회사 자료를 불러오는 중…
회사 자료를 불러오는 중…
검증 단계 — 어디까지 확인했나
L0 · 국민연금 인력 · 공시 재무 · 특허 — 공공자료
서울특별시에 있는 2017년 설립 회사입니다. 전기ㆍ전자공학 연구개발업을 합니다. 2025년 그룹 연결 매출은 120억입니다. 자회사까지 합친 숫자이며 이 법인 하나의 매출이 아닙니다. 2026년 8월 기준 국민연금 가입자는 94명입니다. 외부감사를 받는 회사이고, 가장 최근 감사의견은 「적정」입니다. 보도로 확인된 투자유치가 1건 있습니다.
읽어오는 중입니다…
최근 출원 2025-02-10 · 최근 등록 2025-12-23 · 최신 출원순
동기화 방법 및 그 장치
본 발명은 카메라와 라이다 센서 간 정밀한 좌표계 변환을 위해 캘리브레이션 보드의 크기를 기반으로 센서 간 정렬의 정확성을 향상시키고자 한다. 본 발명의 일 실시예에 따른 서버는, 메모리; 및 상기 메모리와 통신을 수행하는 적어도 하나의 프로세서;를 포함하고, 상기 적어도 하나의 프로세서는, 이미지(image) 및 점군(point cloud) 데이터에 대한 각각 하나의 프레임을 추출하고, 상기 추출된 이미지 및 라이다 각각의 하나의 프레임에 포함된 캘리브레이션 보드(calibration board)에 대한 특징점을 식별하고, 상기 식별된 특징점을 기초로 상기 카메라 및 상기 라이다의 캘리브레이션을 수행하고, 상기 캘리브레이션 보드(calibration board)의 크기 정보를 획득하고, 상기 캘리브레이션 보드의 크기 정보를 기초로 상기 캘리브레이션을 수행한다.
본 발명은 상기와 같은 문제점을 해결하기 위해, 라이다 데이터의 특성을 고려하여 라이다와 카메라의 파라미터를 정확하고 효율적으로 캘리브레이션하는 방법을 제공하는 것을 목적으로 한다. 본 발명의 일 실시예에 따른 캘리브레이션 방법은, 데이터 생성 장치가, 카메라(camera)에 의해 촬영된 이미지(image) 및 라이다에 의해 획득된 점군(point cloud) 데이터에 대한 각각 하나의 프레임을 추출하는 단계; 상기 데이터 생성 장치가, 상기 추출된 이미지 및 라이다 각각의 하나의 프레임에 포함된 캘리브레이션 보드(calibration board)에 대한 특징점을 식별하는 단계; 상기 데이터 생성 장치가, 상기 식별된 특징점을 기초로 상기 카메라 및 상기 라이다의 캘리브레이션을 수행하는 단계; 를 포함하는 것을 특징으로 하고, 상기 캘리브레이션 하는 단계는, 상기 데이터 생성 장치가, 상기 캘리브레이션 보드(calibration board)에 대한 특징점을 기초로 RANSAC 알고리즘을 이용하여 타겟 평면을 생성하는 단계; 상기 점군을 상기 타겟 평면에 원근 투영하는 단계;를 포함한다
본 발명은 라이다 데이터의 거리 정보 기반 특성을 정확하게 반영하기 위해, 원근 투영법을 기반으로 거리 및 각도 정보를 활용하여 라이다와 카메라의 파라미터를 정확하고 효율적으로 캘리브레이션하는 방법 및 서버를 제공하는 것을 목적으로 한다. 본 발명의 일실시예에 따른 서버는, 메모리; 및 상기 메모리와 통신을 수행하는 적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로세서는, 이미지(image) 및 점군(point cloud) 데이터에 대한 각각 하나의 프레임을 추출하고, 상기 각각의 프레임에 포함된 캘리브레이션 보드(calibration board)에 대한 특징점을 식별하고, 상기 식별된 특징점을 기초로 상기 카메라 및 상기 라이다의 캘리브레이션을 수행하고 상기 특징점을 기초로 미리 결정된 RANSAC 알고리즘을 이용하여 타겟 평면을 생성하고, 상기 점군을 상기 타겟 평면에 원근 투영하도록 구성되고, 상기 이미지는 카메라로부터 획득되고, 상기 점군 데이터는 라이다로부터 획득되고, 상기 미리 결정된 알고리즘은, RANSAC 알고리즘인 것을 특징으로 한다. 본 발명은 2024년도 AI바우처 지원사업으로 수행으로 개발되었다.
