맞춤기술찾기

이전대상기술

깊이맵 채움 장치 및 방법

  • 기술번호 : KST2022011151
  • 담당센터 : 서울서부기술혁신센터
  • 전화번호 : 02-6124-6930
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 본 발명은 미리 학습된 인공 신경망으로 구현되고, 이미지 데이터와 지정된 수의 픽셀에 대한 깊이 정보가 포함된 희소 깊이맵이 결합된 이미지 깊이 정보를 인가받아, 이미지 깊이 정보로부터 이미지 데이터의 각 픽셀에 대한 깊이값을 추정하여 임시 깊이맵을 획득하고, 각 픽셀에 대한 유사 픽셀의 위치를 나타내는 오프셋으로 구성되는 오프셋맵 및 유사도를 나타내는 가중치로 구성되는 가중치맵 획득하는 타겟 추정부, 희소 깊이맵에서 깊이 정보가 포함된 유효 픽셀을 선택하고, 선택된 유효 픽셀 각각에 대응하는 유사 픽셀의 위치와 깊이 정보를 오프셋맵과 가중치맵을 이용하여 획득하여, 깊이 정보가 획득된 유사 픽셀이 유효 픽셀로서 희소 깊이맵에 추가된 유효 깊이맵을 획득하는 전파 모듈 및 임시 깊이맵과 유효 깊이맵을 인가받아 결합하여 결합 깊이맵을 획득하고, 미리 학습된 인공 신경망으로 구현되어, 결합 깊이맵으로부터 학습된 방식에 따라 고밀도 깊이맵을 획득하는 깊이맵 획득부를 포함하여, 높은 정확도의 고신뢰도를 갖는 고밀도 깊이맵을 획득할 수 있는 깊이맵 채움 장치 및 방법을 제공한다.
Int. CL G06T 7/50 (2017.01.01) G06T 7/90 (2017.01.01)
CPC
출원번호/일자 1020210091959 (2021.07.14)
출원인 연세대학교 산학협력단
등록번호/일자
공개번호/일자 10-2022-0071873 (2022.05.31) 문서열기
공고번호/일자
국제출원번호/일자
국제공개번호/일자
우선권정보 대한민국  |   1020200158445   |   2020.11.24
법적상태 공개
심사진행상태 수리
심판사항
구분 국내출원/신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2021.07.14)
심사청구항수 15

출원인

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

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 함범섭 서울특별시 강남구
2 김범준 서울특별시 서초구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 민영준 대한민국 서울특별시 강남구 남부순환로 ****, *층(도곡동, 차우빌딩)(맥스국제특허법률사무소)

