맞춤기술찾기

이전대상기술

이웃 연결성 합성곱 신경망을 이용한 포인트 클라우드 분류 장치 및 방법

  • 기술번호 : KST2021003090
  • 담당센터 : 경기기술혁신센터
  • 전화번호 : 031-8006-1570
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 이웃 연결성 합성곱 신경망을 이용한 포인트 클라우드 분류 장치 및 방법이 개시되며, 본원의 일 실시예에 따른 이웃 연결성 합성곱 신경망을 이용한 포인트 클라우드 분류 방법은, 이웃 연결성에 기초하여 포인트 클라우드 입력의 복수의 3차원 점들을 군집하는 단계, 상기 군집된 복수의 3차원 점들에 대하여 다층 퍼셉트론을 수행하는 단계 및 밀집 연결성 네트워크에 기초하여 상기 다층 퍼셉트론 수행 결과로부터 특징 데이터를 도출하는 단계를 포함할 수 있다.
Int. CL G06N 3/08 (2006.01.01) G06T 17/20 (2006.01.01)
CPC G06N 3/08(2013.01) G06T 17/20(2013.01) G06T 2207/10028(2013.01) G06T 2207/20084(2013.01)
출원번호/일자 1020190116399 (2019.09.20)
출원인 아주대학교산학협력단
등록번호/일자
공개번호/일자 10-2021-0034429 (2021.03.30) 문서열기
공고번호/일자
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 등록
심사진행상태 수리
심판사항
구분
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2019.09.20)
심사청구항수 13

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 아주대학교산학협력단 대한민국 경기도 수원시 영통구

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 양정삼 서울특별시 송파구
2 이진원 충청남도 청양군

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 박기갑 대한민국 서울특별시 강남구 논현로 ***(역삼동) 여산빌딩 *층 ***호(온유특허법률사무소)
2 한선희 대한민국 서울시 강남구 논현로 *** 여산빌딩 *층 ***호(온유특허법률사무소)
3 유민규 대한민국 서울특별시 강남구 논현로 *** , *층 ***호 (역삼동, 여산빌딩)(온유특허법률사무소)
4 안병규 대한민국 서울특별시 강남구 논현로 ***, 여산빌딩 *층 ***호(온유특허법률사무소)

