Jimin Lee, Nayeon Lee, Yungyeol Lee and Inhoon Jang, "Visibility-aware Keypoint Detection for Partially Occluded Objects via Enhanced Visibility Classification Loss," Proc. KIIS Spring Conf., Jeju, Korea, May 2026.

인공지능 기반의 로봇 수확 시스템에서 정밀한 파지점 결정과 충돌 회피 경로 계획을 위해서는 객체의 완전한 형상 정보가 필수적이다. 그러나 실제 과수 환경은 잎이나 가지에 의한 부분 폐색(Partial Occlusion)이 빈번하여, 가려진 객체의 정확한 포즈를 추정하는 데 한계가 있다. 특히 장애물을 회피하며 최적의 파지 지점에 접근하기 위해서는 가시 영역과 비가시 영역을 명확히 구분하는 정보가 요구된다. 본 연구에서는 이를 해결하기 위해 Keypoint 기반 Pose Estimation을 활용하여 과실의 전체 형상을 추정하고, 가시성을 분류하는 방법론을 제안한다. 제안된 모델은 과실의 키포인트를 탐지함과 동시에 각 점의 가시 여부를 판별할 수 있도록 기존 YOLO-Pose 모델의 Visibility 라벨 정보를 활용하여 가시성 분류를 위한 새로운 손실 함수를 도입하였다. 이를 통해 가려진 키포인트에 대한 식별력을 높였으며, 최종적으로 추정된 과실의 위치와 자세를 가시성 정보가 포함된 구조적 데이터로 표현함으로써 향후 폐색 객체에 대한 로봇 파지점 추정 및 경로계획의 정밀도를 높일 수 있는 기반을 마련하였다.

(최종)가시성_분류_손실_함수_개선을_통한_부분_폐색_객체의_Visibility-aware_Keypoint_Detection_연구_1.pdf