| 1 |
1
의미론적 분할 기반의 3차원 포인트 클라우드 분류 방법에 있어서,대상 공간 내의 객체에 대한 복수의 3차원 점을 포함하는 포인트 클라우드 입력을 수신하는 단계;상기 포인트 클라우드 입력을 2차원으로 투영하여 상기 포인트 클라우드 입력에 대응하는 투영 이미지를 생성하는 단계;입력된 소정의 이미지에 대한 객체 기반의 의미론적 분할을 수행하도록 미리 학습된 인공지능 모델에 기초하여 상기 투영 이미지에 대응하는 의미론적 분할 이미지를 생성하는 단계; 및상기 의미론적 분할 이미지를 3차원으로 재구성하여 의미론적 포인트 클라우드를 생성하는 단계,를 포함하는, 포인트 클라우드 분류 방법
|
| 2 |
2
제1항에 있어서,상기 인공지능 모델은,상기 소정의 이미지에 대한 다운 샘플링(Downsampling)을 수행하는 복수의 인코더 측 레이어 및 상기 다운 샘플링된 상기 소정의 이미지에 대한 업 샘플링(Upsampling)을 수행하는 복수의 디코더 측 레이어를 포함하는 구조를 갖는 것을 특징으로 하는, 포인트 클라우드 분류 방법
|
| 3 |
3
제2항에 있어서,상기 디코더 측 레이어의 수는 상기 인코더 측 레이어의 수보다 작은 것을 특징으로 하는, 포인트 클라우드 분류 방법
|
| 4 |
4
제3항에 있어서,상기 인공지능 모델은,상기 인코더 측 레이어와 디코더 측 레이어 사이에 스킵 연결(Skip Connection)을 미포함하는 구조를 갖는 것을 특징으로 하는, 포인트 클라우드 분류 방법
|
| 5 |
5
제4항에 있어서,상기 다운 샘플링은 상기 소정의 이미지의 수평(horizontal) 방향에 대응하여 적용되는 것인, 포인트 클라우드 분류 방법
|
| 6 |
6
제5항에 있어서,상기 대상 공간은 차량에 대한 인접 영역이고,상기 인공지능 모델은, 상기 차량의 주행에 영향을 미칠 수 있는 복수의 객체 유형에 대응되도록 선별된 복수의 클래스 각각을 구분하도록 학습되고,상기 의미론적 분할 이미지를 생성하는 단계는,상기 인공지능 모델에 기초하여 상기 투영 이미지의 각각의 픽셀에 대응하는 상기 클래스를 결정하는 단계; 및상기 결정된 클래스에 대하여 미리 설정된 색상을 상기 각각의 픽셀에 표시하는 단계,를 포함하는 것인, 포인트 클라우드 분류 방법
|
| 7 |
7
제1항에 있어서,상기 의미론적 포인트 클라우드에 조건부 랜덤 필드(Conditional Random Field) 알고리즘 및 K-최근접 이웃(K-nearest neighbors) 알고리즘 중 적어도 하나에 기초한 후처리를 적용하는 단계,를 더 포함하는 것인, 포인트 클라우드 분류 방법
|
| 8 |
8
의미론적 분할 기반의 3차원 포인트 클라우드 분류 장치에 있어서,대상 공간 내의 객체에 대한 복수의 3차원 점을 포함하는 포인트 클라우드 입력을 수신하는 수신부;상기 포인트 클라우드 입력을 2차원으로 투영하여 상기 포인트 클라우드 입력에 대응하는 투영 이미지를 생성하는 투영부;입력된 소정의 이미지에 대한 객체 기반의 의미론적 분할을 수행하도록 미리 학습된 인공지능 모델에 기초하여 상기 투영 이미지에 대응하는 의미론적 분할 이미지를 생성하는 분할부; 및상기 의미론적 분할 이미지를 3차원으로 재구성하여 의미론적 포인트 클라우드를 생성하는 재구성부,를 포함하는, 포인트 클라우드 분류 장치
|
| 9 |
9
제8항에 있어서,상기 인공지능 모델은,상기 소정의 이미지에 대한 다운 샘플링(Downsampling)을 수행하는 복수의 인코더 측 레이어 및 상기 다운 샘플링된 상기 소정의 이미지에 대한 업 샘플링(Upsampling)을 수행하는 복수의 디코더 측 레이어를 포함하는 구조를 가지고,상기 디코더 측 레이어의 수는 상기 인코더 측 레이어의 수보다 작은 것을 특징으로 하는, 포인트 클라우드 분류 장치
|
| 10 |
10
제9항에 있어서,상기 인공지능 모델은,상기 인코더 측 레이어와 디코더 측 레이어 사이에 스킵 연결(Skip Connection)을 미포함하는 구조를 가지고,상기 다운 샘플링은 상기 소정의 이미지의 수평(horizontal) 방향에 대응하여 적용되는 것인, 포인트 클라우드 분류 장치
|
| 11 |
11
제10항에 있어서,상기 대상 공간은 차량에 대한 인접 영역이고,상기 인공지능 모델은, 상기 차량의 주행에 영향을 미칠 수 있는 복수의 객체 유형에 대응되도록 선별된 복수의 클래스 각각을 구분하도록 학습되고,상기 분할부는,상기 인공지능 모델에 기초하여 상기 투영 이미지의 각각의 픽셀에 대응하는 상기 클래스를 결정하고, 상기 결정된 클래스에 대하여 미리 설정된 색상을 상기 각각의 픽셀에 표시하는 것인, 포인트 클라우드 분류 장치
|
| 12 |
12
제8항에 있어서,상기 의미론적 포인트 클라우드에 조건부 랜덤 필드(Conditional Random Field) 알고리즘 및 K-최근접 이웃(K-nearest neighbors) 알고리즘 중 적어도 하나에 기초한 후처리를 적용하는 후처리부,를 더 포함하는 것인, 포인트 클라우드 분류 장치
|
| 13 |
13
제1항 내지 제7항 중 어느 한 항에 따른 방법을 컴퓨터에서 실행시키기 위한 프로그램으로 기록한 컴퓨터로 읽을 수 있는 기록매체
|
