회사 자료를 불러오는 중…
회사 자료를 불러오는 중…
검증 단계 — 어디까지 확인했나
L0 · 국민연금 인력 · 공시 재무 · 특허 — 공공자료
서울특별시에 있는 2017년 설립 회사입니다. 데이터베이스 및 온라인 정보 제공업을 합니다. 2025년 매출은 62.3억입니다. 2026년 8월 기준 국민연금 가입자는 66명입니다. 외부감사를 받는 회사이고, 가장 최근 감사의견은 「적정」입니다.
읽어오는 중입니다…
최근 출원 2026-07-23 · 최근 등록 2026-09-29 · 최신 출원순
스테레오 위성 영상의 3D 복원 정밀도 향상을 위한 초해상화 방법이 개시된다. 본 발명의 실시예에 따른 초해상화 방법은, 스테레오영상, 다중분광정보 및 RPC 기반 위성기하정보를 획득하는 학습데이터 획득단계(S110); 지형특성과 매칭신뢰도를 분석하여 영역별 학습가중치를 생성하는 적응형 학습정보 생성단계(S120); 초해상화영상에서 건물 윤곽 및 도로 경계 등의 구조적 특징을 추출하는 구조적 특징 추출단계(S130); RPC 기반 위성기하정보를 이용하여 양측 영상의 구조특징 간 대응관계를 설정하고 구조일관성을 평가하는 기하학적 대응관계 설정단계(S140); 영상복원 손실과 구조일관성 손실을 산출하여 초해상화 모델을 최적화하는 초해상화 모델 학습단계(S150); 및 학습된 초해상화 모델을 이용하여 스테레오 매칭 및 3차원정보 복원을 수행하는 3D 복원단계(S160);를 포함한다. 이에 따라 저신뢰영역의 불필요한 텍스처 생성을 억제하고 양측 영상의 구조적 일관성을 유지하여 스테레오 매칭 안정성과 3D 복원 정밀도를 향상시킬 수 있다.
거대모델 기반 패치단위 변화탐지방법이 개시된다. 본 발명의 실시예에 따른 거대모델 기반 패치단위 변화탐지방법은, 넓은 지역에 대한 위성영상 또는 항공영상을 주기적으로 획득하는 시스템에 있어서, 객체에 대해 두 시기 변화를 신속하고 정확하게 탐지할 수 있는 방법으로서, 목표로 하는 지역 및 영상의 공간 해상도에 적합한 패치(patch) 크기를 기설정된 기준에 따라 변환하는 패치크기 변환단계; VLM모델 및 scene classification 모델을 활용하여 패치(patch) 단위로 잘린 각 단일 정사영상(위성영상, 항공영상)에서 확인 가능한 객체 및 대략적인 위치를 출력하는 객체위치 출력단계; 동일한 위치에 대한 서로 다른 시기의 영상끼리 대조하여 변화된 객체 및 위치를 검출하는 변화여부 확인단계; 및 상기 변화여부 확인단계를 통해 변화여부가 검출된 패치(patch) 단위를 출력하는 최종변화 출력단계;를 포함하는 것을 구성의 요지로 한다.
거대비젼 모델과 이상치 탐지 알고리즘을 이용한 의사라벨 정제방법이 개시된다. 본 발명의 실시예에 따른 의사라벨 정제방법은, 위성영상 객체검출 과정에서 수행되는 비지도 학습에 활용되는 의사라벨(pseudo label)을 지속적으로 정제하는 방법으로서, 라벨이 있는 소스 데이터를 이용해 거대 비전 백본(ex. DINO v3 등)과 검출 헤드를 결합한 오프라인 의사라벨 모델(offline pseudo labeling model)을 학습하고, 타깃 위성영상 전체에 대해 오프라인 의사라벨(offline pseudo-label)을 생성한 후, 오프라인 의사라벨(offline pseudo label)들을 이상치 탐지 알고리즘을 통해 1차 정제하는 오프라인 의사라벨 생성단계; 및 상기 오프라인 의사라벨 생성단계에서 생성된 초기 오프라인 의사라벨(offline pseudo-label)을 바탕으로, 실제 타겟 도메인에 적응하는 Teacher모델 및 Student모델을 학습시키는 온라인 자기정화 학습단계;를 포함하는 것을 구성의 요지로 한다.
시계열 3D 모델 기반 반복공정 자동학습 및 공사기간예측 시스템이 개시된다. 본 발명의 실시예에 따른 반복공정 자동학습 및 공사기간예측 시스템은, 드론 및 라이다를 포함하는 항공촬영수단을 이용하여 주기적으로 취득한 항공촬영데이터를 정합한 후, 정합된 데이터를 바탕으로 시계열 3D 모델을 구축하는 학습데이터 구축부; 상기 학습데이터 구축부에 의해 구축된 시계열 3D 모델에서 반복적으로 등장하는 공정 단위의 변화 양상을 기계학습 기반 모델 및 딥러닝 기반 모델을 통해 학습을 수행하는 반복패턴 학습부; 반복 패턴과 시간 정보를 바탕으로 공사기간예측 결과를 확률 분포로 산출하는 확률적 예측부; 및 상기 확률적 예측부를 통해 산출된 공사기간예측 결과와 실제 공사기간을 비교하여 건설 진행의 적절성을 확인하고, 반복패턴 학습부에 피드백을 수행하는 예측결과 검증부;를 포함하는 것을 구성의 요지로 한다.
외부 참조 데이터를 활용한 위성영상 폐색영역 복원방법이 개시된다. 본 발명의 실시예에 따른 외부 참조 데이터를 활용한 위성영상 폐색영역 복원방법은, 단일 시기 정사 영상에서 그림자를 포함하는 폐색 영역 후보에 대한 마스크를 산출하는 폐색영역 분류단계; 폐색 영역의 좌표 정보를 기반으로, 대응 영역의 OSM 건물 벡터 및 정사영상 제공 플랫폼의 래스터 자료를 취득하는 외부참조데이터 취득단계; 및 외부 래스터 자료로부터 해당 지역의 형상, 배경 텍스처 참조 맵을 구성하고, 정합된 OSM으로부터 건물 구조 맵을 생성하며, 취득한 시기 정사영상과 폐색영역의 외부 참조 데이터를 네트워크에 입력하여, 보정 영상을 추론하는 보정 및 생성 네트워크 추론단계;를 포함하는 것을 구성의 요지로 한다.