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
2021.07.14 수리 (Accepted) 1-1-2021-0810101-53
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
미리 학습된 인공 신경망으로 구현되고, 이미지 데이터와 지정된 수의 픽셀에 대한 깊이 정보가 포함된 희소 깊이맵이 결합된 이미지 깊이 정보를 인가받아, 상기 이미지 깊이 정보로부터 상기 이미지 데이터의 각 픽셀에 대한 깊이값을 추정하여 임시 깊이맵을 획득하고, 각 픽셀에 대한 유사 픽셀의 위치를 나타내는 오프셋으로 구성되는 오프셋맵 및 유사도를 나타내는 가중치로 구성되는 가중치맵 획득하는 타겟 추정부; 상기 희소 깊이맵에서 깊이 정보가 포함된 유효 픽셀을 선택하고, 선택된 유효 픽셀 각각에 대응하는 유사 픽셀의 위치와 깊이 정보를 상기 오프셋맵과 상기 가중치맵을 이용하여 획득하여, 깊이 정보가 획득된 유사 픽셀이 유효 픽셀로서 상기 희소 깊이맵에 추가된 유효 깊이맵을 획득하는 전파 모듈; 및 상기 임시 깊이맵과 상기 유효 깊이맵을 인가받아 결합하여 결합 깊이맵을 획득하고, 미리 학습된 인공 신경망으로 구현되어, 상기 결합 깊이맵으로부터 학습된 방식에 따라 고밀도 깊이맵을 획득하는 깊이맵 획득부를 포함하는 깊이맵 채움 장치
2 2
제1항에 있어서, 상기 타겟 추정부는 상기 이미지 깊이 정보를 인가받아 미리 학습된 방식으로 인코딩하여 이미지 깊이 특징맵을 획득하는 인코더; 상기 이미지 깊이 특징맵을 인가받고, 학습된 방식에 따라 상기 이미지 깊이 특징맵을 디코딩하여 특징 디코딩맵을 획득하는 디코더; 및 상기 특징 디코딩맵을 인가받고 미리 학습된 서로 다른 여러 방식으로 상기 특징 디코딩맵을 추가 디코딩하여 상기 임시 깊이맵과 상기 오프셋맵 및 상기 가중치맵을 획득하는 픽셀 추정부를 포함하는 깊이맵 채움 장치
3 3
제2항에 있어서, 상기 픽셀 추정부는 상기 특징 디코딩맵을 인가받아 학습된 방식에 따라 각 픽셀의 깊이 정보를 추정하여 상기 임시 깊이맵을 획득하는 깊이 추정부; 상기 특징 디코딩맵을 인가받아 학습된 방식에 따라 픽셀 각각에 대해 가장 유사한 기지정된 개수의 상기 유사 픽셀 각각의 위치를 나타내는 오프셋을 판별하여 상기 오프셋맵을 획득하는 오프셋 추정부; 및 상기 특징 디코딩맵을 인가받아 학습된 방식에 따라 픽셀 각각에 대해 가장 유사한 기지정된 개수의 상기 유사 픽셀 각각과의 유사도를 나타내는 가중치를 판별하여 상기 가중치맵을 획득하는 가중치 추정부를 포함하는 깊이맵 채움 장치
4 4
제3항에 있어서, 상기 전파 모듈은 상기 희소 깊이맵을 인가받아 깊이 정보가 포함된 유효 픽셀을 선택하고, 선택된 유효 픽셀의 깊이 정보와 위치에 따른 유효 픽셀 정보를 획득하는 유효 픽셀 선택부; 상기 유효 픽셀 정보와 상기 오프셋맵을 인가받아 상기 유효 픽셀의 위치에 대응하는 기지정된 개수의 유사 픽셀의 위치를 판별하는 오프셋 분석부; 상기 유효 픽셀 정보와 상기 가중치맵을 인가받아 상기 유효 픽셀의 깊이 정보에 대응하는 가중치를 가중하여 상기 유사 픽셀의 깊이 정보를 획득하는 가중치 분석부; 및 깊이 정보가 획득된 상기 유사 픽셀을 유효 픽셀로 추가 설정하여, 상기 희소 깊이맵에 추가하여 상기 유효 깊이맵을 획득하는 깊이값 설정부를 포함하는 깊이맵 채움 장치
5 5
제4항에 있어서, 상기 깊이값 설정부는 상기 유사 픽셀의 위치가 서로 다른 다수의 유효 픽셀에 대한 유사 픽셀로 중첩되는 것으로 판별되면, 각 유효 픽셀에서 가중치가 가중된 깊이 정보의 누적 평균을 계산하여 해당 유사 픽셀의 깊이 정보로 획득하는 깊이맵 채움 장치
6 6
제5항에 있어서, 상기 깊이값 설정부는 이전 설정된 모든 유효 픽셀에 대한 깊이 정보가 유사 픽셀로 전파되어 유효 픽셀로 추가되면, 반복 횟수가 기지정된 기준 횟수 이하인지 판별하여, 상기 기준 횟수 이하이면, 추가 설정된 유효 픽셀의 위치 정보 및 깊이 정보가 포함된 유효 픽셀 정보를 상기 오프셋 분석부로 전달하고, 상기 기준 횟수를 초과하면, 현재 획득된 상기 유효 깊이맵을 상기 깊이맵 획득부로 전달하는 깊이맵 채움 장치
7 7
제1항에 있어서, 상기 깊이맵 채움 장치는 상기 이미지 데이터를 획득하는 이미지 획득부; 상기 이미지 데이터에 대응하는 영역에 대해 라이다를 이용하여 감지된 깊이 정보가 포함된 상기 희소 깊이맵을 획득하는 깊이 정보 획득부; 및 상기 이미지 데이터와 상기 희소 깊이맵을 결합하여 상기 이미지 깊이 정보를 획득하는 이미지 깊이 결합부를 더 포함하는 깊이맵 채움 장치
8 8
