계층적 객체 모델을 이용한 향상된 장소 인식 기법

Abstract

본 논문은 장소 인식 문제를 풀기 위하여 3단계의 객체 계층 모델을 이용한 장소 인식 방법을 제안하였다. 객체 기반 장소 인식 연구의 연장선상에서 객체들의 종류와 개수, 그리고 위치 관계를 활용한 장소 인식으로 향상된 결과를 보여주었다. 기존의 연구였던 객체 출현 모델은 객체의 존재 여부로 장소를 판단하였으나 객체의 종류가 적거나 개수가 다른 경우에 장소를 구분하기 어려운 한계가 있었다. 따라서 새로운 장소 인식방법으로 객체 개수 모델과 객체 위치 관계 모델을 제안하였다. 객체 개수 모델은 라플라스의 연속 법칙을 일반화한 공식을 이용하여 객체의 개수를 고려한 장소 인식을 가능하게 하여, 객체 출현 모델에서 구분하지 못했던 장소를 구분할 수 있게 되었다. 이 모델에서는 장소의 유사도를 비교하기 위해 나이브 베이즈 분류 이론과 확률 이론을 이용하였다. 객체 위치 관계 모델은 기존 연구에서 제안하였던 객체 간 유클리드 거리 정보를 이용한 장소 인식 방법에서 벗어나 장소에 존재하는 객체들의 기하학적인 위치 관계를 고려하여 서로 간의 거리와 각도 등을 이용하는 새로운 방법을 제시하였다. 그래프 이론을 이용하여 그래프간의 유사도로 장소의 유사도를 계산하였으며 헝가리안 알고리즘을 이용하여 대응 관계를 알 수 없는 분포 간의 변환 행렬을 구하는 새로운 방법을 제시하였다. 장소 인식의 3단계 모델을 통해서 낮은 단계에서 높은 단계로 갈수록 기존에 구분하지 못했던 장소를 구분할 수 있게 되었으며 로봇이 받아들이는 정보가 일부분 누락되어도 견고한 장소 인식이 가능하게 되었다. 또한 시뮬레이션과 실험을 통해 장소 인식 성능이 향상되었음을 증명하였다.