1 |
1
목표 물건의 영상을 다수의 영역으로 구분하여 선택된 다수의 패치 영상을 기초로, 주변을 촬영하여 획득한 주변 영상의 프레임에서 상기 목표 물건을 탐색하는 로봇의 물체 인식 방법에 있어서,
(a) 상기 프레임의 부분 영역에 대한 컬러 히스토그램과 상기 다수의 패치 영상의 컬러 히스토그램을 비교하여 유사도를 수치화하는 단계;
(b) 상기 컬러 히스토그램의 유사도와 미리 결정된 기준치를 비교하여, 상기 패치 영상별 상기 컬러 히스토그램이 유사한 상기 부분 영역을 1차 후보 영역으로 결정하는 단계;
(c) 상기 1차 후보 영역의 컬러 동시발생 히스토그램과 상기 패치 영상의 컬러 동시발생 히스토그램을 비교하여 유사도를 수치화하는 단계; 및
(d) 상기 패치 영상별 상기 컬러 동시발생 히스토그램의 유사도가 가장 큰 1차 후보 영역을 2차 후보 영역으로 결정하는 단계를 포함하는 것을 특징으로 하는 로봇의 물체 인식 방법
|
2 |
2
제1항에 있어서,
(e) 상기 다수의 패치 영상 중 선택된 기준 패치 영상에 대한 상기 2차 후보 영역과 다른 패치 영상들에 대한 상기 1차 후보 영역들의 상대적 변위를, 상기 기준 패치 영상과 상기 다른 패치 영상들간의 상대적 위치 차이를 기초로 수치화하는 단계;
(f) 상기 다수의 패치 영상 각각을 상기 기준 패치 영상으로 하여 상기 상대적 변위를 수치화하는 단계; 및
(g) 상기 컬러 동시발생 히스토그램의 유사도 및 상기 상대적 변위를 기초로 상기 목표 물건의 위치를 결정하는 단계를 더 포함하는 것을 특징으로 하는 로봇의 물체 인식 방법
|
3 |
3
제1항에 있어서,
(h) 상기 다수의 패치 영상 중 선택된 기준 패치 영상에 대한 상기 2차 후보 영역과 다른 패치 영상들에 대한 상기 2차 후보 영역들의 상대적 변위를, 상기 기준 패치 영상과 상기 다른 패치 영상들간의 상대적 위치 차이를 기초로 수치화하는 단계;
(i) 상기 다수의 패치 영상 각각을 상기 기준 패치 영상으로 하여 상기 상대적 변위를 수치화하는 단계; 및
(j) 상기 컬러 동시발생 히스토그램의 유사도 및 상기 상대적 변위를 기초로 상기 목표 물건의 위치를 결정하는 단계를 더 포함하는 것을 특징으로 하는 로봇의 물체 인식 방법
|
4 |
4
제3항에 있어서, 상기 컬러 동시발생 히스토그램의 유사도 및 상기 상대적 변위를 기초로 상기 목표 물건의 위치를 결정하는 단계는,
(k) 하나의 기준 패치 영상에 대해 결정된, 다른 패치 영상들에 대응하는 상기 2차 후보 영역들 각각의 상대적 변위와 컬러 동시발생 히스토그램의 유사도를 곱한 후 덧셈하는 단계;
(l) 상기 덧셈 결과에 상기 기준 패치 영상에 대한 2차 후보 영역의 컬러 동시발생 히스토그램의 유사도를 곱하는 단계;
(m) 나머지 상기 다수의 패치 영상들 각각을 기준 패치 영상으로 하여 상기 (k) 단계 및 (l) 단계를 반복하는 단계; 및
(n) 상기 (l) 단계의 곱셈 결과가 최대인 패치 영상을 상기 목표 물건의 위치로 결정하는 단계를 포함하는 것을 특징으로 하는 로봇의 물체 인식 방법
|
5 |
5
제2항 또는 제3항에 있어서, 상기 컬러 동시발생 히스토그램의 유사도 및 상기 상대적 변위를 기초로 상기 목표 물건의 위치를 결정하는 단계는,
(o) 모든 패치 영상들에 대해, 상기 상대적 변위에 관계된 상기 패치 영상들의 상기 컬러 동시발생 히스토그램의 유사도와 상기 상대적 변위의 곱셈을 구하는 단계; 및
(p) 상기 곱셈 결과가 가장 큰 상기 패치 영상들의 위치를 상기 목표 물건의 위치로 결정하는 단계를 포함하는 것을 특징으로 하는 로봇의 물체 인식 방법
|
6 |
6
제2항 또는 제3항에 있어서,
(q) 상기 주변 영상에 대한 다수의 프레임 각각에 대한 상기 컬러 히스토그램의 유사도, 상기 컬러 동시발생 히스토그램의 유사도, 및 상기 상대적 변위를 기초로 상기 프레임 각각에 대한 신뢰도를 수치화하는 단계; 및
(r) 상기 신뢰도가 높은 프레임에 대해 결정된 상기 목표 물건의 위치에 따라 로봇의 행동을 결정하는 단계를 더 포함하는 것을 특징으로 하는 로봇의 물체 인식 방법
|
7 |
7
제6항에 있어서,
