| 1 |
1
자율주행차량(이하 'AGV'라 한다)에 장착된 AGV 제어장치가, 인공신경망을 이용하여 물체를 인식함에 의해 AGV에 대한 주행제어를 수행하는 방법으로서,(a) AGV에 장착된 카메라로부터 촬영중인 영상 데이터를 수신하는 단계;(b) 수신한 영상 데이터를 AGV 인공신경망 모델 학습장치로 지속적으로 송신하는 단계;(c) 수신한 상기 단계(b)와 동일한 영상 데이터를 인공신경망 모델에 입력하는 단계; 및,(d) 상기 인공신경망 모델 출력에 따라, 상기 AGV의 주행장치로 제어 메시지를 송신하는 단계를 포함하고,상기 단계(a)에서 수신한 영상 데이터는,상기 단계(c)에서 YOLO(You Only Look Once) 모델에 입력되며,상기 인공신경망 모델에는,SSD(Single Shot Detector) 모델을 더 포함하고,상기 단계(c)는,(c1) 영상 데이터를, 빠른 물체 인식이 가능한 YOLO 모델에 입력하는 단계;(c2) 상기 YOLO 모델의 출력에서 물체가 인식된 경우, 영상 데이터에서 인식된 물체 영역을 추출해내는 단계;(c3) 추출된 물체 영역 이미지를 SSD 모델에 입력하는 단계; 및,(c4) SSD 모델은 인식된 물체의 정보(이하 '물체 인식 정보'라 한다)를 출력하는 단계를 포함하며,SSD는 CNN(convolutional neural network) 처리 후 경계 상자를 예측하고, 다양한 스케일의 물체를 검출할 수 있으며,상기 YOLO 모델은 실제 물체가 차지하는 영역보다 약간 크게 영상을 잘라내어 이를 SSD 모델에 입력하고,상기 단계(b) 이후,(e) 상기 AGV 인공신경망 모델 학습장치로부터, 지속적으로 업데이트된 인공신경망 모델을 수신하여 저장하는 단계를 더 포함하고,상기 단계(e)에서 저장된 최신의 업데이트된 인공신경망 모델은, 이후 상기 단계(c)의 인공신경망 모델로 사용하며,상기 업데이트된 인공신경망 모델은,YOLO 모델 또는 SSD 모델이고,상기 단계(a) 및 단계(b)에서의 영상 데이터의 송수신은,5G(generation) 환경에서 이루어지는,AGV 제어장치의 주행제어 방법
|
| 2 |
2
삭제
|
| 3 |
3
삭제
|
| 4 |
4
삭제
|
| 5 |
5
삭제
|
| 6 |
6
삭제
|
| 7 |
7
삭제
|
| 8 |
8
자율주행차량(이하 'AGV'라 한다)에 장착되어, 인공신경망을 이용하여 물체를 인식함에 의해 AGV에 대한 주행제어를 수행하는 장치로서,적어도 하나의 프로세서; 및컴퓨터로 실행가능한 명령을 저장하는 적어도 하나의 메모리를 포함하되,상기 적어도 하나의 메모리에 저장된 상기 컴퓨터로 실행가능한 명령은, 상기 적어도 하나의 프로세서에 의하여, (a) AGV에 장착된 카메라로부터 촬영중인 영상 데이터를 수신하는 단계;(b) 수신한 영상 데이터를 AGV 인공신경망 모델 학습장치로 지속적으로 송신하는 단계;(c) 수신한 상기 단계(b)와 동일한 영상 데이터를 인공신경망 모델에 입력하는 단계; 및,(d) 상기 인공신경망 모델 출력에 따라, 상기 AGV의 주행장치로 제어 메시지를 송신하는 단계가 실행되도록 하고,상기 단계(a)에서 수신한 영상 데이터는,상기 단계(c)에서 YOLO(You Only Look Once) 모델에 입력되며,상기 인공신경망 모델에는,SSD(Single Shot Detector) 모델을 더 포함하고,상기 단계(c)는,(c1) 영상 데이터를, 빠른 물체 인식이 가능한 YOLO 모델에 입력하는 단계;(c2) 상기 YOLO 모델의 출력에서 물체가 