맞춤기술찾기

홈으로 가기
맞춤기술찾기
이전대상기술
프린트하기

이전대상기술

주행 환경 인지 방법 및 장치

  • 기술번호 : KST2022010707
  • 담당센터 : 대구기술혁신센터
  • 전화번호 : 053-550-1450
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 통합 주행 환경 인지를 위한 멀티태스크 딥러닝 모델을 이용하여 객체, 차선 및 도로 검출을 동시에 수행하는 주행 환경 인지 방법 및 장치를 제공한다. 이로써, 고성능 고효율의 통합 주행 환경 인지가 가능하다.
Int. CL G06K 9/00 (2022.01.01) G06T 3/40 (2006.01.01) G06N 3/08 (2006.01.01)
CPC G06V 20/56(2013.01) G06T 3/40(2013.01) G06V 20/46(2013.01) G06N 3/082(2013.01)
출원번호/일자 1020200156353 (2020.11.20)
출원인 재단법인대구경북과학기술원
등록번호/일자
공개번호/일자 10-2022-0069335 (2022.05.27) 문서열기
공고번호/일자
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 공개
심사진행상태 수리
심판사항
구분 국내출원/신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2020.11.20)
심사청구항수 20

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 재단법인대구경북과학기술원 대한민국 대구 달성군 현

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 원웅재 서울특별시 강서구
2 권 순 대구광역시 달서구
3 박재형 경상북도 경산시
4 김태훈 경상북도 경산시 대학로

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 특허법인 남앤남 대한민국 서울특별시 중구 서소문로**(서소문동, 정안빌딩*층)

