Object Recognition in a Sequence of 3D Images

연속된 3차원 영상에서의 통계적 물체인식

The recognition of a relatively big and rarely movable object. such as refrigerator and air conditioner, etc. is necessary because these objects can be crucial global stable features of Simultaneous Localization and Map building(SLAM) in the indoor environment. In this paper. we propose a novel method to recognize these big objects using a sequence of 3D scenes. The particles representing an object to be recognized are scattered to the environment and then the probability of each particles is calculated by the matching test with 3D lines of the environment. Based on the probability and degree of convergence of particles, we can recognize the object in the environment and the pose of object is also estimated. The experimental results show the feasibility of incremental object recognition based on particle filtering and the application to SLAM

냉장고나 에어컨 등과 같은 비교적 크고 자주 움직이지 않는 물체들에 대한 인식은 실내 환경에서의 SLAM (Simultaneous Localization and Map building) 문제에서 중요한 전역적 고정 특징으로 사용될 수 있다는 측면에서 그 필요성이 크다. 본 논문에서는 연속적으로 획득되는 3차원의 영상 장면들을 사용하여 이러한 큰 물체들을 안정적으로 인식할 수 있는 방법을 제안한다. 제안하는 방법에서는 파티클 필터(Particle Filter)를 기반으로 연속적인 3차원 영상에서 점진적으로 3차원의 물체를 인식하는 방법을 사용한다. 이를 위해 인식하고자 하는 하나의 물체를 표현하는 파티클(Particle) 들을 3차원의 장면에 뿌리고, 3차원 선들의 정합을 통해 각 파티클에 대한 정합 확률을 계산한다. 이 확률과 정합된 파티클의 비율을 기반으로 3차원 환경 속에 놓여진 물체를 인식할 수 있으면 물체의 자세 또한 함께 인식될 수 있다. 실험 결과를 통해 파티클 필터에 기반한 점진적이고 확률적인 물체인식의 가능성을 보이고 SLAM문제에 응용한 결과도 함께 보여준다.