Abstract
Object recognition of service robots is very important for most of services such as delivery, and errand. Conventional methods are based on the geometric models in static industrial environments, but they have limitations in indoor environments where the condition is changable and the movement of service robots occur because the interesting object can be occluded or small in the image according to their location. For solving these uncertain situations, in this paper, we propose the method that exploits observed objects as context information for predicting interesting one. For this, we propose the method for modeling domain knowledge in probabilistic frame by adopting Bayesian networks and ontology together, and creating knowledge model dynamically to extend reasoning models. We verify the performance of our method through the experiments and show the merit of inductive reasoning in the probabilistic model
서비스 로봇의 물체 인식은 배달, 심부름 같은 로봇이 수행하는 대부분의 서비스를 위해 매우 중요하다. 기존의 방법은 산업 환경에서 기하학적 모델에 기반 하여 물체를 인식하였으나, 환경 조건이 변화하고 로봇의 이동이 발생하는 실내 환경에서는 로봇의 위치에 따라 영상 속에서 물체가 가려져 있거나 작을 수 있어 인식이 잘되지 않는 상황이 발생한다. 이러한 불확실한 상황을 해결하기 위해 본 논문에서는 영상에서 인식된 물체들을 컨텍스트 정보로 사용하여 관심 있는 물체의 존재를 추론하기 위한 방법을 제안한다. 이를 위해 베이지안 네트워크와 온톨로지를 함께 사용하여 확률적 프레임 안에서 도메인 지식을 모델링하기 위한 방법과 추론 모델의 확장을 위해 동적으로 베이지안 네트워크를 생성하고 추론하는 방법을 제안한다. 실험을 통해서 이러한 방법의 성능을 검증하였고 확률적 모델 안에서 귀납적 추론이 갖는 장점을 확인할 수 있었다.
