Object Relationship Modeling based on Bayesian Network Integration for Improving Object Detection Performance of Service Robots

Recently tile study that exploits visual information for tile services of robot in indoor environments is active. Conventional image processing approaches are based on the pre-defined geometric models, so their performances are likely to decrease when they are applied to the uncertain and dynamic environments. For this, diverse researches to manage the uncertainty based on the knowledge for improving image recognition performance have been doing. In this paper we propose a Bayesian network modeling method for predicting the existence of target objects when they are occluded by other ones for improving the object detection performance of the service robots. The proposed method makes object relationship, so that it allows to predict the target object through observed ones. For this, we define the design method for small size Bayesian networks (primitive Bayesian netqork), and allow to integrate them following to the situations. The experiments are performed for verifying the performance of constructed model, and they shows $82.8\%$ of accuracy in 5 places.

서비스 로봇의 물체 탐색 성능 향상을 위한 베이지안 네트워크 결합 기반 물체 관계 모델링

최근 실내 환경에서 로봇의 서비스를륵 위해 영상 정보를 사용하기 인한 인구가 활발하다. 과거의 영상 처리 전근 방법은 미리 정의된 기하학적 모델에 기반 하기에, 이를 실내 환경과 같은 가변적인 환경에 적용할 시 성능이 저하된다. 이에 지식을 기반으로 불확실성을 해결하여 영상 인식 성능을 높이기 위한 다양한 연구가 진행되어 왔다. 본 논문에서는 실내에서 활동하는 서비스 로봇의 물체 인식 성능을 향상시키기 위해, 대상 물체가 다른 물체에 의서 가려져 있는 경우 대상물체의 존재 여부를 추론하기 위한 베이지안 네트워크 모델링 방법을 제안한다. 제안하는 방법은 물체간이 관계를 모델링하여 발견된 물체를 통해 대상 물체를 추론할 수 있게 하였다. 이를 위해 작은 규모의 베이지안 네트워크(프리미티브 베이지안 네트워크)를 위한 설계 방법을 정의하고 이를을 다시 상황에 맞게 결합하였다. 실험은 설계된 모델의 성능을 검증하기 위해 수행되었는데, 5가지 장소에서 $82.8\%$의 정확도를 보여주었다.