맞춤기술찾기

이전대상기술

YUV 기반 세그먼테이션 및 오그먼테이션에 따른 자율 주행 시스템 및 그 방법

  • 기술번호 : KST2020002061
  • 담당센터 : 광주기술혁신센터
  • 전화번호 : 062-360-4654
요약, Int. CL, CPC, 출원번호/일자, 출원인, 등록번호/일자, 공개번호/일자, 공고번호/일자, 국제출원번호/일자, 국제공개번호/일자, 우선권정보, 법적상태, 심사진행상태, 심판사항, 구분, 원출원번호/일자, 관련 출원번호, 기술이전 희망, 심사청구여부/일자, 심사청구항수의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 서지정보 표입니다.
요약 YUV 기반 세그먼테이션 및 오그먼테이션에 따른 자율 주행 시스템 및 그 방법이 개시된다. 자율 주행 방법은 제1 영상 유형 기반의 주행 영상을 수신하는 단계; 상기 제1 영상 유형 기반의 주행 영상을 제2 영상 유형 기반의 주행 영상으로 변환하는 단계; 제2 영상 유형 기반의 주행 영상을 뉴럴 네트워크에 인가하여 차량 제어를 위한 파라미터를 결정하는 단계를 포함하고, 상기 제1 영상 유형의 공간에서 실제 주행 영상과 가상 주행 영상 사이의 제1 차이는 상기 제2 영상 유형의 공간에서 실제 주행 영상과 가상 주행 영상 사이의 제2 차이보다 클 수 있다.
Int. CL B60W 30/14 (2006.01.01) B60W 30/08 (2006.01.01) B60W 40/02 (2006.01.01) B60W 40/105 (2012.01.01) B60W 50/00 (2006.01.01)
CPC B60W 30/08(2013.01) B60W 30/08(2013.01) B60W 30/08(2013.01) B60W 30/08(2013.01) B60W 30/08(2013.01)
출원번호/일자 1020180172902 (2018.12.28)
출원인 군산대학교산학협력단
등록번호/일자 10-2130596-0000 (2020.06.30)
공개번호/일자 10-2020-0010983 (2020.01.31) 문서열기
공고번호/일자 (20200706) 문서열기
국제출원번호/일자
국제공개번호/일자
우선권정보 대한민국  |   1020180072772   |   2018.06.25
법적상태 등록
심사진행상태 수리
심판사항
구분 신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2018.12.28)
심사청구항수 17

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 군산대학교산학협력단 대한민국 전라북도 군산시 대학로 *** (

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 이덕진 전라북도 전주시 완산구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 특허법인 무한 대한민국 서울특별시 강남구 언주로 ***, *층(역삼동,화물재단빌딩)

최종권리자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 최종권리자 표입니다.
번호 이름 국적 주소
1 군산대학교 산학협력단 전라북도 군산시 대학로 *** (
번호, 서류명, 접수/발송일자, 처리상태, 접수/발송일자의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 행정처리 표입니다.
