In robot intelligence, object recognition is one of the most important processes and it has been developed mainly by three approaches such as template matching, knowledge reasoning and probabilistic approach. Those approaches are very effective for the environment such as industrial places where object location and pose are tightly controlled. However, object recognition under uncertainty still needs to be improved. Under uncertain environment, robot often fails to recognize objects because of occlusion. Thus, this paper proposes an approach for occluded object recognition based on ontology and Bayesian network. The approach is composed of two phases; knowledge base structuring and object recognition. In knowledge base structuring, whole objects in a domain space, part objects, and spatial relationships between whole objects are learned, and ontology base of them is built. Objects are then recognized from a captured image using ontology matching and Bayesian inference in object recognition phase. Ontology matching is applied for recognition based on the complete information while Bayesian inference is for recognition based on partial information and object information recognized in ontology matching. In this way, the occluded objects or objects with partial information can be recognized efficiently. To demonstrate the benefits of our approach, we show a case study in an experimental environment.
물체인식은 로봇이 의사결정을 하는데 있어서 매우 중요한 프로세스 중 하나이다. 이는 물체의 인식이 로봇의 행동을 유발하는 중요한 단서를 제공하기 때문이며, 효과적인 물체인식을 위해 템플릿 매칭, 지식 추론, 확률추론 등의 다양한 방향의 연구가 있어왔다. 이러한 접근들은 그간 많은 발전을 거듭하여 물체의 위치와 자세가 제어되는 산업환경에서는 매우 효과적인 물체 인식이 가능해졌음에도 불구하고, 불확실한 환경하에서의 물체 인식은 여전히 개선이 요구된다. 불확실한 환경하에서 로봇은 종종 물체 인식에 실패하는데, 가장 큰 이유 중의 하나가 가려짐이다. 가려짐은 물체인식에 있어서 손실된 정보의 원인이 되며, 이는 물체인식을 어렵게 만드는 중요한 요인으로 작용하게 된다. 따라서 본 논문은 이를 해결하기 위해 온톨로지와 베이지안 네트워크를 이용하여 가려진 물체를 인식하고자 한다. 본 연구는 크게 두 가지 부분으로 나누어진다. 첫째는 해당장소에서의 전체 물체, 전체 물체의 구성성분으로서의 부분 물체, 그리고 물체간의 공간관계에 대한 학습을 하고 이를 이용하여 온톨로지를 설계하는 Knowledge base structuring 단계이며 두 번째 부분은 촬영된 이미지를 이용하여 온톨로지 매칭과 베이지안 추론을 통해 물체를 인식하는 Object recognition 단계이다. 온톨로지 매칭은 물체 인식을 위해 충분한 정보를 얻었을 경우에 유용하게 사용되며, 베이지안 추론은 충분한 정보가 없을지라도 신뢰할 만한 물체인식을 가능하게 해준다는 장점을 가지고 있다. 본 연구는 한번의 학습과정을 통해 각각의 방법의 장점을 이용할 수 있는 모델을 제시하고 이를 이용하여 물체가 가려져 있는 경우에라도 올바른 물체인식을 가능하게 하는 것을 목표로 하고 있다.
