1 |
1
경로를 예측하기 위한 차량을 기준으로 하는 차선의 중심선 정보를 고정밀 지도(High Definition Map; HD Map)로부터 가져오는 단계; 차선의 중심선 정보를 래스터화 하여 래스터화된 이미지를 획득하는 단계; 및 획득된 이미지와 차량의 과거 경로 정보를 딥러닝 모델의 입력으로 이용하여 차량 경로를 예측하는 단계를 포함하는 차선 정보를 래스터화하여 활용하는 딥러닝 기반 차량 경로 예측 방법
|
2 |
2
제1항에 있어서, 경로를 예측하기 위한 차량을 기준으로 하는 차선의 중심선 정보를 고정밀 지도(High Definition Map; HD Map)로부터 가져오는 단계는, 경로를 예측하기 위한 차량을 중심으로 미리 정해진 범위 내의 차선의 중심선 정보를 고정밀 지도로부터 가져오는차선 정보를 래스터화하여 활용하는 딥러닝 기반 차량 경로 예측 방법
|
3 |
3
제1항에 있어서, 차선의 중심선 정보를 래스터화 하여 래스터화된 이미지를 획득하는 단계는, 이미지에서의 차선의 중심선을 동일한 색상값을 가지도록 래스터화하는 차선 정보를 래스터화하여 활용하는 딥러닝 기반 차량 경로 예측 방법
|
4 |
4
제1항에 있어서, 획득된 이미지와 차량의 과거 경로 정보를 딥러닝 모델의 입력으로 이용하여 차량 경로를 예측하는 단계는, 래스터화된 차선의 중심선에 대한 이미지에서 합성곱 신경망(Convolutional Neural Network; CNN)을 통해 특징값을 추출하는 차선 정보를 래스터화하여 활용하는 딥러닝 기반 차량 경로 예측 방법
|
5 |
5
제1항에 있어서, 획득된 이미지와 차량의 과거 경로 정보를 딥러닝 모델의 입력으로 이용하여 차량 경로를 예측하는 단계는, 차량의 과거 경로 정보로부터 각 좌표값에 대한 임베딩 벡터를 추출하는차선 정보를 래스터화하여 활용하는 딥러닝 기반 차량 경로 예측 방법
|
6 |
6
제1항에 있어서, 획득된 이미지와 차량의 과거 경로 정보를 딥러닝 모델의 입력으로 이용하여 차량 경로를 예측하는 단계는, 래스터화된 차선의 중심선에 대한 이미지는 합성곱 신경망을 통과한 후, 전연결 신경망(Fully Connected Nework)을 통해 임베딩된 차량의 과거 경로 정보와 함께 인코더로 입력되는 차선 정보를 래스터화하여 활용하는 딥러닝 기반 차량 경로 예측 방법
|
7 |
7
제1항에 있어서, 획득된 이미지와 차량의 과거 경로 정보를 딥러닝 모델의 입력으로 이용하여 차량 경로를 예측하는 단계는, 래스터화된 차선의 중심선에 대한 이미지에서 합성곱 신경망을 통해 추출된 특징값과 차량의 과거 경로 정보로부터 추출된 각 좌표값에 대한 임베딩 벡터를 결합하는 차선 정보를 래스터화하여 활용하는 딥러닝 기반 차량 경로 예측 방법
|
8 |
8
제7항에 있어서, 추출된 특징값과 임베딩 벡터가 결합된 특징값을 인코더로 입력하여 결합된 특징값을 해석하고 디코더를 통해 미래 예측 경로를 출력하는 차선 정보를 래스터화하여 활용하는 딥러닝 기반 차량 경로 예측 방법
|
9 |
9
경로를 예측하기 위한 차량을 기준으로 하는 차선의 중심선 정보를 고정밀 지도(High Definition Map; HD Map)로부터 가져오고, 차선의 중심선 정보를 래스터화 하여 래스터화된 이미지를 획득하는 이미지 처리부; 및 획득된 이미지와 차량의 과거 경로 정보를 딥러닝 모델의 입력으로 이용하여 차량 경로를 예측하는 차량 경로 예측부를 포함하는 차선 정보를 래스터화하여 활용하는 딥러닝 기반 차량 경로 예측 장치
|
10 |
10
제9항에 있어서, 이미지 처리부는, 경로를 예측하기 위한 차량을 중심으로 미리 정해진 범위 내의 차선의 중심선 정보를 고정밀 지도로부터 가져오는 차선 정보를 래스터화하여 활용하는 딥러닝 기반 차량 경로 예측 장치
|
11 |
11
제9항에 있어서, 이미지 처리부는, 차선의 중심선 정보를 래스터화 하여 래스터화된 이미지를 획득하기 위해 이미지에서의 차선의 중심선을 동일한 색상값을 가지도록 래스터화하는 차선 정보를 래스터화하여 활용하는 딥러닝 기반 차량 경로 예측 장치
|
12 |
12
제9항에 있어서, 차량 경로 예측부는, 래스터화된 차선의 중심선에 대한 이미지에서 합성곱 신경망(Convolutional Neural Network; CNN)을 통해 특징값을 추출하는 차선 정보를 래스터화하여 활용하는 딥러닝 기반 차량 경로 예측 장치
|
13 |
13
제9항에 있어서, 차량 경로 예측부는, 차량의 과거 경로 정보로부터 각 좌표값에 대한 임베딩 벡터를 추출하는차선 정보를 래스터화하여 활용하는 딥러닝 기반 차량 경로 예측 장치
|
14 |
14
제9항에 있어서, 차량 경로 예측부는, 래스터화된 차선의 중심선에 대한 이미지는 합성곱 신경망을 통과한 후, 전연결 신경망(Fully Connected Nework)을 통해 임베딩된 차량의 과거 경로 정보와 함께 인코더로 입력되는 차선 정보를 래스터화하여 활용하는 딥러닝 기반 차량 경로 예측 장치
|
15 |
15
제9항에 있어서, 차량 경로 예측부는, 래스터화된 차선의 중심선에 대한 이미지에서 합성곱 신경망을 통해 추출된 특징값과 차량의 과거 경로 정보로부터 추출된 각 좌표값에 대한 임베딩 벡터를 결합하고, 결합된 특징값을 인코더로 입력하여 결합된 특징값을 해석하고 디코더를 통해 미래 예측 경로를 출력하는 차선 정보를 래스터화하여 활용하는 딥러닝 기반 차량 경로 예측 장치
|