1 |
1
각 센서 별로 정상적인 작동 하에서의 출력에 대한 모델을 기반으로 매 순간 센서 출력 결과에 대해 그 신뢰도를 수치로 정량적 평가를 하는 개별 센서 진단부;각 센서들 사이에 공유되는 정보를 추출하고 추출된 공유 정보를 기반으로 각 센서의 출력 결과에 대해 그 정상 작동 신뢰도를 수치로 정량적 평가하는 센서 간 상호 진단부;상기 개별 센서 진단부와 센서 간 상호 진단부의 출력 결과를 바탕으로 각 센서에 대한 최종적인 신뢰도를 수치로 정량적 평가하는 통합 진단부;를 포함하고,센서 보완을 위하여 깊이 측정 카메라(depth camera) 출력의 복원을 포함하고, 정상 작동하는 영상 카메라 정보로 depth 영역을 복원 및 각 픽셀에 대해 복원된 깊이와 실제 깊이 간 차이가 정해진 범위 이내인지 아닌지를 통해 정상 복원 유무를 판별하는 것을 특징으로 하는 심층학습 기반의 ADAS 센서 고장 진단 및 백업을 위한 장치
|
2 |
2
제 1 항에 있어서, 심층학습 기반의 ADAS 센서 고장 진단 및 백업을 위한 장치가 이종 센서로 결합된 다중모달 센서 네트워크에서 작동하는 것을 특징으로 하는 심층학습 기반의 ADAS 센서 고장 진단 및 백업을 위한 장치
|
3 |
3
제 1 항에 있어서, 개별 센서 진단부는,매 시간 출력되는 센서의 출력을 특징 벡터로 압축하는 정보 압축기와,개별 특징 벡터를 기준으로 센서의 신뢰도를 측정하는 개별 입력 신뢰도 측정기와,연속되는 시간 상에서 생성되는 특징 벡터들 간의 동적인 관계를 바탕으로 센서의 신뢰도를 측정하는 동적 정보 신뢰도 측정기와,상기 개별 입력 신뢰도 측정기와 동적 정보 신뢰도 측정기의 출력 결과를 바탕으로 최종적인 신뢰도를 정량 평가하는 최종 신뢰도 측정기를 포함하는 것을 특징으로 하는 심층학습 기반의 ADAS 센서 고장 진단 및 백업을 위한 장치
|
4 |
4
제 3 항에 있어서, 상기 정보 압축기는,심층 학습(deep learning) 모델 중 데이터 압축을 위하여 오토인코더(auto-encoder)와 이미지 데이터 압축을 위한 회선 신경망(convolutional neural network, CNN)의 구성이 결합되는 것을 특징으로 하는 심층학습 기반의 ADAS 센서 고장 진단 및 백업을 위한 장치
|
5 |
5
제 3 항에 있어서, 상기 개별 입력 신뢰도 측정기는,비선형 추론을 위하여 다층 퍼셉트론(multi-layer perceptron)을 사용하는 것을 특징으로 하는 심층학습 기반의 ADAS 센서 고장 진단 및 백업을 위한 장치
|
6 |
6
제 3 항에 있어서, 상기 동적 정보 신뢰도 측정기는,심층 학습 모델 중 시계열 데이터 분석을 위하여 재발성 신경망(recurrent neural network, RNN)의 장단기 기억(long short-term memory,LSTM) 구조를 갖는 것을 특징으로 하는 심층학습 기반의 ADAS 센서 고장 진단 및 백업을 위한 장치
|
7 |
7
제 1 항에 있어서, 개별 센서 진단부는,개별 센서들의 센서 블랙 아웃(black out) 및 데이터 갱신 지연, 이물질에 의한 센서 가려짐, 카메라 센서의 경우 역광 발생 항목의 고장 상황에 대해 그 검출율을 측정하는 것을 특징으로 하는 심층학습 기반의 ADAS 센서 고장 진단 및 백업을 위한 장치
|
8 |
8
삭제
|
9 |
9
제 1 항에 있어서, 센서 간 상호 진단부는,검증 대상 센서를 제외한 나머지 센서들로부터 공통 정보를 추출하는 공통 정보 추출기와,추출된 공통 정보로부터 검증 대상에게서 출력될 것으로 예상되는 출력 예측값을 반환하는 센서 출력 예측부와,검증 대상 센서에 대해 센서 출력 예측부에서 얻은 결과를 실제 출력과 비교하여 최종 신뢰도를 산정하는 센서 출력 검증부를 포함하는 것을 특징으로 하는 심층학습 기반의 ADAS 센서 고장 진단 및 백업을 위한 장치