최종권리자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 최종권리자 표입니다.
번호 이름 국적 주소
최종권리자 정보가 없습니다
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
2019.09.20 수리 (Accepted) 1-1-2019-0966510-23
2 의견제출통지서
Notification of reason for refusal
2021.02.04 발송처리완료 (Completion of Transmission) 9-5-2021-0106308-74
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
이웃 연결성 합성곱 신경망을 이용한 포인트 클라우드 분류 방법에 있어서,이웃 연결성에 기초하여 포인트 클라우드 입력의 복수의 3차원 점들을 군집하는 단계;상기 군집된 복수의 3차원 점들에 대하여 다층 퍼셉트론을 수행하는 단계; 및밀집 연결성 네트워크에 기초하여 상기 다층 퍼셉트론 수행 결과로부터 특징 데이터를 도출하는 단계,를 포함하는, 포인트 클라우드 분류 방법
2 2
제1항에 있어서,상기 군집하는 단계는,K-최근접 이웃 알고리즘 또는 들로네 삼각 분할 알고리즘에 기초하여 상기 이웃 연결성을 산출하는 것인, 포인트 클라우드 분류 방법
3 3
제1항에 있어서,상기 특징 데이터를 도출하는 단계는,상기 다층 퍼셉트론 수행 결과를 복수 개의 병목 레이어를 포함하는 밀집 블록 레이어에 통과시켜 특징 데이터를 획득하는 단계; 및상기 획득된 특징 데이터를 변이 레이어에 통과시켜 가분 컨볼루션을 수행하여 획득된 상기 특징 데이터의 크기를 줄이는 단계를 포함하는 것인, 포인트 클라우드 분류 방법
4 4
이웃 연결성 합성곱 신경망을 이용한 포인트 클라우드 분류 방법에 있어서,(a) 복수의 3차원 점들을 포함하는 포인트 클라우드 입력을 수신하여 상기 3차원 점들 중 대표점을 결정하는 단계;(b) 이웃 연결성을 활용하여 상기 대표점의 주변점들 중 일부를 군집점으로 선택하여 상기 대표점에 대하여 군집하는 단계;(c) 상기 군집점을 상기 대표점을 원점으로 하는 좌표계로 원점 이동하는 단계;(d) 상기 원점 이동된 군집점에 대하여 기존 특징 데이터를 반영한 다층 퍼셉트론을 수행하는 단계;(e) 상기 다층 퍼셉트론 수행 결과를 밀집 연결성 네트워크에 통과시켜 특징 데이터를 획득하는 단계;(f) 상기 (a) 내지 (e) 단계를 기 설정된 반복 횟수만큼 반복하는 단계; 및(g) 반복을 통해 획득된 상기 특징 데이터를 종합하여 완전 연결 레이어를 구축하고, 상기 완전 연결 레이어에 기초하여 상기 포인트 클라우드 입력에 대한 객체 유형을 분류하는 단계,를 포함하는, 포인트 클라우드 분류 방법
5 5
제4항에 있어서,상기 (b) 단계는,(b1) K-최근접 이웃 알고리즘 또는 들로네 삼각 분할 알고리즘을 포함하는 기 설정된 국부 연결성 계산 알고리즘에 기초하여 상기 대표점의 주변점들의 기하 상관관계를 도출하는 단계; 및(b2) 상기 기하 상관관계에 기초하여 상기 주변점들 중 일부를 군집점으로 선택하는 단계,를 포함하는 것인, 포인트 클라우드 분류 방법
6 6
제5항에 있어서,상기 포인트 클라우드 입력의 3차원 점들의 수는 상기 (f) 단계에서 반복이 진행될수록 이전 반복 회차에 대비하여 감소되고,상기 (b1) 단계는,상기 포인트 클라우드 입력의 3차원 점들의 수에 기초하여 각각의 반복 회차에 적용되는 상기 기 설정된 국부 연결성 계산 알고리즘을 K-최근접 이웃 알고리즘 또는 들로네 삼각 분할 알고리즘 중 어느 하나로 결정하는 것을 특징으로 하는, 포인트 클라우드 분류 방법
7 7
제5항에 있어서,상기 기 설정된 반복 횟수는 4회이고,상기 (b1) 단계는,1회차 반복 및 2회차 반복 수행 시, 상기 기 설정된 국부 연결성 계산 알고리즘으로 상기 K-최근접 이웃 알고리즘을 적용하고,3회차 반복 및 4회차 반복 수행 시, 상기 기 설정된 국부 연결성 계산 알고리즘으로 상기 들로네 삼각 분할 알고리즘을 적용하는 것을 특징으로 하는, 포인트 클라우드 분류 방법
8 8
제4항에 있어서,상기 (a) 단계는,FPS(Farthest Point Sampling) 알고리즘에 기초하여 상기 대표점을 결정하는 것인, 포인트 클라우드 분류 방법
9 9
제4항에 있어서,상기 (d) 단계는,(d1) 상기 원점 이동된 군집점에 χ 변환을 적용하는 제1 다층 퍼셉트론을 수행하는 단계;(d2) 상기 원점 이동된 군집점 각각에 대한 점별 다층 퍼셉트론을 수행하고, 기존 특징 데이터를 이어붙이는 제2 다층 퍼셉트론을 수행하는 단계; 및(d3) 상기 제1 다층 퍼셉트론 결과 및 상기 제2 다층 퍼셉트론 결과에 대한 행렬 곱을 연산하여 상기 다층 퍼셉트론 수행 결과를 도출하는 단계,를 포함하는 것인, 포인트 클라우드 분류 방법
10 10
제4항에 있어서,상기 (e) 단계는,(e1) 상기 다층 퍼셉트론 수행 결과를 복수 개의 병목 레이어를 포함하는 밀집 블록 레이어에 통과시켜 특징 데이터를 획득하는 단계; 및(e2) 상기 획득된 특징 데이터를 변이 레이어에 통과시켜 가분 컨볼루션을 수행하여 획득된 상기 특징 데이터의 크기를 줄이는 단계,를 포함하는 것인, 포인트 클라우드 분류 방법
11 11
제10항에 있어서,상기 복수 개의 병목 레이어 각각은,배치 정규화, ELU 함수 적용, 제1 컨볼루션, 배치 정규화, ELU 함수 적용 및 제2 컨볼루션을 순차적으로 수행하는 것을 특징으로 하는, 포인트 클라우드 분류 방법
12 12
제11항에 있어서,상기 제1 컨볼루션은 1x1 컨볼루션이고,상기 제2 컨볼루션은 1xK 컨볼루션인 것을 특징으로 하는, 포인트 클라우드 분류 방법
13 13
이웃 연결성 합성곱 신경망을 이용한 포인트 클라우드 분류 장치에 있어서,복수의 3차원 점들을 포함하는 포인트 클라우드 입력을 수신하여 상기 3차원 점들 중 대표점을 결정하는 대표점 추출부;이웃 연결성을 활용하여 상기 대표점의 주변점들 중 일부를 군집점으로 선택하여 상기 대표점에 대하여 군집하는 군집부;상기 군집점을 상기 대표점을 원점으로 하는 좌표계로 원점 이동하고, 상기 원점 이동된 군집점에 대하여 기존 특징 데이터를 반영한 다층 퍼셉트론을 수행하는 퍼셉트론 수행부;상기 다층 퍼셉트론 수행 결과를 밀집 연결성 네트워크에 통과시켜 특징 데이터를 획득하는 네트워크부; 및획득된 상기 특징 데이터를 종합하여 완전 연결 레이어를 구축하고, 상기 완전 연결 레이어에 기초하여 상기 포인트 클라우드 입력에 대한 객체 유형을 분류하는 객체 분류부,를 포함하는, 포인트 클라우드 분류 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 한국생산기술연구원 산업융합기반구축사업 스마트 안전분야 융합신제품 및 서비스실증 리빙랩 기반구축