In this thesis, we describe a rule-based system, KVES, that used HOKB and uncertainty reasoning to recognize each object from partially occluded boundary image with respect to tool. Since our domain of task is with respect to recognizing an object composed of several flexible moving parts from occlusion, the problems of shape representation and how to resolve occlusion are considered. In order to represent an object composed of flexible moving parts, we describe a polygon decomposition method. And we formalize the characteristics of uncertainty appeared from occlusion by structural description obtained from polygon decomposition, and represent hypothesis and test approach using Blackboard model to resolve the occlusion.
가설-검정법을 토대로 한 Uncertainty Reasoning 방법을 통해서 가변부를 가지고 있는 공구들이 겹쳐져 있는 화상으로부터 각각의 공구를 인식하는 Rule-based system에 대해서 고찰을 하였다. 공구들이 겹쳐짐으로 나타나는 문제점은 크게 두 가지로 구분된다. 첫째. 가변부가 있음으로써 다양한 형태로 표현되어 질수 있는 공구를 인식하기 위한 model base의 구성과 공구의 형태를 표현하는 방법, 두째. 입력된 화상으로부터 인식하고자 하는 공구에 대한 부분만 분리해 내는 방법. 이러한 문제들을 해결하고자 공구의 형태를 표현하는 방법으로 polygon decomposition의 방법을 새로이 제안하였고, polygon decomposition의 결과로 얻어지는 구조표현형으로부터 공구 model에 대한 가설을 세워 그 가설을 검정함으로써 두번째 문제를 해결하고자 한다.
추론과정으로서 가설을 검정하는 방법은 HOKB (Hierarchical Object Knowledge Base)와의 matching과정을 통해 이루어지며 각 단계마다 새로이 유도되는 정보들을 저장하기 위해 Blackboard model을 사용하였다. 이러한 추론과정이 진행됨에 따라 초기에 불확실했던 정보들을 검정결과를 토대로 하여 재분류가 되며 uncertainty는 감소를 하게 된다. 만약 검정결과 실패를 하여도 Blackboard model 내에 있는 정보들은 유효하며 uncertainty 또한 감소를 한다. 이런 정보들을 토대로 새로운 가설을 세워 반복적으로 수행함에 따라 보다 신뢰할 수 있는 인식을 할 수 있다.
몇가지 경우의 겹쳐진 공구에 대한 실험을 통해 효과적인 인식을 수행하는 것을 알수 있었으며, 따라서 본 연구의 approach의 타당성을 입증할 수 있었다.