저해상도-고해상도 연계 기반 위성영상 모니터링 시스템이 제공되며, 모니터링할 지역을 설정하고, 고해상도 위성영상을 추천받는 사용자 단말 및 사용자 단말로부터 모니터링할 지역을 설정받는 설정부, 모니터링할 지역의 저해상도 위성영상을 기 설정된 주기로 수집하는 수집부, 수집된 저해상도 위성영상을 패치(Patch) 단위로 비교하여 이상탐지(Anomaly Detection)를 실시하는 이상탐지부, 이상탐지에서 이상이 탐지된 패치에 대하여 RoI(Region of Interest)를 자동으로 지정하는 영역지정부, RoI를 포함한 고해상도 위성영상을 사용자 단말로 추천하는 추천부를 포함하는 통합관제서버를 포함한다.
정사 영상의 특성을 활용한 비지도 모델 평가 방법이 개시된다. 본 발명의 실시예에 따른 비지도 모델 평가 방법은, 클래스별 종횡비 분포, 면적비율 분포의 집중도를 정량화하고, AI모델이 동일한 종류의 객체를 일관된 형태와 크기로 탐지하는지 평가하는 지표를 산출하는 형태일관성 점수산출단계; 기설정된 기준거리 내에 존재하는 동일 객체들을 동일한 크기로 탐지하는지를 평가하는 지표를 산출하는 규모일관성 점수산출단계; AI모델에 기설정된 기준의 인위적 노이즈를 가하여, 원래의 예측 결과와 동일한 결과를 내놓는지 평가하는 지표를 산출하는 문맥적안정성 점수산출단계; 및 상기 형태일관성 점수산출단계, 규모일관성 점수산출단계, 문맥적안정성 점수산출단계로부터 획득한 점수를 기반으로 최종모델 선택점수를 산출하고, 산출된 최종모델 선택점수를 기준으로 가장 우수한 AI모델을 선택하는 최종모델 선택단계;를 포함하는 것을 구성의 요지로 한다.
공간정보 기반 멀티소스 이미지 데이터 통합관리 플랫폼 제공 시스템이 제공되며, 멀티소스의 이미지를 업로드하고, 이미지를 검색하는 사용자 단말 및 사용자 단말로부터 이미지를 업로드받는 수신부, 이미지가 촬영될 때 획득된 촬영기기, 촬영시간 및 좌표값을 포함하는 촬영정보를 추출하는 추출부, 사용자 단말로부터 이미지에 대한 추가정보를 입력받는 수동추가부, 이미지를 기 구축된 VLM(Vision Language Model)로 분석한 결과인 생성정보를 입력받는 자동추가부, 촬영정보, 추가정보 및 생성정보를 메타데이터로 저장하는 저장부, 사용자 단말에서 이미지를 검색하는 경우, 메타데이터에 기반하여 이미지를 검색한 결과를 추출하는 검색부, 추출된 결과를 사용자 단말로 전송하는 전송부를 포함하는 통합관리서버를 포함한다.
실시간 위성영상 초해상화처리 인터페이스를 포함하는 위성영상 다중영역관리시스템이 개시된다. 본 발명의 실시예에 따른 위성영상 다중영역관리시스템은, 시각적 출력화면을 통해 사용자의 입력신호를 수용하고, 사용자가 원하는 SR분석 대상 지역을 사용자의 드래그 방식의 직사각형 그리기 도구를 통해 입력 받는 영역지정패널; SR분석 대상 지역의 위성 영상을 시각적 출력화면을 통해 출력하는 지도인터페이스; 상기 영역지정패널을 통해 수용된 입력신호를 바탕으로 SR분석 대상 지역에 대해 SR분석을 실행하고, 지도인터페이스를 통해 시각적 출력화면으로 결과를 출력하는 초해상화 처리부; 및 시각적 출력화면으로부터 출력되는 화면의 구성 및 디자인을 사용자의 요구에 따라 변경하는 다중영역관리 인터페이스;를 포함하는 것을 구성의 요지로 한다.
객체탐지, 참조영상 및 생성모델을 이용한 위성영상 자동마스킹방법이 개시된다. 본 발명의 실시예에 따른 위성영상 자동마스킹방법은, 고정된 좌표가 아닌, 정사영상 내 객체 자체를 인식하여 마스킹 대상을 능동적으로 관리하는 관심영역(AoI) 추천 및 관리단계; 상기 관심영역(AoI) 관리단계를 통해 추천되거나 사용자가 수정한 관심영역(AoI)을 기반으로 객체의 형태에 맞는 정밀한 마스크를 생성하는 동적관심영역(AoI) 설정단계; 및 상기 동적관심영역(AoI) 설정단계를 통해 정밀하게 생성된 동적 관심영역을 주변 문맥에 맞게 자연스럽게 복원하는 생성모델기반 인페인팅단계;를 포함하는 것을 구성의 요지로 한다.
기준점 앙상블을 통한 최적 변위맵 산출방법이 개시된다. 본 발명의 실시예에 따른 최적 변위맵 산출방법은, 시계열 InSAR 분석의 입력이 되는 다중 시간대 SAR(Synthetic Aperture Radar) 영상을 확보하는 데이터 획득단계; 상기 데이터 획득단계에서 확보된 다중 시기의 SAR 영상들을 이용하여 간섭무늬(interferogram)를 생성하는 간섭무늬 생성단계; 상기 간섭무늬 생성단계에서 산출된 모든 픽셀의 위상정보를 기준으로, AOI(Area of Interest) 전체 영역에 대한 참조(reference) 구조를 형성하는 AOI픽셀 참조단계; 상기 간섭무늬 생성단계에서 얻은 위상차 정보와 AOI픽셀 참조단계에서 구축된 참조망을 기반으로, 시간에 따른 실제 지표 변형량을 계산하는 변형 반전단계; 상기 변형 반전단계에서 산출된 픽셀 단위 시계열 변위와 AOI픽셀 참조단계에서 계산된 안정성 지표(score)를 결합하여, 기준점 불확실성을 상쇄하고 전역적으로 일관된 변위 추정치를 도출하는 앙상블 수행단계; 및 상기 앙상블 수행단계에서 도출된 전역 오프셋과 픽셀 단위 시계열 변위를 결합하여, AOI 전역의 누적 변위 및 변위율 지도를 생성하는 변형맵 생성단계;를 포함하는 것을 구성의 요지로 한다.
사전 마스킹을 통한 효율적인 영상 정합 시스템이 제공되며, 위성영상을 업로드하고, 위성영상이 영상정합된 결과를 수신하는 사용자 단말 및 사용자 단말로부터 위성영상을 수신하는 수신부, 위성영상 내 기 저장된 사전 불확실성 마스크를 로딩하는 로딩부, 위성영상 내 사전 불확실성 마스크에 대응하는 영역을 탐지하는 탐지부, 사전 불확실성 마스크에 대응하는 영역을 영상정합 이전에 사전 마스킹하는 사전마스킹부, 위성영상의 영상정합에 사전 마스킹된 영역을 제외한 영역에서 대응점을 찾아 영상정합을 실시하는 영상정합부를 포함하는 영상정합서버를 포함한다.