번호 서류명 접수/발송일자 처리상태 접수/발송번호
1 [특허출원]특허출원서
[Patent Application] Patent Application
2018.12.28 수리 (Accepted) 1-1-2018-1319979-13
2 [출원서등 보정]보정서
[Amendment to Patent Application, etc.] Amendment
2019.01.10 수리 (Accepted) 1-1-2019-0032732-56
3 출원인정보변경(경정)신고서
Notification of change of applicant's information
2019.02.27 수리 (Accepted) 4-1-2019-5038912-94
4 선행기술조사의뢰서
Request for Prior Art Search
2019.07.11 수리 (Accepted) 9-1-9999-9999999-89
5 선행기술조사보고서
Report of Prior Art Search
2019.10.11 수리 (Accepted) 9-1-2019-0046897-06
6 의견제출통지서
Notification of reason for refusal
2020.01.14 발송처리완료 (Completion of Transmission) 9-5-2020-0032208-14
7 [명세서등 보정]보정서
[Amendment to Description, etc.] Amendment
2020.03.11 보정승인간주 (Regarded as an acceptance of amendment) 1-1-2020-0258118-90
8 [거절이유 등 통지에 따른 의견]의견(답변, 소명)서
[Opinion according to the Notification of Reasons for Refusal] Written Opinion(Written Reply, Written Substantiation)
2020.03.11 수리 (Accepted) 1-1-2020-0258119-35
9 등록결정서
Decision to grant
2020.04.27 발송처리완료 (Completion of Transmission) 9-5-2020-0295356-08
10 출원인정보변경(경정)신고서
Notification of change of applicant's information
2020.07.09 수리 (Accepted) 4-1-2020-5153535-17
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
제1 영상 유형 기반의 실제 주행 영상을 수신하는 단계;상기 제1 영상 유형 기반의 실제 주행 영상을 제2 영상 유형 기반의 실제 주행 영상으로 변환하는 단계; 및상기 제2 영상 유형 기반의 실제 주행 영상을 뉴럴 네트워크에 인가하여 차량 제어를 위한 파라미터를 결정하는 단계를 포함하고,상기 제2 영상 유형 기반의 실제 주행 영상으로 변환하는 단계는,상기 제1 영상 유형 기반의 실제 주행 영상에 포함된 윤곽선을 흐리게 하여 상기 제1 영상 유형 기반의 실제 주행 영상 보다 입체감이 감소된 제2 영상 유형 기반의 실제 주행 영상으로 변환하며, 상기 뉴럴 네트워크는,제1 영상 유형 기반의 가상 주행 영상을 변환한 제2 영상 유형 기반의 가상 주행 영상에 기초하여 학습되는,자율 주행 방법
2 2
삭제
3 3
제1항에 있어서, 상기 파라미터는,자율 주행 차량의 주행 방향각을 제어하기 위한 파라미터 및 상기 자율 주행 차량의 주행 속도를 제어하기 위한 파라미터 중 적어도 하나를 포함하는,자율 주행 방법
4 4
제1항에 있어서, 상기 제1 영상 유형은 RGB 유형을 포함하고,상기 제2 영상 유형은 YUV 유형을 포함하는,자율 주행 방법
5 5
삭제
6 6
