1 |
1
라이다(LiDAR)로부터 3차원 위치 정보를 포함하는 라이다 데이터를 획득하는 단계;상기 획득한 라이다 데이터에 포함된 채널 중 미리 설정된 유효 각도와 일치하는 수직 채널의 각도에 기초하여 상기 라이다 데이터를 2차원 구형 이미지로 변환하는 단계; 및상기 변환된 2차원 구형 이미지로부터 학습 알고리즘을 이용하여 3차원 PCD(Point Cloud Data)가 나타난 이미지인 학습 이미지를 렌더링하는 단계를 포함하는라이다 데이터의 렌더링 방법
|
2 |
2
제1항에 있어서,상기 라이다 데이터를 2차원 구형 이미지로 변환하는 단계는상기 수직 채널의 각도를 해시 테이블에 미리 저장된 복수의 유효 각도와 비교하는 단계; 및상기 수직 채널의 각도가 상기 복수의 유효 각도 중 하나와 일치하면 획득되는 상기 하나의 유효 각도에 대응되는 픽셀 좌표(v) 및 상기 수직 채널을 제외한 나머지 채널로부터 산출되는 픽셀 좌표(u)를 이용하여 상기 라이다 데이터를 2차원 구형 이미지로 변환하는 단계를 포함하는라이다 데이터의 렌더링 방법
|
3 |
3
제2항에 있어서,상기 수직 채널의 각도를 해시 테이블에 저장된 미리 설정된 유효 각도와 비교하는 단계는상기 해시 테이블에 기반하는 해시 함수를 이용하여 상기 수직 채널의 각도를 상기 미리 설정된 유효 각도와 비교하는 단계를 포함하는라이다 데이터의 렌더링 방법
|
4 |
4
제1항에 있어서,상기 학습 이미지를 렌더링하는 단계는적대적 손실(adversarial loss), 순환 일관성 손실(Cycle consistenty loss), 자체 정규화 손실(self-regularization loss) 및 가중치 매개 변수에 기초하여 결정되는 전체 손실(total loss)이 최소화되도록 상기 2차원 구형 이미지로부터 학습 알고리즘을 이용하여 학습 이미지를 렌더링하는 단계를 포함하는라이다 데이터의 렌더링 방법
|
5 |
5
제4항에 있어서,상기 자체 정규화 손실은하기의 식 5에 의해 산출되는 라이다 데이터의 렌더링 방법
|
6 |
6
제1항에 있어서,상기 학습 알고리즘은CycleGAN(Cycle-Generative Adversarial Network)인라이다 데이터의 렌더링 방법
|
7 |
7
라이다(LiDAR)로부터 3차원 위치 정보를 포함하는 라이다 데이터를 획득하는 데이터 수신부;상기 획득한 라이다 데이터에 포함된 채널 중 미리 설정된 유효 각도와 일치하는 수직 채널의 각도에 기초하여 상기 라이다 데이터를 2차원 구형 이미지로 변환하는 전처리부; 및상기 변환된 2차원 구형 이미지로부터 학습 알고리즘을 이용하여 3차원 PCD(Point Cloud Data)가 나타난 이미지인 학습 이미지를 렌더링하는 렌더링부를 포함하는라이다 데이터의 렌더링 장치
|
8 |
8
제7항에 있어서,상기 전처리부는상기 수직 채널의 각도를 해시 테이블에 저장된 미리 설정된 유효 각도와 비교하고, 상기 수직 채널의 각도가 상기 미리 설정된 유효 각도와 일치하면 상기 미리 설정된 유효 각도에 대응되는 픽셀 좌표를 출력하여 상기 라이다 데이터를 2차원 구형 이미지로 변환하는 라이다 데이터의 렌더링 장치
|
9 |
9
제8항에 있어서,상기 전처리부는상기 해시 테이블에 포함된 해시 함수를 이용하여 상기 수직 채널의 각도를 상기 미리 설정된 유효 각도와 비교하는 라이다 데이터의 렌더링 장치
|
10 |
10
제7항에 있어서,상기 렌더링부는적대적 손실(adversarial loss), 순환 일관성 손실(Cycle consistenty loss), 자체 정규화 손실(self-regularization loss) 및 가중치 매개 변수 w에 기초하여 결정되는 전체 손실(total loss)이 최소화되도록 상기 2차원 구형 이미지로부터 학습 알고리즘을 이용하여 학습 이미지를 렌더링하는 라이다 데이터의 렌더링 장치
|
11 |
11
제10항에 있어서,상기 자체 정규화 손실은 하기의 식 5에 의해 산출되는 라이다 데이터의 렌더링 장치
|
12 |
12
제7항에 있어서,상기 학습 알고리즘은CycleGAN(Cycle-Generative Adversarial Network)인라이다 데이터의 렌더링 장치
|