사용자 요구에 따른 드론영상 필터링방법이 개시된다. 본 발명의 실시예에 따른 드론영상 필터링방법은, 사업 유형, 대상 환경, 모델링 목적에 따라 필요한 드론 영상의 해상도 및 중첩도를 설정하는 영상 설정단계; 및 획득한 드론영상과 앞의 과정에서 분석된 드론 영상의 GSD와 중첩도를 비교하고, 획득한 영상이 필요 요구 사항보다 저해상도 영상일 경우 AI 기반 초해상화(super resolution)를 활용하여 고해상도 영상을 생성하며, 획득한 영상이 필요 요구 사항보다 고해상도 영상일 경우 AI 또는 알고리즘 기반 다운 샘플링(down sampling) 방법을 활용하여 저해상도 영상을 생성하는 AI기반 필터링단계;를 포함하는 것을 구성의 요지로 한다.
시계열 영상을 활용한 통계기반 객체탐지방법이 개시된다. 본 발명의 실시예에 따른 통계기반 객체탐지방법은, 객체를 탐지 하고 싶은 목표로 하는 지역의 온전한 AOI를 설정하고, AOI 내 보이는 영역에 대해 타겟 객체를 탐지하며, 타겟 객체의 분포 특성을 학습하는 데이터 수집 및 학습단계; 및 목표 지역의 AOI의 지리 좌표를 기반으로, 획득한 위성 영상에서 해당 AOI가 부분적으로 가려졌는지 여부를 판단, 촬영 시점의 태양 고도, 촬영 각도 등과 같은 메타 데이터를 활용해 가림 영역을 추정하고, 탐지된 객체 수와 가려진 영역의 추정 객체 수를 합산하여, 실제 목표 지역 전체의 객체 분포를 산출하는 예측 및 분석단계;를 포함하는 것을 구성의 요지로 한다.
단순형상조건 필터링을 통한 물체인식 및 관리검증 시스템이 개시된다. 본 발명의 실시예에 따른 물체인식 및 관리검증 시스템은, 목표로 하는 특수 객체의 형상 및 특징을 추출하고, 정사 영상에서 SAM, DINO를 포함하는 파운데이션 모델(Foundation model)을 활용하여 분석 하고자 하는 지역의 영상을 객체 단위로 분할한 후, 세그먼트(segment) 단위로 분류된 객체에 대해서 앞서 확인한 특수 객체의 형상 및 특징을 간단한 룰베이스드(rule-based) 방법으로 선별하며, 목표로 하는 특수 객체에 대한 세그먼트 마스크(segmentation mask)를 생성하는 AI기반 객체분할 및 선별부; 및 사용자에 의해 도면 상의 객체가 존재할 곳을 관심지역으로 지정하고, 도면상의 기 설정된 관심 지역 내에서 객체의 상태를 분류하는 계획도면 비교부;를 포함하는 것을 구성의 요지로 한다.
변화기반 3D모델 업데이트 방법 및 시스템이 개시된다. 본 발명의 실시예에 따른 변화기반 3D모델 업데이트 시스템은, 딥러닝 기반의 고정밀 영상 변화 탐지 알고리즘을 사용하여 촬영된 2D 이미지 간의 변화를 감지하는 정밀변화 탐지모듈; 구조적 변화가 있는 영역과 없는 영역을 분류하고, 모델의 효율적인 부분 업데이트를 위한 영역 정보를 생성하고, 변화가 없는 영역에 대해서는 3D 모델링을 위한 불필요한 재계산을 방지하는 자동분류모듈; 구조적 변화가 있는 영역에 대해서 기존 모델과 위치 정합하여 3D모델에 반영하는 위치보정모듈; 및 경계 평활화 알고리즘, 가우시안 블러, 로컬 색상 블렌딩을 포함하는 알고리즘을 사용하여, 구조적 변화로 인해 업데이트 되는 영역에 대해 경계를 기설정된 품질로 자연스럽게 처리하는 경계결합모듈;을 포함하는 것을 구성의 요지로 한다.
기상정보를 활용한 SAR기반 객체탐지방법이 개시된다. 본 발명의 실시예에 따른 기상정보를 활용한 SAR기반 객체탐지방법은, SAR 영상의 메타데이터에서 촬영 시간 및 위치를 추출하여, GPM(Global Precipitation Measurement)에서 해당 시공간의 강수량 정보, 상대습도 정보, 기압 정보를 포함하는 다수의 기상요소 정보를 수집하는 기상요소 수집단계; 수집된 기상요소 정보를 바탕으로, 물리 기반 신호 감쇠 모델을 이용하여 감쇠량을 정량적으로 계산하고, 이를 통해 감쇠지도(attenuation map)를 생성하는 감쇠지도 생성단계; 및 상기 감쇠지도 생성단계로부터 생성된 감쇠지도(attenuation map)를 객체 탐지 알고리즘의 보조자료로 활용하는 객체탐지알고리즘 활용단계;를 포함하는 것을 구성의 요지로 한다.
사업목적 및 촬영환경에 따른 드론 촬영방법 최적화 시스템이 제공되며, 드론을 이용하여 영상을 촬영하는 사업목적 및 촬영환경을 입력하는 사용자 단말, 및사용자 단말로부터 사업목적 및 촬영환경을 입력받는 수신부, 사업목적 및 촬영환경을 기 구축된 중첩도제어모델에 입력하여 드론이 촬영하는 영상의 중첩도를 출력하도록 하는 중첩도제어부, 중첩도에 기반하여 드론이 영상을 촬영하도록 제어하는 드론제어부를 포함하는 최적화 서비스 제공 서버를 포함한다.
다중 위성영상 입력기반 초해상화 시스템이 개시된다. 본 발명의 실시예에 따른 다중 위성영상 입력기반 초해상화 시스템은, 동일 지역에 대해 서로 다른 위성으로부터 촬영영상 데이터를 수용하고, 매칭점을 가장 많이 포함하고 있는 중심 영상을 설정하는 중심영상 선정부; 상기 중심영상 선정부를 통해 설정된 중심 영상을 패치 단위로 구분하고, 획득된 다른 영상들에서 해당 패치와 동일한 위치를 가진 패치를 찾고, 유사도에 따라 각 영상별 매칭 신뢰도를 계산하는 매칭신뢰도 산출부; 및 중심 영상의 각 패치별로 초해상화를 진행하고, 다른 영상들에서 연관된 패치를 각각 초해상화를 진행하고, 중심 영상과 매칭이 많이 될 수록 가중치를 높게 부여하며, 중심 영상과의 매칭점이 많고 신뢰도가 높은 보조 영상일수록, 해당 특징이 복원 과정에서 더 크게 반영되도록 가중치를 부여하는 초해상화 수행부;를 포함하는 것을 구성의 요지로 한다.