상기 신뢰도는 각각의 프레임에 대해 목표 물건의 위치로 결정된 영역의 상기 컬러 히스토그램의 유사도, 상기 컬러 동시발생 히스토그램의 유사도, 및 상기 상대적 변위를 기초로 수치화되는 것을 특징으로 하는 로봇의 물체 인식 방법
|
8 |
8
제7항에 있어서,
상기 신뢰도는 상기 컬러 히스토그램의 유사도, 상기 컬러 동시발생 히스토그램의 유사도, 및 상기 상대적 변위 각각에 대한 가중치를 부여한 후 덧셈하여 수치화되는 것을 특징으로 하는 로봇의 물체 인식 방법
|
9 |
9
제2항 또는 제3항에 있어서,
상기 목표 물건의 영상을 다수의 영역으로 구분하는 다수의 패치 영상은, 크기가 다른 상기 목표 물건의 영상들을 동일한 크기의 부분 영역으로 구분하는 패치 영상들을 포함하는 것을 특징으로 하는 로봇의 물체 인식 방법
|
10 |
10
제1항에 있어서,
(s) 상기 다수의 패치 영상 중 하나의 패치 영상에 대응하는 2차 후보 영역의 상기 주변 영상에서의 위치를 기준으로, 다른 패치 영상들이 각각에 대응하는 상기 1차 후보 영역에 위치하게 될 1차 위치 확률을 산정하는 단계;
(t) 수치화된 상기 컬러 동시발생 히스토그램의 유사도를 해당 상기 1차 위치 확률에 곱하는 단계; 및
(u) 상기 패치 영상별로 상기 곱셈 결과가 가장 큰 1차 후보 영역을 3차 후보 영역으로 결정하는 단계를 포함하는 것을 특징으로 하는 로봇의 물체 인식 방법
|
11 |
11
제10항에 있어서,
(v) 상기 다수의 패치 영상 중 하나의 패치 영상에 대응하는 2차 후보 영역의 상기 주변 영상에서의 위치를 기준으로, 다른 패치 영상들이 각각에 대응하는 상기 3차 후보 영역에 위치하게 될 3차 위치 확률을 산정하는 단계; 및
(w) 다음의 수식에 의한 최종 벡터(R)를 상기 목표 물건의 위치로 결정하는 단계를 더 포함하는 것을 특징으로 하는 로봇의 물체 인식 방법:
|
12 |
12
주변을 촬영하여 획득한 주변 영상의 프레임에서 목표 물건을 탐색하는 로봇의 물체 인식 방법에 있어서,
(a) 서로 다른 크기의 상기 목표 물건의 영상에 대해 동일한 크기의 부분 영역으로 구분하는 다수의 패치 영상들을 미리 저장하는 단계;
(b) 상기 프레임의 부분 영역에 대한 컬러 히스토그램과 상기 다수의 패치 영상의 컬러 히스토그램을 비교하여 유사도를 수치화하는 단계;
(c) 상기 컬러 히스토그램의 유사도와 미리 결정된 기준치를 비교하여, 상기 패치 영상별 상기 컬러 히스토그램이 유사한 상기 부분 영역을 1차 후보 영역으로 결정하는 단계;
(d) 상기 1차 후보 영역의 컬러 동시발생 히스토그램과 상기 패치 영상의 컬러 동시발생 히스토그램을 비교하여 유사도를 수치화하는 단계; 및
(e) 상기 패치 영상별 상기 컬러 동시발생 히스토그램의 유사도가 가장 큰 1차 후보 영역을 2차 후보 영역으로 결정하는 단계를 포함하는 것을 특징으로 하는 로봇의 물체 인식 방법
|
13 |
13
제12항에 있어서,
(f) 상기 다수의 패치 영상 중 선택된 기준 패치 영상에 대한 상기 2차 후보 영역과 다른 패치 영상들에 대한 상기 1차 후보 영역들의 상대적 변위를, 상기 기준 패치 영상과 상기 다른 패치 영상들간의 상대적 위치 차이를 기초로 수치화하는 단계;
(g) 상기 다수의 패치 영상 각각을 상기 기준 패치 영상으로 하여 상기 상대적 변위를 수치화하는 단계; 및
(h) 상기 컬러 동시발생 히스토그램의 유사도 및 상기 상대적 변위를 기초로 상기 목표 물건의 위치를 결정하는 단계를 더 포함하는 것을 특징으로 하는 로봇의 물체 인식 방법
|
14 |
14
제12항에 있어서,
(i) 상기 다수의 패치 영상 중 선택된 기준 패치 영상에 대한 상기 2차 후보 영역과 다른 패치 영상들에 대한 상기 2차 후보 영역들의 상대적 변위를, 상기 기준 패치 영상과 상기 다른 패치 영상들간의 상대적 위치 차이를 기초로 수치화하는 단계;
(j) 상기 다수의 패치 영상 각각을 상기 기준 패치 영상으로 하여 상기 상대적 변위를 수치화하는 단계; 및
(k) 상기 컬러 동시발생 히스토그램의 유사도 및 상기 상대적 변위를 기초로 상기 목표 물건의 위치를 결정하는 단계를 더 포함하는 것을 특징으로 하는 로봇의 물체 인식 방법
|