یک ربات در تعامل با محیط علاوه بر درک بصری، به درک فیزیکی از محیط نیز نیازمند است. با گسترش کاربردهای رباتیکی نیاز به درک صحنه بهتر افزایش یافته است. رابطه پشتیبانی یک تعامل فیزیکی بین اجسام است که آگاهی از آن در جابه جایی ها ضروری است. در این پژوهش یک روش برای طبقه بندی اجزا بر اساس چارچوبی پشته ای از طبقه بندها و ویژگی-های ساختار پیشنهاد شد. سپس روابط پشتیبان بین اجزا برای قطعه بندی بهبود یافته براساس نتایج این طبقه بند استخراج شد. در این روش به منظور کاهش هزینه های محاسباتی از تجمیع پیکسل ها در سوپرپیکسل ها و انجام محاسبات بر روی این واحد ها به جای محاسبات پیکسلی استفاده شد. روش پیشنهادی برای محیط های داخلی که اغلب شامل صحنه های شلوغ و پرچالش هستند، طراحی شده است. مدل پیشنهادی با استفاده از مجموعه داده NYU-v2 آموزش و ارزیابی شد. ارزیابی نتایج نشان داد که روش پیشنهادی با وجود سادگی و کاهش هزینه های محاسباتی در طبقه بندی اشیا صحنه عملکرد بسیار خوبی داشته و نتایج استنتاج روابط پشتیبان را به طور قابل ملاحظه ای بهبود داده است. این بهبود همچنین ناشی از بهبود و یکپارچه سازی زمین و ساختار است. در این پژوهش نشان داده شد که با ارائه روشی مبتنی بر ویژگی های ساختار می توان ساختار ساختمانی صحنه های داخلی را با موفقیت از سایر اجزا صحنه، حتی در صحنه های شلوغ تفکیک کرد و در نتیجه آن استنتاج روابط پشتیبان را به طور چشمگیری بهبود داد.