영상의 메타데이터를 활용한 영상보정 시스템이 제공되며, 촬영된 영상을 입력하고, 영상의 특징을 출력하는 사용자 단말 및 사용자 단말로부터 영상을 입력받는 수신부, 영상 내 메타데이터를 획득하는 획득부, 메타데이터를 인코딩하여 벡터로 변환하는 인코딩부, 영상의 특징을 추출하여 특징맵을 생성하는 변환부, 특징맵에 벡터를 결합시키는 결합부, 벡터로 보정된 영상의 특징을 사용자 단말로 전달하는 전달부를 포함하는 영상처리서버를 포함한다.
자동 3D 모델 생성 시스템이 개시된다. 본 발명의 실시예에 따른 자동 3D 모델 생성 시스템은, 촬영데이터를 수용하고, 촬영데이터를 획득한 촬영 카메라 정보와 색상 형식을 추출하며, 3D 재구성에 필요한 파라미터를 추출하는 데이터 입력 처리부; 상기 데이터 입력 처리부로부터 수용된 촬영데이터에서 GPS 메타데이터 및 IMU 메타데이터를 추출하고, 비정형 경로로 촬영된 촬영데이터의 이미지 간 정합성을 기설정된 기준으로 수정하는 데이터 분류 보정부; 고강건성 특징 추출 알고리즘을 활용하여 서로 다른 화질의 이미지를 정합하고, 이미지들 간의 시각적 관계를 분석하고, 3D 구조와 카메라 위치를 추정하는 이미지 정합 재구성부; 및 상기 이미지 정합 재구성부를 통해 추정된 3D 모델을 메쉬화하고, 각 이미지의 색감을 활용해 텍스처를 부여하는 최종결과 생성부;를 포함하는 것을 구성의 요지로 한다.
항공촬영데이터 기반 영상정합보정방법이 개시된다. 본 발명의 실시예에 따른 항공촬영데이터 기반 영상정합보정방법은, 드론 및 항공으로 촬영한 이미지 데이터를 컴퓨터에 입력하여 프로그램 형태로 수행하는 영상정합보정방법으로서, 드론 및 항공 영상 스트림의 초기 프레임에 대해서 기 정의된 경로의 최초 위치로 정합을 수행하는 초기위치 정합단계; 프레임들의 이동 경로 및 자세 정보를 바탕으로 역산(backward propagation)을 통해 재 보정하는 정합위치 보정단계; 및 보정된 위치 정보에 각 프레임 간의 연속된 시간-공간-자세 정보를 반영하여 정사영상 상에서의 누적 정합 결과를 프레임 순서대로 점진적으로 생성하고, 영상 스트림의 흐름에 따라, 각 프레임의 위치는 이전 프레임과의 관계를 기반으로 보정 및 갱신하여, 전체 시퀀스에 대해 공간적으로 일관된 정합 결과를 형성하는 정합결과 생성단계;를 포함하는 것을 구성의 요지로 한다.
GCP 마킹 간소화를 통한 3D모델 생성 최적화 방법이 개시된다. 본 발명의 실시예에 따른 3D모델 생성 최적화 방법은, 드론 및 항공으로 촬영한 이미지 데이터를 컴퓨터에 입력하여 프로그램 형태로 수행하는 3D모델 생성 최적화 방법으로서, 입력된 이미지의 GPS 메타데이터를 활용하여, 각 GCP와 가까운 이미지들을 리스트업하고, GCP를 수동 마킹하게 유도하는 이미지선택 초기마킹 단계; 사용자가 마킹한 이미지를 제외한 나머지 리스트업된 이미지에서의 GCP 좌표를 변환 행렬을 활용하여 자동으로 예측하고 추천하며, 추천된 GCP 위치 중 최소 3개 이상의 이미지를 검증하여 정확도를 확보하는 추정 및 검증단계; GCP 마킹 정보를 포함한 전체 이미지 세트를 이용하여 SfM을 수행하고, 초기 3D 포인트 클라우드 및 카메라 파라미터를 추정하는 초기SfM 분석단계; 이미지 registration을 진행 후 마킹 좌표를 획득하는 GCP 확장단계; 및 확장된 GCP 마킹 정보를 추가하여 SfM을 다시 수행하고, 더 정밀한 3D 모델을 구축하는 SfM최적화 재분석단계;를 포함하는 것을 구성의 요지로 한다.
드론기반 3D모델 활용 공간정보 제공시스템이 개시된다. 본 발명의 실시예에 따른 드론기반 3D모델 활용 공간정보 제공시스템은, 드론 영상을 기반으로 3D 모델 및 2D 정사영상(orthophoto) 관련 데이터를 제공하고, 동일 지역의 다른 일자의 3D 모델을 비교하여 변화 탐지하는 드론영상 제공부; 상기 드론영상 제공부를 통해 획득한 3D 모델에서 출력되는 정보를 기반으로, 사용자가 원하는 해당 지역의 정량적 데이터를 산출하여 산출된 데이터를 제공하는 정량데이터 제공부; 사용자가 원하는 해당 지역의 특징 레이어 또는 정보 레이어를 추가하여 제공하는 오버레이 제공부; 및 사용자가 원하는 해당 지역에 대한 정보 기록 및 이슈 트래킹(tracking) 서비스를 제공하는 데이터 관리부;를 포함하는 것을 구성의 요지로 한다.
객체 분할을 통한 분류 성능 개선 시스템이 제공되며, 이미지를 업로드하고, 이미지 내 객체가 분류된 결과를 출력하는 사용자 단말 및 사용자 단말로부터 이미지를 업로드받는 수신부, 이미지 내 객체를 추출하고, 객체의 종류를 분류하는 범분류부, 객체를 적어도 하나의 세그먼트(Segment)로 분할하는 분할부, 객체 및 적어도 하나의 세그먼트를 이용하여 객체의 종류를 분류하는 세분류부, 분류된 결과를 사용자 단말로 전송하는 전송부를 포함하는 객체탐지서버를 포함한다.
시계열 영상 및 환경 데이터 기반 잔디 병반 예방 시스템이 제공되며, 시계열 영상으로 예측 및 탐지된 잔디 병반을 출력하고, 예측 및 탐지된 잔디 병반의 방제 데이터를 출력하는 사용자 단말 및 잔디를 촬영한 시계열 영상을 수신하여 기 구축된 예측모델로 입력한 후 잔디의 병반이 발생할 시점, 위치 및 병반의 종류를 포함한 예측 데이터를 출력하도록 하는 사전방제부, 시계열 영상 내 전역적(Global) 상태인 글로벌 경향성을 기준으로 지역적(Local) 상태인 로컬 경향성을 비교하여 병반이 발생한 위치 및 병반의 종류를 포함한 탐지 데이터를 출력하도록 하는 사후방제부, 예측 데이터 및 탐지 데이터를 기 구축된 방제모델에 입력하여 방제 방법, 방제 시점, 농약 종류 및 농약 투입량을 포함한 방제 데이터를 출력하도록 하는 맞춤형방제부를 포함하는 통합관제서버를 포함한다.
