| 1 |
1
하나 이상의 객체를 포함하는 영역에 대한 이미지를 획득하는 단계;상기 이미지를 단일 뉴럴 네트워크에 입력하여 상기 하나 이상의 객체를 파지하기 위한 정보를 획득하는 단계; 및상기 정보에 기초하여 로봇 파지를 위한 객체 관계 그래프를 생성하는 단계를 포함하고,상기 획득하는 단계는,객체 검출을 위한 제1 앵커 박스, 파지점 검출을 위한 제2 앵커 박스 및 파지각 검출을 위한 제3 앵커 박스를 이용하여 상기 정보를 획득하는 단계를 포함하는, 로봇 파지 방법
|
| 2 |
2
제1항에 있어서,상기 정보는,객체 검출(object detection) 정보, 파지점 검출(grasping detection) 정보 및 관계 추론(relationship reasoning) 정보를 포함하는 로봇 파지 방법
|
| 3 |
3
제1항에 있어서,상기 정보는,상기 이미지를 분할하는 복수의 그리드에 대해 각 그리드 내 객체가 존재할 확률, 파지 가능할 확률 및 객체 위나 아래에 존재하는 객체의 정보를 포함하는, 로봇 파지 방법
|
| 4 |
4
삭제
|
| 5 |
5
제2항에 있어서,상기 객체 검출 정보는,객체의 위치, 앵커 박스의 폭과 높이, 앵커 박스 내 객체가 존재할 확률 및 객체의 클래스에 연관된 파라미터들을 포함하는, 로봇 파지 방법
|
| 6 |
6
제2항에 있어서,상기 파지점 검출 정보는,객체의 위치, 앵커 박스의 폭과 높이, 앵커 박스 내 파지점이 존재할 확률 및 객체의 클래스 및 앵커 박스의 각도에 연관된 파라미터들을 포함하는, 로봇 파지 방법
|
| 7 |
7
제2항에 있어서,상기 관계 추론 정보는,객체의 위에 존재하는 각 객체의 클래스 및 객체의 아래에 존재하는 객체의 클래스 중 적어도 하나를 포함하는, 로봇 파지 방법
|
| 8 |
8
제2항에 있어서,상기 생성하는 단계는,상기 객체 검출 정보 및 상기 파지점 검출 정보에 포함된 불필요한 검출 결과를 제거하는 단계; 및객체가 검출된 객체 바운딩 박스 및 파지점이 검출된 파지점 바운딩 박스를 그룹화하는 단계를 포함하는, 로봇 파지 방법
|
| 9 |
9
제8항에 있어서,상기 제거하는 단계는,비-최대 억제 알고리즘(non-maximum suppression algorithm)에 기초하여 상기 불필요한 검출 결과를 제거하는 단계를 포함하는, 로봇 파지 방법
|
| 10 |
10
제8항에 있어서,상기 그룹화하는 단계는,객체의 클래스 정보에 기초하여 상기 객체 바운딩 박스 및 상기 파지점 바운딩 박스를 매칭하는 단계;상기 객체 바운딩 박스 및 상기 파지점 바운딩 박스의 IoU(intersection over Union)를 계산하는 단계; 및상기 IoU가 임계 값에 기초하여 상기 객체 바운딩 박스 및 상기 파지점 바운딩 박스를 매칭하는 단계를 포함하는, 로봇 파지 방법
|
| 11 |
11
인스트럭션들을 포함하는 메모리; 및상기 인스트럭션들을 실행하기 위한 프로세서를 포함하고,상기 프로세서에 의해 상기 인스트럭션들이 실행될 때, 상기 프로세서는,하나 이상의 객체를 포함하는 영역에 대한 이미지를 획득하고, 상기 이미지를 단일 뉴럴 네트워크에 입력하여 상기 하나 이상의 객체를 파지하기 위한 정보를 획득하고, 상기 정보에 기초하여 로봇 파지를 위한 객체 관계 그래프를 생성하고,상기 프로세서는,객체 검출을 위한 제1 앵커 박스, 파지점 검출을 위한 제2 앵커 박스 및 파지각 검출을 위한 제3 앵커 박스를 이용하여 상기 정보를 획득하는, 로봇 파지 정보 생성 장치
|
| 12 |
12
제11항에 있어서,상기 정보는,객체 검출(object detection) 정보, 파지점 검출(grasping detection) 정보 및 관계 추론(relationship reasoning) 정보를 포함하는, 로봇 파지 정보 생성 장치
|
| 13 |
13
제11항에 있어서,상기 정보는,상기 이미지를 분할하는 복수의 그리드에 대해 각 그리드 내 특정 위치에 객체가 존재할 확률, 파지 가능할 확률 및 객체 위나 아래에 존재하는 객체의 정보를 포함하는, 로봇 파지 정보 생성 장치
|
| 14 |
14
삭제
|
| 15 |
15
제12항에 있어서,상기 객체 검출 정보는,객체의 위치, 앵커 박스의 폭과 높이, 앵커 박스 내 객체가 존재할 확률 및 객체의 클래스에 연관된 파라미터들을 포함하는, 로봇 파지 정보 생성 장치
|
| 16 |
16
제12항에 있어서,상기 파지점 검출 정보는,객체의 위치, 앵커 박스의 폭과 높이, 앵커 박스 내 파지점이 존재할 확률 및 객체의 클래스 및 앵커 박스의 각도에 연관된 파라미터들을 포함하는, 로봇 파지 정보 생성 장치
|
| 17 |
17
제12항에 있어서,상기 관계 추론 정보는,객체의 위에 존재하는 각 객체의 클래스 및 객체의 아래에 존재하는 객체의 클래스 중 적어도 하나를 포함하는, 로봇 파지 정보 생성 장치
|
| 18 |
18
제12항에 있어서,상기 프로세서는,상기 객체 검출 정보 및 상기 파지점 검출 정보에 포함된 불필요한 검출 결과를 제거하고, 객체가 검출된 객체 바운딩 박스 및 파지점이 검출된 파지점 바운딩 박스를 그룹화하는, 로봇 파지 정보 생성 장치
|
| 19 |
19
제18항에 있어서,상기 프로세서는,비-최대 억제 알고리즘(non-maximum suppression algorithm)에 기초하여 상기 불필요한 검출 결과를 제거하는, 로봇 파지 정보 생성 장치
|
| 20 |
20
제18항에 있어서,상기 프로세서는,객체의 클래스 정보에 기초하여 상기 객체 바운딩 박스 및 상기 파지점 바운딩 박스를 매칭하고, 상기 객체 바운딩 박스 및 상기 파지점 바운딩 박스의 IoU(intersection over Union)를 계산하고, 상기 IoU가 임계 값에 기초하여 상기 객체 바운딩 박스 및 상기 파지점 바운딩 박스를 매칭하는, 로봇 파지 정보 생성 장치
|
