맞춤기술찾기

홈으로 가기
맞춤기술찾기
이전대상기술
프린트하기

이전대상기술

의미론적 영상을 활용한 포인트 클라우드 분류 장치 및 방법

  • 기술번호 : KST2022003809
  • 담당센터 : 서울동부기술혁신센터
  • 전화번호 : 02-2155-3662
상담신청 PDF 받기
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 의미론적 영상을 활용한 포인트 클라우드 분류 장치 및 방법이 개시되며, 본원의 일 실시예에 따른 의미론적 영상을 활용한 포인트 클라우드 분류 방법은, 대상 공간 내의 객체에 대한 복수의 3차원 점을 포함하는 포인트 클라우드 입력 및 상기 대상 공간에 대한 영상 입력을 수신하는 단계 및 상기 영상 입력에 대한 의미론적 영역 분할 결과에 기초하여 상기 포인트 클라우드 입력에 포함된 포인트 클러스터 각각을 상기 객체를 기준으로 분류하는 단계를 포함할 수 있다.
Int. CL G06K 9/62 (2022.01.01) G06V 10/24 (2022.01.01) G06N 3/08 (2006.01.01) G06T 7/11 (2017.01.01) G06T 9/00 (2019.01.01)
CPC G06K 9/627(2013.01) G06V 10/25(2013.01) G06N 3/08(2013.01) G06T 7/11(2013.01) G06T 9/00(2013.01) G06T 2207/10028(2013.01)
출원번호/일자 1020200026097 (2020.03.02)
출원인 건국대학교 산학협력단
등록번호/일자 10-2338665-0000 (2021.12.08)
공개번호/일자 10-2021-0111052 (2021.09.10) 문서열기
공고번호/일자 (20211210) 문서열기
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 등록
심사진행상태 수리
심판사항
구분 국내출원/신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2020.03.02)
심사청구항수 11

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 건국대학교 산학협력단 대한민국 서울특별시 광진구

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 정지민 서울특별시 광진구
2 조기춘 서울특별시 강남구

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 유민규 대한민국 서울특별시 강남구 논현로 *** , *층 ***호 (역삼동, 여산빌딩)(온유특허법률사무소)