바운딩박스 정보를 활용하는 객체탐지 시스템이 개시된다. 본 발명의 실시예에 따른 객체탐지 시스템은, 획득한 정사영상 데이터를 가공한 후 가공된 데이터를 AI모델에 학습시켜 객체 탐지 및 분류 작업을 수행하는 객체탐지 시스템으로서, 획득한 정사영상 데이터에 좌표정보가 부재할 경우 객체별 상대 크기를 메타데이터(metadata)로 기록하고, 획득한 정사영상 데이터에 좌표정보가 존재할 경우 객체별 실제 크기의 범위를 메타데이터(metadata)기록하는 데이터셋 구축부; 학습 시 분류되는 객체 간의 상태 크기를 기반으로 분류하는 상대크기 분류부; 극단치(outlier)에 대해서 객체 분류를 다르게 하도록 하여 분류 성능을 향상시키는 분류성능 향상부; 객체의 클래스(class)별로 등장할 수 있는 크기의 범위를 설정하고, 바운딩박스(Bbox)의 크기를 계산해 분류를 수행하는 절대크기 분류부; 및 상기 절대크기 분류부의 객체를 분류하는 분류(classification) 과정에서 바운딩박스(Bbox)의 크기를 확인하고, 기 설정된 객체들의 크기와 비교하여 최종 분류 결과에 오탐지 확률을 저감시킬 수 있도록 재학습을 수행하여 분류자(classifier)를 학습시키는 분류자 학습부;를 포함하는 것을 구성의 요지로 한다.
참조데이터를 활용한 위성, 드론 영상 초해상화 시스템이 개시된다. 본 발명의 실시예에 따른 위성, 드론 영상 초해상화 시스템은, HR 영상을 다운샘플링(down-sampling)하여 생성된 LR 영상과 그에 대응하는 HR 영상을 활용해 백본모델(backbone model)을 학습하는 백본모델 학습부; 타겟 영상과 동일 지역에 대한 위치정보를 기반으로 참조 공간정보 데이터를 확보하는 참조데이터 획득부; 상기 참조데이터 획득부로부터 확보된 참조 공간정보 데이터를 공간정보 추출 모듈(Spatial Information Extract Module, SIEM)을 통해 분석하는 참조데이터 분석부; 해당 지역에 대한 참조 공간정보 데이터를 확보하고 이를 기반으로 추가적인 파인튜닝(fine-tuning)을 수행하는 특성정보 누적활용부; 및 상기 특성정보 누적활용부에 의해 기설정된 기준을 초과하는 수준의 특성정보를 누적하여 일반화(generalization)가 이루어지면, 이후 SR 모델은 해당 지역 처리 시에는 참조데이터 획득부 및 참조데이터 분석부의 운용을 생략하고 SR 결과를 출력하는 일반화 영상 출력부;를 포함하는 것을 구성의 요지로 한다.
본 발명은 이미지 데이터에 대한 세그먼트 마스킹(Segment Masking)을 수행하여 마스킹 데이터를 생성한 후, 생성된 마스킹 데이터에 기초하여 지오레퍼런싱(Georeferencing)을 수행할 수 있는 좌표 조정 서버 및 방법과 이를 포함하는 시스템에 관한 것이다. 좌표 조정 서버는, 기준 데이터와, 상기 기준 데이터의 좌표 정보를 기준으로 하여 좌표를 조정하고자 하는 타겟 데이터를 수집하는 데이터 수집 모듈, 상기 기준 데이터 및 상기 타겟 데이터 각각에 대한 세그먼트 마스킹(Segment Masking) 과정을 수행하여 기준 마스킹 데이터와 타겟 마스킹 데이터를 생성하는 마스킹 모듈 및 상기 기준 데이터, 상기 타겟 데이터, 상기 기준 마스킹 데이터 및 상기 타겟 마스킹 데이터에 기초하여 상기 타겟 데이터의 좌표를 조정하는 좌표 조정 모듈을 포함할 수 있다.
PAN 기반 영상융합을 통한 컬러 영상 생성 시스템이 제공되며, 현재 PAN(Panchromatic) 영상, 과거 고해상도 RGB(Red, Green, Blue) 영상 및 과거 PAN 영상을 입력하고, 현재 고해상도 RGB 영상을 수신하여 출력하는 사용자 단말 및 사용자 단말로부터 현재 PAN 영상, 과거 고해상도 RGB 영상 및 과거 PAN 영상을 입력 데이터로 수신하는 수신부, 기 구축된 생성모델에 입력 데이터를 입력하는 입력부, 생성모델에서 생성된 현재 고해상도 RGB 영상을 수신하는 생성부, 현재 고해상도 RGB 영상을 사용자 단말로 전송하는 전송부를 포함하는 생성 서비스 제공 서버를 포함한다.
PAN 기반 학습을 통한 컬러 영상 생성 시스템이 제공되며, 현재 PAN(Panchromatic) 영상, 과거 고해상도 RGB(Red, Green, Blue) 영상 및 과거 PAN 영상을 입력하고, 현재 고해상도 RGB 영상을 수신하여 출력하는 사용자 단말 및 사용자 단말로부터 현재 PAN 영상, 과거 고해상도 RGB 영상 및 과거 PAN 영상을 입력 데이터로 수신하는 수신부, 기 구축된 생성모델에 입력 데이터를 입력하는 입력부, 생성모델에서 생성된 현재 고해상도 RGB 영상을 수신하는 생성부, 현재 고해상도 RGB 영상을 사용자 단말로 전송하는 전송부를 포함하는 생성 서비스 제공 서버를 포함한다.
시계열 영상 기반 잔디 병반 탐지 시스템이 제공되며, 잔디를 촬영한 영상 데이터를 업로드하는 관리자 단말 및 관리자 단말로부터 영상 데이터를 수신하는 수신부, 영상 데이터를 시계열적으로 누적하는 시계열정렬부, 시계열적으로 누적된 영상 데이터에서 잔디의 상태를 전역적으로 파악하여 잔디의 전역적(Global) 상태인 글로벌 경향성을 추출하는 글로벌경향성분석부, 영상 데이터를 픽셀 단위로 분석한 잔디의 지역적(Local) 상태인 로컬 경향성을 글로벌 경향성과 비교하는 로컬경향성분석부, 로컬 경향성이 글로벌 경향성의 기준을 벗어나는 경우, 로컬 경향성이 발생한 영역을 병반이 탐지된 영역으로 추정 및 추출하는 병반탐지부를 포함하는 탐지 서비스 제공 서버를 포함한다.
