| 1 |
1
심층신경망을 이용하여 목표 대상물과 항해장치 간 헤딩각도 차이와 상대거리를 추정하여 복수의 스러스터를 제어하기 위한 방법에 있어서, 전처리부가 카메라부를 통해 촬영된 영상이 입력되면, 영상의 수직 및 수평 방향의 픽셀의 수, 수평방향의 화각 및 초점 거리를 포함하는 카메라 파라미터를 획득하는 단계; 상기 전처리부가 상기 영상을 수평방향 및 수직방향으로 분할하여 복수의 3차원 행렬을 획득하는 단계; 및 상기 전처리부가 상기 3차원 행렬에 대해 한번 이상의 컨벌루션 연산을 통해 복수의 상수값을 구하고, 구해진 상수값을 정렬하여 2차원 정보화 행렬을 생성하는 단계; 를 포함하는 것을 특징으로 하는 복수의 스러스터를 제어하기 위한 방법
|
| 2 |
2
제1항에 있어서, 상기 전처리부가 상기 2차원 정보화 행렬을 소정 시간 동안 누적하여 복수의 2차원 정보화 행렬이 시간 축 상에서 누적된 3차원 구조를 가진 입력데이터를 생성하는 단계; 학습부가 상기 입력데이터에 포함된 상기 복수의 2차원 정보화 행렬 각각에 대응하는 복수의 영상 각각에서 목표 대상물이 차지하는 영역을 나타내는 영역상자를 통해 목표 대상물을 검출하고, 영역상자의 중심점을 산출하는 단계; 상기 학습부가 상기 복수의 2차원 정보화 행렬에 대응하는 복수의 영상 각각으로부터 항해장치와 목표 대상물 간의 헤딩 방향각 차이를 산출하는 단계; 상기 학습부가 상기 복수의 2차원 정보화 행렬에 대응하는 복수의 영상 각각으로부터 항해장치와 해상 목표 대상물 간의 상대 거리를 산출하는 단계; 및 상기 학습부가 상기 헤딩 방향각 차이 및 상기 상대 거리를 상기 복수의 2차원 정보화 행렬에 레이블링하는 단계;를 더 포함하는 것을 특징으로 하는 복수의 스러스터를 제어하기 위한 방법
|
| 3 |
3
제2항에 있어서, 상기 헤딩 방향각 차이를 산출하는 단계는 상기 학습부가 수학식 에 따라 상기 헤딩 방향각 차이를 산출하며, 상기 dx는 상기 목표 대상물에 대한 상기 영역상자의 중심점 중 x 좌표이고, 상기 W는 상기 영상의 수평방향의 픽셀 개수이고, 상기 F는 초점 거리인 것을 특징으로 하는 복수의 스러스터를 제어하기 위한 방법
|
| 4 |
4
제2항에 있어서, 상기 상대 거리를 산출하는 단계는 상기 학습부가 수학식 에 따라 상기 상대 거리를 산출하며, 상기 dx는 목표 대상물의 영역상자의 중심점 중 x 좌표이고, 상기 dy는 목표 대상물의 영역상자의 중심점 중 y 좌표이고, 상기 W는 영상의 수평방향의 픽셀 개수이고, 상기 H는 영상의 수직방향의 픽셀 개수이고, 상기 F는 초점 거리인 것을 특징으로 하는 복수의 스러스터를 제어하기 위한 방법
|
| 5 |
5
제2항에 있어서, 상기 학습부가 레이블링된 복수의 2차원 정보화 행렬을 제1 심층신경망에 입력하는 단계; 상기 제1 심층신경망이 복수의 2차원 정보화 행렬 각각에 대해 복수의 계층의 파라미터가 적용되는 복수의 연산을 수행하여 상기 항해장치와 상기 목표 대상물 간의 헤딩 방향각 차이의 추정치 및 상대 거리 추정치를 포함하는 출력값을 산출하는 단계; 및 상기 학습부가 상기 복수의 2차원 정보화 행렬 각각에 대응하여 상기 레이블과 상기 출력값과의 차이인 손실값이 최소가 되도록 상기 제1 심층신경망의 파라미터를 수정하는 최적화를 수행하여 상기 제1 심층신경망을 학습시키는 단계;를 더 포함하는 것을 특징으로 하는 복수의 스러스터를 제어하기 위한 방법
|
| 6 |
6