본 발명은 증강점 개념을 도입하여 에지 점과 증강점을 이용하여 경계선을 더욱 정확하게 추정하는 방법을 제시한다. 본 발명의 일 실시예에 따른 캘리브레이션 방법은, 데이터 생성 장치가, 카메라(camera)에 의해 촬영된 이미지(image) 및 라이다에 의해 획득된 점군(point cloud) 데이터에 대한 각각 하나의 프레임을 추출하는 단계; 상기 데이터 생성 장치가, 상기 추출된 이미지 및 라이다 각각의 하나의 프레임에 포함된 캘리브레이션 보드(calibration board)에 대한 특징점을 식별하는 단계; 상기 데이터 생성 장치가, 상기 식별된 특징점을 기초로 상기 카메라 및 상기 라이다의 캘리브레이션을 수행하는 단계; 를 포함하는 것을 특징으로 하고, 상기 특징점을 식별하는 단계는, 상기 점군 데이터를 구성하는 에지 포인트를 기초로 증강 포인트를 생성하는 단계; 상기 에지 포인트 및 상기 증강 포인트의 위치정보를 기초로 상기 캘리브레이션 보드(calibration board)의 상기 특징점을 다시 결정하는 단계를 포함한다.
동기화 방법 및 그 장치
본 발명은 지도를 이용하여 라이다들 사이의 캘리브레이션을 수행하는 방법을 제안한다. 상기 방법은 지도 작성 장치가 기 작성된 지도(map)에 제2 라이다(LiDAR)에 의해 수집된 점군 데이터(point cloud)를 맵핑(mapping)하는 단계; 상기 지도 작성 장치가, 상기 기 작성된 지도에 대응되도록 상기 제2 라이다에 의해 수집된 점군 데이터를 정합(registration)하는 단계; 상기 지도 작성 장치가, 상기 정합된 결과를 기반으로 제2 라이다의 포즈(pose)를 업데이트하는 단계; 및 상기 지도 작성 장치가, 상기 제2 라이다에 대한 모션 보정(motion correction)을 수행한 후, 상기 제2 라이다에 의해 새롭게 수집된 점군 데이터를 상기 기 작성된 지도에 맵핑하고, 점군 데이터를 정합하고 제2 라이다의 포즈를 업데이트하는 과정을 반복적으로 수행하는 단계를 포함한다. 본 발명은 산업통상자원부/한국산업기술평가관리원의 지원으로 개발(과제번호-20017992/사업명-우수기업연구소육성사업/과제명-자율주행 시 안전성 보장을 위한 3D 스캐닝 기술 기반 실시간 위험감지 및 지도제작 솔루션개발)된 것이다.
본 발명은 라이다로부터 획득된 점군 데이터의 좌표를 이용하여 다중 카메라들 사이의 파라미터를 최적화하는 방법을 제안한다. 상기 방법은 지도 작성 장치가, 복수개의 카메라들로부터 촬영된 복수개의 이미지들 및 상기 복수개의 이미지들과 동시에 라이다로부터 획득된 제1 점군 데이터를 수신하는 단계, 상기 지도 작성 장치가, 상기 제1 점군 데이터를 기 저장된 지도에 포함된 제2 점군 데이터와 맵핑(mapping)하여, 상기 기 저장된 지도 및 상기 라이다 사이의 파라미터를 추정하는 단계, 상기 지도 작성 장치가, 상기 제1 점군 데이터 및 상기 제2 점군 데이터 중 적어도 하나를 상기 복수개의 이미지들에 투영하되, 상기 추정된 파라미터를 기초로 상기 제1 점군 데이터 및 상기 제2 점군 데이터 중 적어도 하나의 좌표와 대응되는 이미지 상의 좌표를 추정하는 단계 및 상기 지도 작성 장치가, 상기 추정된 이미지 상의 좌표 및 상기 추정된 이미지 상의 좌표와 대응되는 기 설정된 이미지 상의 목표 좌표 사이의 오차를 기초로 상기 복수개의 카메라들 사이의 파라미터를 최적화하는 단계를 포함할 수 있다. 본 발명은 산업통상자원부/한국산업기술평가관리원의 지원으로 개발(과제번호-20022003/사업명-자동차산업기술개발사업/과제명-종횡방향 연동기반 산업용 자율주행 및 안정성 확보기술 개발)된 것이다.
본 발명은 지도의 좌표를 이용하여 다중 카메라들 사이의 파라미터를 최적화하는 방법을 제안한다. 상기 방법은 지도 작성 장치가, 서로 고정되어 설치된 복수개의 카메라들로부터 촬영된 복수개의 이미지들을 수신하는 단계, 상기 지도 작성 장치가, 상기 복수개의 이미지들에 상기 기 저장된 지도에 포함된 점군 데이터를 투영하여, 상기 기 저장된 지도에 포함된 점군 데이터의 좌표와 대응되는 이미지 상의 좌표를 추정하는 단계 및 상기 지도 작성 장치가, 상기 추정된 이미지 상의 좌표 및 상기 추정된 이미지 상의 좌표와 대응되는 기 설정된 이미지 상의 목표 좌표 사이의 오차를 기초로 상기 복수개의 카메라들 사이의 파라미터를 최적화하는 단계를 포함하는 것을 특징으로 할 수 있다. 본 발명은 국토교통부/국토교통과학기술진흥원의 지원으로 개발(과제번호 RS-2021-KA160637)된 것이다.