PAN 기반 컬러 영상 생성 시스템이 제공되며, 현재 PAN(Panchromatic) 영상, 과거 고해상도 RGB(Red, Green, Blue) 영상 및 과거 PAN 영상을 입력하고, 현재 고해상도 RGB 영상을 수신하여 출력하는 사용자 단말 및 사용자 단말로부터 현재 PAN 영상, 과거 고해상도 RGB 영상 및 과거 PAN 영상을 입력 데이터로 수신하는 수신부, 기 구축된 생성모델에 입력 데이터를 입력하는 입력부, 생성모델에서 생성된 현재 고해상도 RGB 영상을 수신하는 생성부, 현재 고해상도 RGB 영상을 사용자 단말로 전송하는 전송부를 포함하는 생성 서비스 제공 서버를 포함한다.
본 발명은 입력되는 원본 데이터의 유형에 따라 의미론적(semantic), 광학적(photometric), 기하학적(geometric) 특성을 고려하여 3D 모델 상에서 정밀하게 표현할 영역과 러프하게 표현할 영역을 구분한 후, 구분된 결과에 기초하여 3D 모델을 생성함으로써, 자원 절약 및 3D 모델 품질 향상을 조화시킬 수 있는 3D 모델 생성 서버 및 방법과 이를 포함하는 시스템에 관한 것이다. 상기 3D 모델 생성 서버는, 미리 정의된 좌표 영역을 촬영 또는 센싱함으로써 생성되는 원본 데이터를 수신하는 데이터 수집 모듈, 상기 원본 데이터에 존재하는 복수의 영역을 미리 정의된 기준 정보에 따라 분류하여 정밀 영역(Precision Area)과 러프 영역(Rough Area)을 결정하는 전처리 모듈, 상기 정밀 영역 및 상기 러프 영역 각각에 대하여 3D 모델 생성의 기초가 되는 조정 포인트 클라우드(Adjusted Point Cloud)를 결정하는 결정 모듈 및 상기 조정 포인트 클라우드에 기초하여 3D 모델을 생성하는 생성 모듈을 포함할 수 있다.
본 발명은 대상체에 대한 3D 모델을 생성할 때, 대상체에 대한 텍스쳐(Texture), 즉 질감을 정확히 표현하기 위해 딥러닝(Deep Learning) 기반의 생성 모델을 이용함으로써 3D 모델의 시각적 완성도와 정확도를 대폭 향상시킬 수 있는 3D 텍스쳐 복원 서버 및 방법과 이를 포함하는 시스템에 관한 것이다. 상기 3D 텍스쳐 복원 서버는, 대상체를 촬영한 입력 이미지를 수신하는 데이터 수집 모듈, 상기 입력 이미지로부터 텍스쳐(Texture)가 누락된 누락 영역을 식별하고, 상기 누락 영역을 마스킹(Masking) 처리함으로써 마스킹 영역이 포함된 마스킹 이미지를 생성하는 전처리 모듈, 상기 입력 이미지 및 상기 마스킹 이미지에 기초하여 상기 마스킹 이미지를 대체하기 위한 대체 이미지를 생성하는 생성 모듈 및 상기 입력 이미지 및 상기 대체 이미지에 기초하여 3D 모델을 생성하는 후처리 모듈을 포함할 수 있다.
본 발명은 이미지 데이터에 대한 세그먼트 마스킹(Segment Masking)을 수행하여 마스킹 데이터를 생성한 후, 생성된 마스킹 데이터에 기초하여 지오레퍼런싱(Georeferencing)을 수행할 수 있는 좌표 조정 서버 및 방법과 이를 포함하는 시스템에 관한 것이다. 좌표 조정 서버는, 기준 데이터와, 상기 기준 데이터의 좌표 정보를 기준으로 하여 좌표를 조정하고자 하는 타겟 데이터를 수집하는 데이터 수집 모듈, 상기 기준 데이터 및 상기 타겟 데이터 각각에 대한 세그먼트 마스킹(Segment Masking) 과정을 수행하여 기준 마스킹 데이터와 타겟 마스킹 데이터를 생성하는 마스킹 모듈 및 상기 기준 데이터, 상기 타겟 데이터, 상기 기준 마스킹 데이터 및 상기 타겟 마스킹 데이터에 기초하여 상기 타겟 데이터의 좌표를 조정하는 좌표 조정 모듈을 포함할 수 있다.
높이정보를 활용한 객체 탐지 분할 모델 구현시스템이 개시된다. 본 발명의 실시예에 따른 객체 탐지 분할 모델 구현시스템은, 위성, 항공 드론으로부터 획득한 정사영상 데이터를 수용한 후, 수용된 정사영상 데이터에서 픽셀별 객체를 분할하는 객체분할모듈; 해당 지역에 대한 수치 표면 모형(DSM: Digital surface model) 데이터, 또는 전자광학(EO: Electro-Optical) 위성 데이터를 활용한 높이 예측값을 바탕으로 해당지역의 분할된 각 객체의 높이값을 산출하는 높이추정모듈; 및 상기 객체분할모듈과 높이추정모듈로부터 획득한 결과를 결합하여 최종 토지피복(land cover) 데이터 및 최종 토지이용(land use) 데이터에 대한 객체 분할 결과값을 출력하는 최종분할모듈;을 포함하는 것을 구성의 요지로 한다.
공간정보를 활용한 객체 탐지 시스템이 제공되며, 위성영상을 업로드하고, 위성영상 내 객체를 탐지한 결과를 출력하는 사용자 단말 및 사용자 단말로부터 위성영상을 업로드받는 수신부, 위성영상 내 타깃객체의 위치를 탐지(Localization)하여 경계박스(Bounding Box)로 표시하는 탐지부, 경계박스 내 타깃객체의 종류 및 종류의 확률값을 경계박스에 표시하여 분류(Classification)하는 분류부, 위성영상 내 영역별 공간정보를 생성하는 영역분할부, 영역별 공간정보에 기 매핑된 타깃객체의 영역별 가중치를, 타깃객체의 종류의 확률값에 부여하여 타깃객체의 종류를 확정하도록 하는 확정부를 포함하는 객체탐지서버를 포함한다.
사용자 요구 기반 위성영상 제공 시스템이 제공되며, 위성영상의 요구사항을 입력하고, 요구사항에 대응하는 위성영상을 수신하여 출력하는 사용자 단말 및 사용자 단말의 요구사항을 입력받는 수신부, 요구사항에 대응하는 위성영상을 검색하는 검색부, 요구사항에 대응하는 위성영상이 존재하지 않는 경우, 요구사항이 반영되도록 위성영상을 생성하여 사용자 단말로 제공하는 제공부를 포함하는 위성영상 제공 서버를 포함한다.