|
10 |
10
제 9 항에 있어서, 공통 정보 추출기는,데이터 간 비선형 관계 분석을 위하여 다중 모달 심층 오토 인코더(MMDAE) 구조를 갖는 것을 특징으로 하는 심층학습 기반의 ADAS 센서 고장 진단 및 백업을 위한 장치
|
11 |
11
제 9 항에 있어서, 센서 출력 예측부는,공통 정보 추출기에서 사용되는 MMDAE를 잡음 제거(denoising) 방식으로 학습하여 결과적으로 해당 센서에 대한 입력이 없더라도 MMDAE가 출력값을 갖도록 하여 예측하고자 하는 센서의 출력값을 취득하는 것을 특징으로 하는 심층학습 기반의 ADAS 센서 고장 진단 및 백업을 위한 장치
|
12 |
12
제 9 항에 있어서, 센서 출력 검증부는,정상 작동하는 센서라 하더라도 MMDAE 기반 알고리즘의 출력 오차에 의해 서로 간의 출력 값이 정확히 일치하지 않는 문제를 해결하기 위하여,센서 출력과 센서 출력 예측부에서의 결과값 간 차이에 따른 신뢰로를 계산하는 다층 퍼셉트론 (multi-layer perceptron) 기반 회귀 분석기 (regressor) 구조를 갖는 것을 특징으로 하는 심층학습 기반의 ADAS 센서 고장 진단 및 백업을 위한 장치
|
13 |
13
제 1 항에 있어서, 상기 통합 진단부는,개별 센서 진단부에서 신뢰도가 낮게 측정된 센서의 경우 센서 간 공유 정보 추출 과정에서 가중치를 낮게 하여 다른 센서들의 신뢰도 판별시에 영향력을 최소화하는 것을 특징으로 하는 심층학습 기반의 ADAS 센서 고장 진단 및 백업을 위한 장치
|
14 |
14
이종 센서로 결합된 다중모달 센서 네트워크에서의 센서 고장 진단 및 백업을 위하여,각 센서 별로 정상적인 작동 하에서의 출력에 대한 모델을 기반으로 매 순간 센서 출력 결과에 대해 그 신뢰도를 수치로 정량적 평가를 하는 개별 센서 진단 단계;각 센서들 사이에 공유되는 정보를 추출하고 추출된 공유 정보를 기반으로 각 센서의 출력 결과에 대해 그 정상 작동 신뢰도를 수치로 정량적 평가하는 센서 간 상호 진단 단계;상기 개별 센서 진단 단계와 센서 간 상호 진단 단계의 출력 결과를 바탕으로 각 센서에 대한 최종적인 신뢰도를 수치로 정량적 평가하는 통합 진단 단계;를 포함하고,센서 보완을 위하여 깊이 측정 카메라(depth camera) 출력의 복원을 포함하고, 정상 작동하는 영상 카메라 정보로 depth 영역을 복원 및 각 픽셀에 대해 복원된 깊이와 실제 깊이 간 차이가 정해진 범위 이내인지 아닌지를 통해 정상 복원 유무를 판별하는 것을 특징으로 하는 심층학습 기반의 ADAS 센서 고장 진단 및 백업을 위한 방법
|
15 |
15
제 14 항에 있어서, 개별 센서 진단 단계는,매 시간 출력되는 센서의 출력을 특징 벡터로 압축하는 단계와,개별 특징 벡터를 기준으로 센서의 신뢰도를 측정하는 개별 입력 신뢰도 측정 단계와,연속되는 시간 상에서 생성되는 특징 벡터들 간의 동적인 관계를 바탕으로 센서의 신뢰도를 측정하는 동적 정보 신뢰도 측정 단계와,상기 개별 입력 신뢰도 측정 단계와 동적 정보 신뢰도 측정 단계의 출력 결과를 바탕으로 최종적인 신뢰도를 정량 평가하는 최종 신뢰도 측정 단계를 포함하는 것을 특징으로 하는 심층학습 기반의 ADAS 센서 고장 진단 및 백업을 위한 방법
|
16 |
16
제 14 항에 있어서, 센서 간 상호 진단 단계는,검증 대상 센서를 제외한 나머지 센서들로부터 공통 정보를 추출하는 공통 정보 추출 단계와,추출된 공통 정보로부터 검증 대상에게서 출력될 것으로 예상되는 출력 예측값을 반환하는 센서 출력 예측 단계와,검증 대상 센서에 대해 센서 출력 예측 단계에서 얻은 결과를 실제 출력과 비교하여 최종 신뢰도를 산정하는 센서 출력 검증 단계를 포함하는 것을 특징으로 하는 심층학습 기반의 ADAS 센서 고장 진단 및 백업을 위한 방법
|