인식된 경우, 영상 데이터에서 인식된 물체 영역을 추출해내는 단계;(c3) 추출된 물체 영역 이미지를 SSD 모델에 입력하는 단계; 및,(c4) SSD 모델은 인식된 물체의 정보(이하 '물체 인식 정보'라 한다)를 출력하는 단계를 포함하며,SSD는 CNN(convolutional neural network) 처리 후 경계 상자를 예측하고, 다양한 스케일의 물체를 검출할 수 있으며,상기 YOLO 모델은 실제 물체가 차지하는 영역보다 약간 크게 영상을 잘라내어 이를 SSD 모델에 입력하고,상기 단계(b) 이후,(e) 상기 AGV 인공신경망 모델 학습장치로부터, 지속적으로 업데이트된 인공신경망 모델을 수신하여 저장하는 단계를 더 포함하고,상기 단계(e)에서 저장된 최신의 업데이트된 인공신경망 모델은, 이후 상기 단계(c)의 인공신경망 모델로 사용하며,상기 업데이트된 인공신경망 모델은,YOLO 모델 또는 SSD 모델이고,상기 단계(a) 및 단계(b)에서의 영상 데이터의 송수신은,5G(generation) 환경에서 이루어지는,AGV 제어장치
|
| 9 |
9
자율주행차량(이하 'AGV'라 한다)에 장착되어, 인공신경망을 이용하여 물체를 인식함에 의해 AGV에 대한 주행제어를 수행하기 위한 비일시적 저장매체에 저장된 컴퓨터 프로그램으로서,비일시적 저장매체에 저장되며, 프로세서에 의하여,(a) AGV에 장착된 카메라로부터 촬영중인 영상 데이터를 수신하는 단계;(b) 수신한 영상 데이터를 AGV 인공신경망 모델 학습장치로 지속적으로 송신하는 단계;(c) 수신한 상기 단계(b)와 동일한 영상 데이터를 인공신경망 모델에 입력하는 단계; 및,(d) 상기 인공신경망 모델 출력에 따라, 상기 AGV의 주행장치로 제어 메시지를 송신하는 단계가 실행되도록 하는 명령을 포함하고,상기 단계(a)에서 수신한 영상 데이터는,상기 단계(c)에서 YOLO(You Only Look Once) 모델에 입력되며,상기 인공신경망 모델에는,SSD(Single Shot Detector) 모델을 더 포함하고,상기 단계(c)는,(c1) 영상 데이터를, 빠른 물체 인식이 가능한 YOLO 모델에 입력하는 단계;(c2) 상기 YOLO 모델의 출력에서 물체가 인식된 경우, 영상 데이터에서 인식된 물체 영역을 추출해내는 단계;(c3) 추출된 물체 영역 이미지를 SSD 모델에 입력하는 단계; 및,(c4) SSD 모델은 인식된 물체의 정보(이하 '물체 인식 정보'라 한다)를 출력하는 단계를 포함하며,SSD는 CNN(convolutional neural network) 처리 후 경계 상자를 예측하고, 다양한 스케일의 물체를 검출할 수 있으며,상기 YOLO 모델은 실제 물체가 차지하는 영역보다 약간 크게 영상을 잘라내어 이를 SSD 모델에 입력하고,상기 단계(b) 이후,(e) 상기 AGV 인공신경망 모델 학습장치로부터, 지속적으로 업데이트된 인공신경망 모델을 수신하여 저장하는 단계를 더 포함하고,상기 단계(e)에서 저장된 최신의 업데이트된 인공신경망 모델은, 이후 상기 단계(c)의 인공신경망 모델로 사용하며,상기 업데이트된 인공신경망 모델은,YOLO 모델 또는 SSD 모델이고,상기 단계(a) 및 단계(b)에서의 영상 데이터의 송수신은,5G(generation) 환경에서 이루어지는,인공신경망을 이용하여 물체를 인식함에 의해 AGV에 대한 주행제어를 수행하기 위한, 비일시적 저장매체에 저장된 컴퓨터 프로그램
|
| 10 |
10
삭제
|
| 11 |
11
삭제
|
| 12 |
12
삭제
|