제5항에 있어서, 상기 전처리부가 시간 축 상의 복수의 영상이 입력되면, 복수의 2차원 정보화 행렬을 생성하여 생성된 복수의 2차원 정보화 행렬을 순차로 상기 제1 심층신경망에 입력하는 단계; 상기 제1 심층신경망이 상기 복수의 2차원 정보화 행렬 각각에 대해 복수의 계층의 학습된 파라미터가 적용되는 복수의 연산을 수행하여 상기 항해장치와 상기 목표 대상물 간의 헤딩 방향각 차이의 추정치 및 상대 거리 추정치를 포함하는 출력값을 산출하는 단계; 및 관제부가 상기 항해장치와 상기 목표 대상물 간의 헤딩 방향각 차이의 추정치 및 상대 거리 추정치를 화면으로 출력하는 단계; 를 더 포함하는 것을 특징으로 하는 복수의 스러스터를 제어하기 위한 방법
|
| 7 |
7
제6항에 있어서, 상기 전처리부가 카메라부가 촬영한 복수의 영상으로부터 복수의 2차원 정보화 행렬을 생성하고, 생성된 복수의 2차원 정보화 행렬을 순차로 상기 제1 심층신경망에 입력하여 상기 제1 심층신경망으로부터 복수의 2차원 정보화 행렬 각각에 대응하여 상기 제1 심층신경망의 출력인 복수의 헤딩 방향각 차이 및 상대 거리를 획득하는 단계; 상기 전처리부가 센서부를 통해 상기 복수의 헤딩 방향각 차이 및 상대 거리에 대응하는 복수의 가속도 성분, 각속도 성분 및 자세 성분을 검출하는 단계; 상기 전처리부가 복수의 상기 헤딩 방향각 차이, 상기 상대 거리, 상기 가속도 성분, 상기 각속도 성분 및 상기 자세 성분을 소정의 벡터공간에 임베딩하여 복수의 관성특징벡터를 구성하는 단계; 상기 학습부가 상기 관성특징벡터에 대응하는 복수의 스러스터 각각의 제어 출력을 도출하는 단계; 상기 학습부가 상기 복수의 스러스터 각각의 제어 출력을 소정의 벡터공간에 임베딩하여 복수의 스러스터출력벡터를 도출하는 단계; 및 상기 학습부가 상기 복수의 관성특징벡터에 상기 도출된 복수의 스러스터출력벡터를 레이블링하는 단계;를 더 포함하는 것을 특징으로 하는 복수의 스러스터를 제어하기 위한 방법
|
| 8 |
8
제7항에 있어서, 상기 전처리부가 상기 스러스터출력벡터로 레이블링된 상기 관성특징벡터를 상기 제2 심층신경망에 입력하는 단계; 상기 제2 심층신경망이 상기 입력된 관성특징벡터에 대해 복수의 계층의 학습된 파라미터가 적용되는 복수의 연산을 수행하여 복수의 스러스터의 출력을 예측한 스러스터출력벡터의 예측치를 산출하는 단계; 및 상기 학습부가 상기 입력된 관성특징벡터의 레이블인 스러스터출력벡터와 상기 스러스터출력벡터의 예측치와의 차이인 손실값이 최소가 되도록 상기 제2 심층신경망의 파라미터를 수정하는 최적화를 수행하여 상기 제2 심층신경망을 학습시키는 단계;를 더 포함하는 것을 특징으로 하는 복수의 스러스터를 제어하기 위한 방법
|
| 9 |
9
제8항에 있어서, 상기 전처리부가 카메라부가 촬영한 복수의 영상으로부터 복수의 2차원 정보화 행렬을 생성하고, 생성된 복수의 2차원 정보화 행렬을 순차로 상기 제1 심층신경망에 입력하여 상기 제1 심층신경망으로부터 복수의 2차원 정보화 행렬 각각에 대응하여 상기 제1 심층신경망의 출력인 복수의 헤딩 방향각 차이 및 상대 거리를 획득하는 단계; 상기 전처리부가 센서부를 통해 상기 복수의 헤딩 방향각 차이 및 상대 거리에 대응하는 복수의 가속도 성분, 각속도 성분 및 자세 성분을 검출하는 단계; 상기 전처리부가 복수의 상기 헤딩 방향각 차이, 상기 상대 거리, 상기 가속도 성분, 상기 각속도 성분 및 상기 자세 성분을 소정의 벡터공간에 임베딩하여 복수의 관성특징벡터를 도출하는 단계; 상기 제2 심층신경망이 상기 도출된 관성특징벡터에 대해 복수의 계층의 학습된 파라미터가 적용되는 복수의 연산을 수행하여 복수의 스러스터의 출력을 예측한 스러스터출력벡터를 산출하는 단계; 및 상기 관제부가 산출된 스러스터출력벡터에 따라 복수의 스러스터의 출력을 제어하는 단계; 를 더 포함하는 것을 특징으로 하는 복수의 스러스터를 제어하기 위한 방법
|
