We propose a new algorithm for object recognition in indoor service robots. The problem of object recognition is one of the key challenges in the creation of realistic robotic services. Despite great advance-ments in the past, sufficiently accurate object recognition for service robots in real-world environments re-mains problematic. Our algorithm uses image and range data information that is available on a service robotic platform to execute the segmentation and classification steps. The segmentation decision rule is applied to correctly segment objects even in overlapped placements. In the classification step, the bag of words is employed with feature descriptors that are constructed from image and range information of segmented regions. In experiments, a working service robotic platform recognizes objects of similar shapes and colors. In addition, we test the recognition capability of overlapped objects. The results demonstrate the feasibility of the proposed algorithm.
기존에 사용되었던 이미지 상에서 물체를 인식하기 위해서는 물체가 이미지상에서 어디에 위치한 영역을 알아내는 segmentation이나 detection과 같은 방법이 필요하다. 이 때 물체의 정보를 모르는 상태에서 특정한 segmentation 방법으로는 원하는 모든 물체를 배경과 분리하기가 쉽지 않다. 이러한 문제를 해결하기 위해 인간의 시각시스템과 유사하게 특정한 부분을 중심으로 물체를 찾아내는 active segmentation with fixation 방법이 존재하는데 이와 같은 방법을 이용하면 기존에 해결하지 못했던 segmentation들을 해결할 수 있다.
하지만 이러한 방법으로 segmenation을 해결하더라도 이미지만을 이용한 segmentation의 단점인 구조적인 정보를 이용하지 않고 영상에서의 색상과 엣지 정보만을 이용해서 진행하기 때문에 때때로 잘못된 결과를 나타낼 수 있다는 단점이 여전히 존재한다.
이와는 다르게 이미지를 이용하지 않고 물체에서 얻어진 구조적인 정보만을 이용해서 segmentation하는 방법이 존재한다. 이러한 논문은 많은 컴퓨터 성능을 필요하지 않고 물체에 대한 구조적인 정보를 알지 못해도 segmentation을 잘 할 수 있다는 특징을 가지고 있다. 하지만 물체에 색상 정보가 없이 segmentation을 진행하다보니 때때로 같은 물체임에도 불구하고 다수의 물체로 segmentation을 하거나 다수의 물체임에도 근접하게 붙어있는 물체의 경우에는 하나의 물체로 segmentation하는 경우가 발생한다.
이 논문에서는 active segmentation에 필요한 fixation points를 알아낼 수 있는 방법, 구조적인 segmentation과 이미지 기반의 segmentation을 결합하여 서로의 단점을 보완할 수 있는 방법, 그리고 이러한 방법으로 얻어낸 영상 정보와 구조적인 정보를 동시에 이용하여 물체인식을 하는 시스템을 제안하였다.