최종권리자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 최종권리자 표입니다.
번호 이름 국적 주소
1 건국대학교 산학협력단 서울특별시 광진구
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		 2020.03.02 수리 (Accepted) 1-1-2020-0221826-41
2 [출원서 등 보정]보정서
[Amendment to Patent Application, etc.] Amendment		 2020.09.24 수리 (Accepted) 1-1-2020-1015296-44
3 선행기술조사의뢰서
Request for Prior Art Search		 2020.12.11 수리 (Accepted) 9-1-9999-9999999-89
4 선행기술조사보고서
Report of Prior Art Search		 2021.02.18 발송처리완료 (Completion of Transmission) 9-6-2021-0036150-50
5 의견제출통지서
Notification of reason for refusal		 2021.03.23 발송처리완료 (Completion of Transmission) 9-5-2021-0233364-66
6 [거절이유 등 통지에 따른 의견]의견서·답변서·소명서
 2021.05.24 수리 (Accepted) 1-1-2021-0594320-33
7 [명세서등 보정]보정서
[Amendment to Description, etc.] Amendment		 2021.05.24 보정승인간주 (Regarded as an acceptance of amendment) 1-1-2021-0594319-97
8 거절결정서
Decision to Refuse a Patent		 2021.09.29 발송처리완료 (Completion of Transmission) 9-5-2021-0766740-87
9 [거절이유 등 통지에 따른 의견]의견서·답변서·소명서
 2021.10.29 수리 (Accepted) 1-1-2021-1248081-78
10 [명세서등 보정]보정서(재심사)
Amendment to Description, etc(Reexamination)		 2021.10.29 보정승인 (Acceptance of amendment) 1-1-2021-1248080-22
11 등록결정서
Decision to Grant Registration		 2021.12.06 발송처리완료 (Completion of Transmission) 9-5-2021-0958257-38
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
의미론적 영상을 활용한 포인트 클라우드 분류 방법에 있어서,대상 공간 내의 객체에 대한 복수의 3차원 점을 포함하는 포인트 클라우드 입력 및 상기 대상 공간에 대한 영상 입력을 수신하는 단계; 및상기 영상 입력에 대한 의미론적 영역 분할 결과에 기초하여 상기 포인트 클라우드 입력에 포함된 포인트 클러스터 각각을 상기 객체를 기준으로 분류하는 단계,를 포함하고,상기 분류하는 단계는,상기 대상 공간 내의 관심 영역에 위치한 상기 객체에 대한 복수의 3차원 점을 소정의 기준에 따라 군집화한 클러스터 데이터를 도출하는 단계,를 포함하고,상기 클러스터 데이터를 도출하는 단계는,차량에 대한 인접 영역인 상기 대상 공간의 기준 거리 이내의 영역 중 상기 영상 입력을 획득하기 위하여 상기 차량에 탑재되는 카메라 모듈의 촬영 방향에 부합하는 영역을 상기 관심 영역으로 설정하는 단계;상기 포인트 클라우드 입력에 포함된 복수의 3차원 점 중에서 상기 관심 영역에 포함되는 복수의 3차원 점을 추출하는 단계;상기 차량에 탑재된 센서 및 교통정보 수집 서버 중 적어도 하나로부터 획득된 상기 대상 공간에 대한 경사 정보에 기초하여 상기 포인트 클라우드 입력으로부터 지반에 해당하는 복수의 3차원 점을 제거하고 상기 추출된 복수의 3차원 점을 압축하는 단계; 및상기 압축된 복수의 3차원 점 간의 밀도 정보에 기초하여 상기 압축된 복수의 3차원 점을 군집화하는 단계,를 포함하고,상기 기준 거리는 상기 대상 공간에 대한 인지 중요도를 기초로 하여 설정되되, 상기 차량의 유형, 상기 차량이 주행 중인 도로의 규모, 상기 차량의 주행 위치 정보 및 상기 차량의 전진 또는 후진 이동 여부 중 적어도 하나를 고려하여 설정되는 것을 특징으로 하고,상기 군집화하는 단계는,미리 설정된 최소 거리 및 최소 데이터 수에 기초하여 상기 압축된 복수의 3차원 점 각각을 코어 포인트, 보더 포인트 및 노이즈 포인트로 분류하고, 상기 코어 포인트 및 상기 보더 포인트를 포함하는 포인트 클러스터를 결정하는 DBSCAN(Density-based spatial clustering of applications with noise) 방식의 군집화를 적용하는 것인, 포인트 클라우드 분류 방법
2 2
제1항에 있어서,상기 분류하는 단계는,상기 영상 입력에 딥러닝 기반의 의미론적 영역 분할을 적용하여 상기 영상 입력의 각각의 픽셀마다의 객체 분류 데이터를 도출하는 단계; 및상기 클러스터 데이터 및 상기 객체 분류 데이터에 기초하여 상기 클러스터 데이터의 포인트 클러스터 각각에 대한 객체 라벨을 선정하여 상기 포인트 클라우드 입력을 객체 별로 분류하는 단계,를 더 포함하는 것인, 포인트 클라우드 분류 방법
3 3
삭제
4 4
제1항에 있어서,상기 압축하는 단계는,상기 추출된 복수의 3차원 점에 대하여 복셀 그리드 필터 기반의 다운 샘플링을 적용하는 단계,를 포함하는 것인, 포인트 클라우드 분류 방법