사용자 맞춤형 좌표계 변환 지도 제공 플랫폼 시스템이 개시된다. 본 발명의 실시예에 따른 사용자 맞춤형 좌표계 변환 지도 제공 플랫폼 시스템은, 사용자로부터 입력되는 요구사항을 수용하는 사용자 입력부; 상기 사용자 입력부를 통해 입력된 요구사항 관련 데이터를 바탕으로 사용자의 요구사항을 분석하는 입력값 분석부; 상기 입력값 분석부를 통해 분석된 결과 데이터를 바탕으로 기설정된 기준에 따라 추천 좌표계를 사용자에게 출력하고, 사용자에 의해 선택된 좌표계를 입력받는 좌표계 추천부; 상기 좌표계 추천부를 통해 선택된 좌표계를 지도에 반영하는 선택좌표계 적용부; 및 상기 선택좌표계 적용부를 통해 반영된 지도를 사용자의 스마트디바이스에 어플리케이션 플랫폼 형태로 출력하는 지도데이터 출력부;를 포함하는 것을 구성의 요지로 한다.
본 발명은 강우량, 3차원의 지형 데이터, 서로 다른 기상 환경에서 수집된 복수의 열화상 데이터를 조합함으로써, 소정 좌표 영역(예: 골프장)에 대하여 강우량에 따른 침수 코스를 예측할 수 있는 침수 예측 서버 및 시스템에 관한 것이다. 상기 침수 가능성 예측 서버는, 미리 정의된 좌표 영역에 대한 강우량 데이터와, 지형 데이터와, 열화상 데이터를 포함하는 기초 데이터를 수집하는 데이터 수집 모듈, 상기 강우량 데이터, 상기 지형 데이터 및 상기 열화상 데이터에 기초하여 상기 좌표 영역에 포함된 세부 영역 각각에 대한 침수 확률을 산출하는 산출 모듈 및 상기 침수 확률에 기초하여 상기 좌표 영역 중 침수 가능성이 높은 위험 지역을 도출하여 출력하는 출력 모듈을 포함할 수 있다.
본 발명은 사용자의 요구에 따라 영상 데이터(예: 위성 영상, 항공 영상, 드론 영상 등)에 대한 초해상화 방법을 달리할 수 있는 초해상화 서버 및 방법과 이를 포함하는 시스템에 관한 것이다. 상기 초해상화 서버는, 영상 데이터 및 상기 영상 데이터에 대한 사용자의 니즈와 관련한 요구 정보를 수신하는 데이터 수집 모듈, 상기 요구 정보에 따라 상기 영상 데이터를 초해상화 하여 고해상도 영상을 생성하는 초해상화 모듈 및 상기 고해상도 영상 및 상기 고해상도 영상에 대한 신뢰도 정보를 출력하는 출력 모듈을 포함할 수 있다.
본 발명은 입력되는 원본 데이터의 유형에 따라 의미론적(semantic), 광학적(photometric), 기하학적(geometric) 특성을 고려하여 3D 모델 상에서 정밀하게 표현할 영역과 러프하게 표현할 영역을 구분한 후, 구분된 결과에 기초하여 3D 모델을 생성함으로써, 자원 절약 및 3D 모델 품질 향상을 조화시킬 수 있는 3D 모델 생성 서버 및 방법과 이를 포함하는 시스템에 관한 것이다. 상기 3D 모델 생성 서버는, 미리 정의된 좌표 영역을 촬영 또는 센싱함으로써 생성되는 원본 데이터를 수신하는 데이터 수집 모듈, 상기 원본 데이터에 존재하는 복수의 영역을 미리 정의된 기준 정보에 따라 분류하여 정밀 영역(Precision Area)과 러프 영역(Rough Area)을 결정하는 전처리 모듈, 상기 정밀 영역 및 상기 러프 영역 각각에 대하여 3D 모델 생성의 기초가 되는 조정 포인트 클라우드(Adjusted Point Cloud)를 결정하는 결정 모듈 및 상기 조정 포인트 클라우드에 기초하여 3D 모델을 생성하는 생성 모듈을 포함할 수 있다.
본 발명은 인공지능 기반의 물체 탐지와 수동 편집을 결합하여 수치 표면 모델(DSM)로부터 수치 지형 모델(DTM)을 생성할 수 있는 수치 지형 모델 생성 서버 및 방법과 이를 포함하는 시스템에 관한 것이다. 상기 수치 지형 모델 생성 방법은, 미리 정의된 좌표 영역에 대한 이미지 데이터 및 3차원 형태의 수치 표면 모델(DSM)을 수신하는 단계, 상기 이미지 데이터 및 상기 수치 표면 모델을 기초로 상기 좌표 영역에 존재하는 비지형 오브젝트(Non-Terrain Object)에 관한 비지형 정보를 판단하는 단계 및 상기 수치 표면 모델 및 상기 비지형 정보에 기초하여 수치 지형 모델(DTM)을 생성하는 단계를 포함하되, 상기 수치 표면 모델은, 지표면과 상기 지표면 상에 존재하는 오브젝트 모두의 높이를 나타내는 3차원 데이터를 포함하고, 상기 수치 지형 모델은, 상기 지표면 만의 높이를 나타내는 3차원 데이터를 포함할 수 있다.
본 발명은 전기 광학(Electro-optical) 영상 뿐만 아니라 다중 분광(Multi-spectral) 영상을 활용함으로써 객체 분할(Segmentation) 뿐 아니라 객체 군집화(Clustering)를 수행할 수 있는 오브젝트 군집화 서버 및 방법과 이를 포함하는 시스템에 관한 것이다. 상기 오브젝트 군집화 서버는, 위성 영상을 수신하는 데이터 수집 모듈, 상기 위성 영상에 포함된 오브젝트(Object)를 분할하여 분할 결과를 생성하는 분할 모듈, 상기 분할 결과에 포함된 상기 분할된 오브젝트의 특징(Feature)을 추출하는 추출 모듈 및 상기 추출된 특징을 기초로 상기 위성 영상에 포함된 상기 오브젝트에 대한 군집화를 수행하여 군집화 결과를 생성하는 군집화 모듈을 포함할 수 있다.
본 발명은 대상체에 대한 3D 모델을 생성할 때, 대상체에 대한 텍스쳐(Texture), 즉 질감을 정확히 표현하기 위해 딥러닝(Deep Learning) 기반의 생성 모델을 이용함으로써 3D 모델의 시각적 완성도와 정확도를 대폭 향상시킬 수 있는 3D 텍스쳐 복원 서버 및 방법과 이를 포함하는 시스템에 관한 것이다. 상기 3D 텍스쳐 복원 서버는, 대상체를 촬영한 입력 이미지를 수신하는 데이터 수집 모듈, 상기 입력 이미지로부터 텍스쳐(Texture)가 누락된 누락 영역을 식별하고, 상기 누락 영역을 마스킹(Masking) 처리함으로써 마스킹 영역이 포함된 마스킹 이미지를 생성하는 전처리 모듈, 상기 입력 이미지 및 상기 마스킹 이미지에 기초하여 상기 마스킹 이미지를 대체하기 위한 대체 이미지를 생성하는 생성 모듈 및 상기 입력 이미지 및 상기 대체 이미지에 기초하여 3D 모델을 생성하는 후처리 모듈을 포함할 수 있다.