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		 2020.11.20 수리 (Accepted) 1-1-2020-1247785-99
2 선행기술조사의뢰서
Request for Prior Art Search		 2022.02.15 수리 (Accepted) 9-1-9999-9999999-89
3 선행기술조사보고서
Report of Prior Art Search		 2022.04.15 발송처리완료 (Completion of Transmission) 9-6-2022-0112117-59
4 의견제출통지서
Notification of reason for refusal		 2022.07.08 발송처리완료 (Completion of Transmission) 9-5-2022-0509935-12
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
일련의 인코딩 레이어를 포함하는 공통 인코더를 실행하여 입력 영상으로부터 복수의 제1 공통 특징 맵을 추출하는 단계;다중 디코딩 레이어를 포함하는 공통 디코더를 실행하여 상기 복수의 제1 공통 특징 맵에 대한 멀티스케일(multi-scale) 피처 융합에 의해 복수의 제2 공통 특징 맵을 생성하는 단계;태스크 헤더를 실행하여, 상기 복수의 제2 공통 특징 맵 중 적어도 일부를 상기 입력 영상에 포함된 주행 환경 요소의 검출을 수행하기 위한 태스크의 태스크 입력 특징 맵으로 변환하는 단계; 및태스크 디코더를 실행하여, 상기 태스크 입력 특징 맵에 기반하여 상기 주행 환경 요소를 검출하는 단계를 포함하는,주행 환경 인지 방법
2 2
제 1 항에 있어서,상기 일련의 인코딩 레이어는 일련의 콘볼루션 레이어에 대응하는,주행 환경 인지 방법
3 3
제 1 항에 있어서,상기 복수의 제1 공통 특징 맵은, 상기 일련의 인코딩 레이어의 각 레이어에서 출력되는 특징 맵을 포함하는주행 환경 인지 방법
4 4
제 1 항에 있어서,상기 다중 디코딩 레이어는,상기 복수의 제1 공통 특징 맵의 일부를 업샘플링(upsampling) 및 합산(add)하여 출력하는 톱-다운 레이어(Top-Down Layer);상기 복수의 제1 공통 특징 맵의 일부를 제외한 나머지 및 상기 톱-다운 레이어의 출력에 대하여 콘볼루션 연산을 수행하는 중간 레이어; 및상기 중간 레이어의 출력을 콘볼루션 및 합산하여 상기 복수의 제2 공통 특징 맵을 출력하는 바텀-업 경로 병합 레이어(Bottom-Up Path Aggregation Layer)를 포함하는,주행 환경 인지 방법
5 5
제 4 항에 있어서,상기 복수의 제2 공통 특징 맵은 상기 바텀-업 경로 병합 레이어로부터 출력되는 일련의 멀티스케일(multi-scale) 특징 맵을 포함하는,주행 환경 인지 방법
6 6
제 1 항에 있어서,상기 주행 환경 요소는 객체, 차선 및 도로를 포함하고,상기 태스크 헤더 및 상기 태스크 디코더는 상기 주행 환경 요소의 유형 별로 각각 구현되는,주행 환경 인지 방법
7 7
제 6 항에 있어서,상기 변환하는 단계 및 상기 검출하는 단계는 상기 주행 환경 요소의 유형 별로 동시에 수행가능한,주행 환경 인지 방법
8 8
제 1 항에 있어서,태스크별 학습 데이터를 이용하여 주행 환경 인지 모델을 학습하는 단계를 더 포함하고,상기 학습하는 단계는,상기 태스크별 학습 데이터에 포함된 각 태스크의 학습 데이터의 개수 및 각 태스크의 난이도에 기반하여 각 태스크의 학습 횟수를 결정하는 단계; 및각 태스크의 학습 횟수 만큼 각 태스크의 학습을 수행하는 단계를 포함하는,주행 환경 인지 방법
9 9
제 8 항에 있어서,상기 각 태스크의 학습을 수행하는 단계는,랜덤 함수를 이용하여 태스크 호출 룩-업 테이블을 생성하는 단계; 및상기 태스크 호출 룩-업 테이블에 기반하여 각 태스크의 학습 순서를 결정하는 단계를 포함하는,주행 환경 인지 방법
10 10
제 8 항에 있어서,상기 각 태스크의 학습을 수행하는 단계를 수행하는 동안 상기 공통 인코더 및 상기 공통 디코더가 동시에 학습되는,주행 환경 인지 방법
11 11
제 1 항에 있어서,상기 변환하는 단계는,상기 복수의 제2 공통 특징 맵의 적어도 일부에 대하여 가중치를 서로 공유하는 콘볼루션 연산을 기설정된 횟수만큼 수행하여 상기 태스크 입력 특징 맵을 생성하는 단계를 포함하는,주행 환경 인지 방법
12 12
주행 환경 인지 장치에 있어서,하나 이상의 프로세서를 포함하고,상기 하나 이상의 프로세서는,일련의 인코딩 레이어를 포함하는 공통 인코더를 실행하여 입력 영상으로부터 복수의 제1 공통 특징 맵을 추출하고, 다중 디코딩 레이어를 포함하는 공통 디코더를 실행하여 상기 복수의 제1 공통 특징 맵에 대한 멀티스케일(multi-scale) 피처 융합에 의해 복수의 제2 공통 특징 맵을 생성하고, 태스크 헤더를 실행하여, 상기 복수의 제2 공통 특징 맵 중 적어도 일부를 상기 입력 영상에 포함된 주행 환경 요소의 검출을 수행하기 위한 태스크의 태스크 입력 특징 맵으로 변환하고,태스크 디코더를 실행하여, 상기 태스크 입력 특징 맵에 기반하여 상기 주행 환경 요소를 검출하도록 구성되는,주행 환경 인지 장치
13 13
제 12 항에 있어서,상기 일련의 인코딩 레이어는 일련의 콘볼루션 레이어에 대응하는,주행 환경 인지 장치
14 14
제 12 항에 있어서,상기 복수의 제1 공통 특징 맵은, 상기 일련의 인코딩 레이어의 각 레이어에서 출력되는 특징 맵을 포함하는주행 환경 인지 장치
15 15
제 12 항에 있어서,상기 다중 디코딩 레이어는,상기 복수의 제1 공통 특징 맵의 일부를 업샘플링(upsampling) 및 합산(add)하여 출력하는 톱-다운 레이어(Top-Down Layer);상기 복수의 제1 공통 특징 맵의 일부를 제외한 나머지 및 상기 톱-다운 레이어의 출력에 대하여 콘볼루션 연산을 수행하는 중간 레이어; 및상기 중간 레이어의 출력을 콘볼루션 및 합산하여 상기 복수의 제2 공통 특징 맵을 출력하는 바텀-업 경로 병합 레이어(Bottom-Up Path Aggregation Layer)를 포함하는,주행 환경 인지 장치
16 16
제 15 항에 있어서,상기 복수의 제2 공통 특징 맵은 상기 바텀-업 경로 병합 레이어로부터 출력되는 일련의 멀티스케일(multi-scale) 특징 맵을 포함하는,주행 환경 인지 장치
17 17
제 12 항에 있어서,상기 태스크 헤더 및 상기 태스크 디코더는 상기 주행 환경 요소의 유형 별로 각각 구현되는,주행 환경 인지 장치
18 18
제 17 항에 있어서,상기 주행 환경 요소의 유형은 객체, 차선 및 도로를 포함하고,상기 프로세서는,객체 검출을 위한 태스크 헤더 및 태스크 디코더, 차선 검출을 위한 태스크 헤더 및 태스크 디코더, 및 도로 검출을 위한 태스크 헤더 및 태스크 디코더를 동시에 실행가능한,주행 환경 인지 장치
19 19
제 12 항에 있어서,상기 태스크 헤더는,상기 복수의 제2 공통 특징 맵의 적어도 일부에 대하여 가중치를 서로 공유하는 콘볼루션 연산을 기설정된 횟수만큼 수행하여 상기 태스크 입력 특징 맵을 생성하는,주행 환경 인지 장치
20 20
제 12 항에 있어서,상기 프로세서는,태스크별 학습 데이터를 이용하여 주행 환경 인지 모델을 학습하도록 구성되고,상기 주행 환경 인지 모델의 학습을 위하여 상기 프로세서는,상기 태스크별 학습 데이터에 포함된 각 태스크의 학습 데이터의 개수 및 각 태스크의 난이도에 기반하여 각 태스크의 학습 횟수를 결정하고,각 태스크의 학습 횟수 만큼 각 태스크의 학습을 수행하도록 구성되는,주행 환경 인지 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 과학기술정보통신부 대구경북과학기술원 대구경북과학기술원연구운영비지원(R＆D)(주요사업비) 미래 자동차 환경 센싱 및 소프트웨어 플랫폼 핵심기술 개발
2 과학기술정보통신부 대구경북과학기술원 협력적 AI 기반의 고신뢰 원격 자율주행 클라우드 모빌리티 서비스 시스템 협력적 AI 기반의 고신뢰 원격 자율주행 클라우드 모빌리티 서비스 시스템
3 산업통상자원부 한국전자기술연구원 자동차산업핵심기술개발(R＆D) 주행환경 탐지 및 도로객체 인식의 동시, 실시간 처리가 가능한 카메라 기반 인공지능 시스템 개발
4 과학기술정보통신부 대구경북과학기술원 대구경북과학기술원연구운영비지원(R＆D)(주요사업비) AI기반 안티 드론 능동 관제 기술 개발