시뮬레이터를 이용하여 생성된 제1 영상 유형 기반의 가상 주행 영상 및 상기 제1 영상 유형 기반의 가상 주행 영상에 대응하는 레이블을 획득하는 단계;상기 제1 영상 유형 기반의 가상 주행 영상에 포함된 윤곽선을 흐리게 하여 상기 제1 영상 유형 기반의 가상 주행 영상 보다 입체감이 감소된 제2 영상 유형 기반의 가상 주행 영상으로 변환하는 단계;상기 제2 영상 유형 기반으로 변환된 가상 주행 영상을 뉴럴 네트워크에 인가하여 차량 제어 파라미터를 결정하는 단계; 및상기 레이블과 상기 차량 제어 파라미터 간의 비교 결과에 따라 상기 뉴럴 네트워크를 학습하는 단계를 포함하고,상기 레이블은,상기 시뮬레이터에서 상기 제1 영상 유형 기반의 가상 주행 영상을 인식한 실험자가 가상 차량을 제어하기 위한 수단에 입력한 명령에 대응하는 제어 파라미터이며,학습한 뉴럴 네트워크는,자율 주행 제어 장치에서 제1 영상 유형 기반의 실제 주행 영상 보다 입체감이 감소된 제2 영상 유형 기반의 실제 주행 영상을 인가 받는 경우, 자율 주행하는 차량의 제어 파라미터를 결정하는,자율 주행용 뉴럴 네트워크 학습 방법
7 7
제6항에 있어서, 상기 자율 주행하는 차량의 제어 파라미터는,자율 주행 차량의 주행 방향각을 제어하기 위한 파라미터 및 상기 자율 주행 차량의 주행 속도를 제어하기 위한 파라미터 중 적어도 하나를 포함하는,자율 주행용 뉴럴 네트워크 학습 방법
8 8
제6항에 있어서, 상기 제1 영상 유형은 RGB 유형을 포함하고,상기 제2 영상 유형은 YUV 유형을 포함하는,자율 주행용 뉴럴 네트워크 학습 방법
9 9
제6항에 있어서, 상기 제1 영상 유형 기반의 가상 주행 영상을 변형함으로써, 상기 제1 영상 유형 기반의 가상 주행 영상의 개수를 증가시키는 단계; 및상기 제2 영상 유형 기반의 가상 주행 영상을 변형함으로써, 상기 제2 영상 유형 기반의 가상 주행 영상의 개수를 증가시키는 단계중 어느 하나를 더 포함하는, 자율 주행용 뉴럴 네트워크 학습 방법
10 10
제9항에 있어서, 상기 제1 영상 유형 기반의 가상 주행 영상의 개수를 증가시키는 단계는, 상기 제1 영상 유형 기반의 가상 주행 영상의 배경 교체, 상기 제1 영상 유형 기반의 가상 주행 영상의 도로 타입 변경, 상기 제1 영상 유형 기반의 가상 주행 영상의 회전, 상기 제1 영상 유형 기반의 가상 주행 영상에 포함된 도로 및 차량의 위치 이동, 중 적어도 하나를 적용한 새로운 가상 주행 영상을 생성하여 상기 제1 영상 유형 기반의 가상 주행 영상의 개수를 증가시키는 단계를 포함하는,자율 주행용 뉴럴 네트워크 학습 방법
11 11
제9항에 있어서, 상기 제2 영상 유형 기반의 가상 주행 영상의 개수를 증가시키는 단계는, 상기 제2 영상 유형 기반의 가상 주행 영상의 배경 교체, 상기 제2 영상 유형 기반의 가상 주행 영상의 도로 타입 변경, 상기 제2 영상 유형 기반의 가상 주행 영상의 회전, 상기 제2 영상 유형 기반의 가상 주행 영상에 포함된 도로 및 차량의 위치 이동, 중 적어도 하나를 적용한 새로운 가상 주행 영상을 생성하여 상기 제2 영상 유형 기반의 가상 주행 영상의 개수를 증가시키는 단계를 포함하는,자율 주행용 뉴럴 네트워크 학습 방법
12 12
제1 영상 유형 기반의 실제 주행 영상을 수신하고, 수신한 제1 영상 유형 기반의 실제 주행 영상을 제2 영상 유형 기반의 실제 주행 영상으로 변환하는 영상 변환부; 및제2 영상 유형 기반의 실제 주행 영상을 뉴럴 네트워크에 인가하여 차량 제어를 위한 파라미터를 결정하는 파라미터 결정부를 포함하고,상기 영상 변환부는,상기 제1 영상 유형 기반의 실제 주행 영상에 포함된 윤곽선을 흐리게 하여 상기 제1 영상 유형 기반의 실제 주행 영상 보다 입체감이 감소된 제2 영상 유형 기반의 실제 주행 영상으로 변환하며, 상기 뉴럴 네트워크는,제1 영상 유형 기반의 가상 주행 영상을 변환한 제2 영상 유형 기반의 가상 주행 영상에 기초하여 학습되는,자율 주행 제어 장치
13 13
삭제
14 14