본 발명은 오브젝트의 외곽 형태에 따라 바운딩 박스를 자동으로 회전시킴으로써 오브젝트의 형태에 맞는 라벨링 과정을 자동화할 수 있는 라벨링 서버 및 이를 포함하는 시스템에 관한 것이다. 상기 라벨링 서버는, 사용자 단말로부터 복수의 오브젝트를 포함하는 이미지 데이터와, 상기 이미지 데이터에 대하여 사용자가 선택한 선택 바운딩 박스를 포함하는 사용자 응답을 수신하는 데이터 수집 모듈, 상기 선택 바운딩 박스에 기초하여 상기 이미지 데이터에 포함된 상기 복수의 오브젝트에 대한 회전 바운딩 박스를 생성하는 수정 모듈 및 상기 이미지 데이터에 상기 회전 바운딩 박스를 표시하여 상기 사용자 단말에 제공하는 출력 모듈을 포함하되, 상기 수정 모듈은, 상기 선택 바운딩 박스에 포함된 타겟 오브젝트의 외곽 형태에 따라 상기 회전 바운딩 박스를 생성할 수 있다.
본 발명은 이미지 데이터에 대한 세그먼트 마스킹(Segment Masking)을 수행하여 마스킹 데이터를 생성한 후, 생성된 마스킹 데이터에 기초하여 지오레퍼런싱(Georeferencing)을 수행할 수 있는 좌표 조정 서버 및 방법과 이를 포함하는 시스템에 관한 것이다. 좌표 조정 서버는, 기준 데이터와, 상기 기준 데이터의 좌표 정보를 기준으로 하여 좌표를 조정하고자 하는 타겟 데이터를 수집하는 데이터 수집 모듈, 상기 기준 데이터 및 상기 타겟 데이터 각각에 대한 세그먼트 마스킹(Segment Masking) 과정을 수행하여 기준 마스킹 데이터와 타겟 마스킹 데이터를 생성하는 마스킹 모듈 및 상기 기준 데이터, 상기 타겟 데이터, 상기 기준 마스킹 데이터 및 상기 타겟 마스킹 데이터에 기초하여 상기 타겟 데이터의 좌표를 조정하는 좌표 조정 모듈을 포함할 수 있다.
본 발명은 위성 영상에 노이즈(예: 구름, 안개, 그림자 등)가 존재하는 경우, 해당 노이즈를 대체할 대체 영상을 생성함으로써 위성 영상을 복원할 수 있는 위성 영상 복원 서버 및 방법과 이를 포함하는 시스템에 관한 것이다. 상기 위성 영상 복원 서버는, 위성 영상에서 노이즈 영역을 판단하고, 상기 판단된 노이즈 영역을 마스킹(Masking)하여 마스킹 영역을 생성하는 전처리 모듈, 상기 마스킹 영역에 포함된 객체(Object)의 변화율을 판단함으로써 상기 마스킹 영역에 대한 변화율 정보를 생성하는 변화율 판단 모듈 및 상기 변화율 정보에 기초하여 상기 마스킹 영역을 대체할 대체 영상을 생성하는 생성 모듈을 포함할 수 있다.
본 발명은 사용자로부터 위성 영상에 관련한 니즈(Needs)를 수신하고 수신된 사용자의 니즈에 맞는 위성 영상 리스트를 제시함으로써, 사용자로 하여금 필요한 정보의 종류에 따른 위성 영상을 검색할 수 있도록 하는 위성 영상 추천 서버 및 방법과 이를 포함하는 시스템에 관한 것이다. 상기 위성 영상 추천 방법은, 사용자에 대한 사용자 단말에 위성 영상 선택에 관련한 선택 인터페이스를 제공하는 단계, 상기 선택 인터페이스에 대한 상기 사용자의 응답에 기초하여 저장된 복수의 위성 영상 중 상기 사용자의 응답에 상응하는 위성 영상 추천 리스트를 생성하는 단계, 상기 위성 영상 추천 리스트를 상기 사용자 단말에 제공하는 단계, 상기 위성 영상 추천 리스트 중 상기 사용자가 선택한 위성 영상인 선택 위성 영상에 관한 정보를 수신하는 단계 및 상기 선택 위성 영상을 상기 사용자 단말에 제공하는 단계를 포함할 수 있다.
특허청 KIPRIS · 2026-10-15 조회 · 최신 출원순 · 오른쪽은 등록일(등록 전은 출원일) · 전체 72건 중 50건 · 줄을 누르면 자세한 내용이 펼쳐집니다 ▾
지금은 공공자료(국민연금 · 전자공시 · 특허 · 명부 · 보도)만 있습니다. 회사가 IR Room에 자료를 내면 L1로 올라갑니다. 저희는 회사에 점수나 등급을 매기지 않습니다 — 어디까지 확인했는지만 적습니다.
| 단위 억원 | 2024 | 2025 |
|---|---|---|
| 영업수익(매출액) | 34.1 | 62.3 |
| 영업비용 | 113.0 | 129.2 |
| 영업이익(손실) | (79.0) | (66.9) |
| 영업외수익 | 5.8 | 4.4 |
| 기타이익 | 0.3 | 2.9 |
| 금융수익 | 5.5 | 1.5 |
| 영업외비용 | 6.3 | 35.0 |
| 기타손실 | 1.3 | 0.2 |
| 금융원가 | 5.0 | 34.8 |
| 법인세비용차감전순이익(손실) | (79.5) | (97.5) |
| 당기순이익(손실) | (79.5) | (97.5) |
매출은 62.3억으로 전년 대비 82.7% 증가한 것으로 나타났다.
영업이익률은 -107.4%로 전년 -231.7%에서 상승했다.
당기순이익은 -97.5억으로 나타났다.
여기 실린 것보다 깊은 자료가 필요하십니까. 추가 정보 요청 — 종합 검토보고서 · 가치평가 · Executive Teaser · IM · 경쟁사 분석 · 실사 의뢰. 고르시면 산출비용과 걸리는 기간을 메일로 안내드립니다.
공개 기사의 제목 · 링크만 싣습니다 · 저희가 확인한 내용이 아닙니다(원문 ↗) · 「증권사 전망」은 확정 실적 아님 · 2026-11-08 확인