이미지 데이터와 지정된 수의 픽셀에 대한 깊이 정보가 포함된 희소 깊이맵을 인가받아 고밀도 깊이맵을 획득하는 깊이맵 채움 장치의 깊이맵 채움 방법에 있어서, 상기 이미지 데이터와 상기 희소 깊이맵이 결합된 이미지 깊이 정보를 획득하는 단계; 미리 학습된 인공 신경망을 이용하여, 상기 이미지 깊이 정보로부터 상기 이미지 데이터의 각 픽셀에 대한 깊이값이 추정된 임시 깊이맵과 각 픽셀에 대한 유사 픽셀의 위치를 나타내는 오프셋으로 구성되는 오프셋맵 및 각 픽셀에 대한 유사 픽셀의 유사도를 나타내는 가중치로 구성되는 가중치맵을 획득하는 단계; 상기 희소 깊이맵에서 깊이 정보가 포함된 유효 픽셀을 선택하고, 선택된 유효 픽셀 각각에 대응하는 유사 픽셀의 위치와 깊이 정보를 상기 오프셋맵과 상기 가중치맵을 이용하여 획득하여, 깊이 정보가 획득된 유사 픽셀이 유효 픽셀로서 상기 희소 깊이맵에 추가된 유효 깊이맵을 획득하는 단계; 및 상기 임시 깊이맵과 상기 유효 깊이맵을 인가받아 결합하여 결합 깊이맵을 획득하고, 미리 학습된 인공 신경망을 이용하여 상기 결합 깊이맵으로부터 학습된 방식에 따라 고밀도 깊이맵을 획득하는 단계를 포함하는 깊이맵 채움 방법
9 9
제8항에 있어서, 상기 가중치맵을 획득하는 단계는 상기 이미지 깊이 정보를 인가받아 미리 학습된 방식으로 인코딩하여 이미지 깊이 특징맵을 획득하는 단계; 상기 이미지 깊이 특징맵을 인가받고, 학습된 방식에 따라 상기 이미지 깊이 특징맵을 디코딩하여 특징 디코딩맵을 획득하는 단계; 및 상기 특징 디코딩맵을 인가받이 상기 임시 깊이맵과 상기 오프셋맵 및 상기 가중치맵을 획득하기 위해 미리 학습된 서로 다른 여러 방식으로 상기 특징 디코딩맵을 추가 디코딩하는 단계를 포함하는 깊이맵 채움 방법
10 10
제9항에 있어서, 상기 추가 디코딩하는 단계는 상기 특징 디코딩맵을 인가받아 학습된 방식에 따라 각 픽셀의 깊이 정보를 추정하여 상기 임시 깊이맵을 획득하는 단계; 상기 특징 디코딩맵을 인가받아 학습된 방식에 따라 픽셀 각각에 대해 가장 유사한 기지정된 개수의 상기 유사 픽셀 각각의 위치를 나타내는 오프셋을 판별하여 상기 오프셋맵을 획득하는 단계; 및 상기 특징 디코딩맵을 인가받아 학습된 방식에 따라 픽셀 각각에 대해 가장 유사한 기지정된 개수의 상기 유사 픽셀 각각과의 유사도를 나타내는 가중치를 판별하여 상기 가중치맵을 획득하는 단계를 포함하는 깊이맵 채움 방법
11 11
제10항에 있어서, 상기 유효 깊이맵을 획득하는 단계는 상기 희소 깊이맵을 인가받아 깊이 정보가 포함된 유효 픽셀을 선택하고, 선택된 유효 픽셀의 깊이 정보와 위치에 따른 유효 픽셀 정보를 획득하는 단계; 상기 유효 픽셀 정보와 상기 오프셋맵을 인가받아 상기 유효 픽셀의 위치에 대응하는 기지정된 개수의 유사 픽셀의 위치를 판별하는 단계; 상기 유효 픽셀 정보와 상기 가중치맵을 인가받아 상기 유효 픽셀의 깊이 정보에 대응하는 가중치를 가중하여 상기 유사 픽셀의 깊이 정보를 획득하는 단계; 및 상기 유효 깊이맵을 획득하기 위해, 깊이 정보가 획득된 상기 유사 픽셀을 유효 픽셀로 추가 설정하여 상기 희소 깊이맵에 추가하는 단계를 포함하는 깊이맵 채움 방법
12 12
제11항에 있어서, 상기 희소 깊이맵에 추가하는 단계는 상기 유사 픽셀의 위치가 서로 다른 다수의 유효 픽셀에 대한 유사 픽셀로 중첩되는지 판별하는 단계; 중첩되는 것으로 판별되는 경우, 각 유효 픽셀에서 가중치가 가중된 깊이 정보의 누적 평균을 계산하여 해당 유사 픽셀의 깊이 정보로 획득하는 단계를 더 포함하는 깊이맵 채움 방법
13 13
제12항에 있어서, 상기 희소 깊이맵에 추가하는 단계는 이전 설정된 모든 유효 픽셀에 대한 깊이 정보가 유사 픽셀로 전파되어 유효 픽셀로 추가되면, 반복 횟수가 기지정된 기준 횟수 이하인지 판별하는 단계; 상기 기준 횟수 이하이면, 추가 설정된 유효 픽셀의 위치 정보 및 깊이 정보가 포함된 유효 픽셀 정보와 오프셋맵 및 가중치맵을 이용하여 유사 픽셀을 유효 픽셀로 추가 설정하는 단계; 및 상기 기준 횟수를 초과하면, 현재 획득된 상기 유효 깊이맵을 최종 업데이트된 유효 깊이맵으로 설정하는 단계를 포함하는 깊이맵 채움 방법
14 14
제8항에 있어서, 상기 이미지 깊이 정보를 획득하는 단계는 상기 이미지 데이터를 획득하는 단계; 상기 이미지 데이터에 대응하는 영역에 대해 라이다를 이용하여 감지된 깊이 정보가 포함된 상기 희소 깊이맵을 획득하는 단계; 및 상기 이미지 데이터와 상기 희소 깊이맵을 결합하여 상기 이미지 깊이 정보를 획득하는 단계를 포함하는 깊이맵 채움 방법
15 15
제8항 내지 제14항 중 어느 한 항에 따른 상기 깊이맵 채움 방법을 수행하기 위한 컴퓨팅 장치에서 판독 가능한 프로그램 명령어가 기록된 기록 매체
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 연세대학교 산학협력단 정보통신방송연구개발사업 스마트카 다중 센서와 딥러닝을 이용한 초정밀 내츄럴 3D 뷰 생성 기술 개발 (창조씨앗형 2단계) (4/5)