제12항에 있어서, 상기 파라미터는,자율 주행 차량의 주행 방향각을 제어하기 위한 파라미터 및 상기 자율 주행 차량의 주행 속도를 제어하기 위한 파라미터 중 적어도 하나를 포함하는, 자율 주행 제어 장치
15 15
시뮬레이터를 이용하여 생성된 제1 영상 유형 기반의 가상 주행 영상 및 상기 제1 영상 유형 기반의 가상 주행 영상에 대응하는 레이블을 획득하고, 상기 제1 영상 유형 기반의 가상 주행 영상에 포함된 윤곽선을 흐리게 하여 상기 제1 영상 유형 기반의 가상 주행 영상 보다 입체감이 감소된 제2 영상 유형 기반의 가상 주행 영상으로 변환하는 영상 변환부; 및제2 영상 유형 기반으로 변환된 가상 주행 영상을 뉴럴 네트워크에 인가하여 차량 제어 파라미터를 결정하며, 상기 레이블과 상기 차량 제어 파라미터 간의 비교 결과에 따라 상기 뉴럴 네트워크를 학습하는 뉴럴 네트워크 학습부를 포함하고,상기 레이블은,상기 시뮬레이터에서 상기 제1 영상 유형 기반의 가상 주행 영상을 인식한 실험자가 가상 차량을 제어하기 위한 수단에 입력한 명령에 대응하는 제어 파라미터이며,학습한 뉴럴 네트워크는,자율 주행 제어 장치에서 제1 영상 유형 기반의 실제 주행 영상 보다 입체감이 감소된 제2 영상 유형 기반의 실제 주행 영상을 인가 받는 경우, 자율 주행하는 차량의 제어 파라미터를 결정하는, 뉴럴 네트워크 학습 장치
16 16
제15항에 있어서, 상기 자율 주행하는 차량의 제어 파라미터는,자율 주행 차량의 주행 방향각을 제어하기 위한 파라미터 및 상기 자율 주행 차량의 주행 속도를 제어하기 위한 파라미터 중 적어도 하나를 포함하는,뉴럴 네트워크 학습 장치
17 17
제15항에 있어서, 상기 제1 영상 유형은 RGB 유형을 포함하고,상기 제2 영상 유형은 YUV 유형을 포함하는,뉴럴 네트워크 학습 장치
18 18
제15항에 있어서, 상기 제1 영상 유형 기반의 가상 주행 영상을 변형함으로써, 상기 제1 영상 유형 기반의 가상 주행 영상의 개수를 증가시키거나, 상기 제2 영상 유형 기반의 가상 주행 영상을 변형함으로써, 상기 제2 영상 유형 기반의 가상 주행 영상의 개수를 증가시키는 영상 오그멘테이션부를 더 포함하는뉴럴 네트워크 학습 장치
19 19
제18항에 있어서, 상기 영상 오그멘테이션부는, 상기 제1 영상 유형 기반의 가상 주행 영상의 배경 교체, 상기 제1 영상 유형 기반의 가상 주행 영상의 도로 타입 변경, 상기 제1 영상 유형 기반의 가상 주행 영상의 회전, 상기 제1 영상 유형 기반의 가상 주행 영상에 포함된 도로 및 차량의 위치 이동, 중 적어도 하나를 적용한 새로운 가상 주행 영상을 생성하여 상기 제1 영상 유형 기반의 가상 주행 영상의 개수를 증가시키는 뉴럴 네트워크 학습 장치
20 20
제18항에 있어서, 상기 영상 오그멘테이션부는, 상기 제2 영상 유형 기반의 가상 주행 영상의 배경 교체, 상기 제2 영상 유형 기반의 가상 주행 영상의 도로 타입 변경, 상기 제2 영상 유형 기반의 가상 주행 영상의 회전, 상기 제2 영상 유형 기반의 가상 주행 영상에 포함된 도로 및 차량의 위치 이동, 중 적어도 하나를 적용한 새로운 가상 주행 영상을 생성하여 상기 제2 영상 유형 기반의 가상 주행 영상의 개수를 증가시키는 뉴럴 네트워크 학습 장치
지정국 정보가 없습니다
패밀리정보가 없습니다
순번, 연구부처, 주관기관, 연구사업, 연구과제의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 국가R&D 연구정보 정보 표입니다.
순번 연구부처 주관기관 연구사업 연구과제
1 산업통상자원부 한국전자정보통신산업진흥회 산업전문인력역량강화사업 2018년 미래형자동차 R&D 전문인력 양성사업
2 과학기술정보통신부 군산대학교산학협력단 무인이동체 미래선도 핵심기술개발사업 GPS 음영지역에서 무인이동체 충돌회피 및 자율비행 성능향상을 위한 심층학습 기반 지능형 비행에이전트 기술 개발