5 5
제2항에 있어서,상기 포인트 클라우드 입력을 객체 별로 분류하는 단계는,상기 클러스터 데이터 및 상기 객체 분류 데이터를 동기화하는 단계;미리 설정된 캘리브레이션 파라미터를 활용하여 상기 동기화된 클러스터 데이터를 소정의 영상 좌표계로 맵핑하는 단계;상기 맵핑된 클러스터 데이터의 포인트 클러스터 각각에 대하여 보팅 알고리즘을 적용하여 상기 포인트 클러스터 각각에 대응되는 객체를 나타내는 객체 라벨을 선정하는 단계; 및상기 선정된 객체 라벨에 기초하여 상기 클러스터 데이터를 객체 별로 분류하는 단계,를 포함하는 것인, 포인트 클라우드 분류 방법
6 6
제5항에 있어서,상기 수신하는 단계는,상기 차량에 탑재된 라이다 센서로부터 상기 대상 공간에 대한 포인트 클라우드 입력을 수신하고, 상기 카메라 모듈로부터 상기 대상 공간에 대한 영상 입력을 수신하는 것인, 포인트 클라우드 분류 방법
7 7
삭제
8 8
제5항에 있어서,상기 선정된 객체 라벨에 기초하여 분류된 상기 클러스터 데이터를 시각화하여 표시하는 단계,를 더 포함하는 것인, 포인트 클라우드 분류 방법
9 9
의미론적 영상을 활용한 포인트 클라우드 분류 장치에 있어서,대상 공간 내의 객체에 대한 복수의 3차원 점을 포함하는 포인트 클라우드 입력 및 상기 대상 공간에 대한 영상 입력을 수신하는 입력부;상기 대상 공간 내의 관심 영역에 위치한 상기 객체에 대한 복수의 3차원 점을 소정의 기준에 따라 군집화한 클러스터 데이터를 도출하는 포인트 클라우드 처리부;상기 영상 입력에 딥러닝 기반의 의미론적 영역 분할을 적용하여 상기 영상 입력의 각각의 픽셀마다의 객체 분류 데이터를 도출하는 이미지 처리부; 및상기 클러스터 데이터 및 상기 객체 분류 데이터에 기초하여 상기 클러스터 데이터의 포인트 클러스터 각각에 대한 객체 라벨을 선정하여 상기 포인트 클라우드 입력을 객체 별로 분류하는 데이터 융합부,를 포함하고,상기 포인트 클라우드 처리부는,차량에 대한 인접 영역인 상기 대상 공간의 기준 거리 이내의 영역 중 상기 영상 입력을 획득하기 위하여 상기 차량에 탑재되는 카메라 모듈의 촬영 방향에 부합하는 영역을 상기 관심 영역으로 설정하고, 상기 포인트 클라우드 입력에 포함된 복수의 3차원 점 중에서 상기 관심 영역에 포함되는 복수의 3차원 점을 추출하는 관심 영역 추출부;상기 차량에 탑재된 센서 및 교통정보 수집 서버 중 적어도 하나로부터 획득된 상기 대상 공간에 대한 경사 정보에 기초하여 상기 포인트 클라우드 입력으로부터 지반에 해당하는 복수의 3차원 점을 제거하는 지반 제거부를 포함하고, 상기 추출된 복수의 3차원 점을 압축하는 데이터 압축부; 및상기 압축된 복수의 3차원 점 간의 밀도 정보에 기초하여 상기 압축된 복수의 3차원 점을 군집화하는 군집화부,를 포함하고,상기 기준 거리는 상기 대상 공간에 대한 인지 중요도를 기초로 하여 설정되되, 상기 차량의 유형, 상기 차량이 주행 중인 도로의 규모, 상기 차량의 주행 위치 정보 및 상기 차량의 전진 또는 후진 이동 여부 중 적어도 하나를 고려하여 설정되는 것을 특징으로 하고,상기 군집화부는,미리 설정된 최소 거리 및 최소 데이터 수에 기초하여 상기 압축된 복수의 3차원 점 각각을 코어 포인트, 보더 포인트 및 노이즈 포인트로 분류하고, 상기 코어 포인트 및 상기 보더 포인트를 포함하는 포인트 클러스터를 결정하는 DBSCAN(Density-based spatial clustering of applications with noise) 방식의 군집화를 적용하는 것인, 포인트 클라우드 분류 장치
10 10
삭제
11 11
제9항에 있어서,상기 데이터 압축부는,상기 추출된 복수의 3차원 점에 대하여 복셀 그리드 필터 기반의 다운 샘플링을 적용하는 샘플링부,를 포함하는 것인, 포인트 클라우드 분류 장치
12 12
제9항에 있어서,상기 데이터 융합부는,상기 클러스터 데이터 및 상기 객체 분류 데이터를 동기화하는 동기화부;미리 설정된 캘리브레이션 파라미터를 활용하여 상기 동기화된 클러스터 데이터를 소정의 영상 좌표계로 맵핑하는 변환부;상기 맵핑된 클러스터 데이터의 포인트 클러스터 각각에 대하여 보팅 알고리즘을 적용하여 상기 포인트 클러스터 각각에 대응되는 객체를 나타내는 객체 라벨을 선정하는 라벨 선정부; 및상기 선정된 객체 라벨에 기초하여 상기 클러스터 데이터를 객체 별로 분류하는 라벨 매칭부,를 포함하는 것인, 포인트 클라우드 분류 장치
13 13
제12항에 있어서,상기 입력부는,상기 차량에 탑재된 라이다 센서로부터 상기 대상 공간에 대한 포인트 클라우드 입력을 수신하고, 상기 카메라 모듈로부터 상기 대상 공간에 대한 영상 입력을 수신하는 것인, 포인트 클라우드 분류 장치
14 14
삭제
15 15
제1항, 제4항 내지 제6항 및 제8항 중 어느 한 항에 따른 방법을 컴퓨터에서 실행시키기 위한 프로그램으로 기록한 컴퓨터로 읽을 수 있는 기록매체
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 과학기술정보통신부 건국대학교 산학협력단 이공분야 기초연구사업 3차원 라이다 포인트 클라우드 기반 동적 물체 동시 추적 및 분류 기술 연구
2 과학기술정보통신부 건국대학교 산학협력단 이공분야 기초연구사업 다중 스마트운행체 크라우드소싱 기반 시맨틱 포인트 클라우드 가상환경모델의 정보 공유를 위한 클라우드-엣지 플랫폼 기술 연구
3 산업통상자원부 건국대학교 산학협력단 제조혁신전문인력양성 미래형자동차 R＆D 전문인력양성사업