본 발명은 카메라의 이미지 왜곡을 고려하여 라이다와 카메라에 대한 파라미터를 최적화하는 방법을 제안한다. 상기 방법은 지도 작성 장치가, 라이다로부터 획득된 제1 점군 데이터를 카메라에 의해 촬영된 이미지에 투영하여 제1 파라미터를 획득하는 단계, 상기 지도 작성 장치가, 상기 획득된 제1 파라미터를 최적화하되, 이미지의 왜곡을 고려하여 변화된 제2 파라미터를 획득하는 단계, 상기 지도 작성 장치가, 상기 제1 파라미터를 기초로 획득된 제1 점군 데이터 및 목표 점군 데이터와의 제1 오차와, 상기 제2 파라미터를 기초로 획득된 제2 점군 데이터 및 목표 점군 데이터와의 제2 오차를 계산하는 단계 및 상기 지도 작성 장치가, 상기 제1 오차가 상기 제2 오차보다 큰 경우, 상기 제2 파라미터를 최적화된 파라미터로 결정하는 단계를 포함할 수 있다. 본 발명은 국토교통부/국토교통과학기술진흥원의 지원으로 개발(과제번호 RS-2021-KA160637)된 것이다.
본 발명은 캘리브레이션 보드를 이용하여 자동으로 카메라와 라이다 사이의 캘리브레이션을 수행하는 방법을 제안한다. 상기 방법은 지도 작성 장치가 캘리브레이션 보드(calibration board)를 대상으로, 라이다(LiDAR)에 의해 획득된 둘 이상의 점군 데이터로부터 상기 캘리브레이션 보드에 대응되는 평면(flat) 영역을 각각 검출하는 단계; 상기 지도 작성 장치가 상기 둘 이상의 점군 데이터의 획득 시점에 카메라에 의해 각각 촬영된 둘 이상의 이미지들로부터 상기 캘리브레이션 보드에 대응되는 영역을 각각 식별하고, 상기 식별된 캘리브레이션 보드에 대응되는 영역과 상기 평면 영역을 매칭시켜, 3차원 공간 좌표에서 상기 캘리브레이션 보드의 초기 위치를 각각 추정하는 단계; 상기 지도 작성 장치가 상기 캘리브레이션 보드의 초기 위치에 대한 좌표들과 상기 평면 영역에 대한 좌표들을 서로 정합(registration)하는 단계; 및 상기 지도 작성 장치가 상기 정합된 좌표들을 기준으로 상기 카메라의 포즈(pose)를 결정하는 단계를 포함할 수 있다. 본 발명은 산업통상자원부/한국산업기술평가관리원의 지원으로 개발(과제번호-20017992/사업명-우수기업연구소육성사업/과제명-자율주행 시 안전성 보장을 위한 3D 스캐닝 기술 기반 실시간 위험감지 및 지도제작 솔루션개발)된 것이다.
본 발명은 3차원 공간 좌표와 2차원 이미지 좌표 사이의 관계를 기반으로 카메라에 관한 파라미터를 추정하고 최적화할 수 있는 방법을 제안한다. 상기 방법은 지도 작성 장치가 동일한 이동수단에 설치된 라이다 및 카메라에 의해 각각 획득 및 촬영된 점군 데이터와 이미지를 기반으로 지도(map)를 작성하는 단계; 상기 지도 작성 장치가 상기 작성된 지도를 구성하는 점군 데이터 중에서 3차원 포인트(3D point)를 선택하고 상기 지도를 구성하는 이미지 중에서 2차원 포인트(2D point)를 선택하되, 상기 3차원 포인트 및 2차원 포인트는 서로 동일한 위치를 지시하도록 선택되는 단계; 및 상기 지도 작성 장치가 상기 선택된 3차원 포인트가 2차원 포인트에 투영되는 조건에 따라 상기 카메라의 외적 파라미터(extrinsic parameter)를 추정하는 단계를 포함한다. 본 발명은 산업통상자원부/한국산업기술평가관리원의 지원으로 개발(과제번호-20022003/사업명-자동차산업기술개발사업/과제명-종횡방향 연동기반 산업용 자율주행 및 안정성 확보기술 개발)된 것이다.
본 발명은 이미지 분석을 통해 획득된 건축물 정보를 이용하여, 3차원 건축물 모델을 생성할 수 있는 이미지를 이용한 건축물 모델링 방법을 제안한다. 상기 방법은 모델링 서버가, 건축물에 대한 적어도 하나의 이미지를 수신하는 단계, 상기 모델링 서버가, 상기 수신된 적어도 하나의 이미지를 분석하여 상기 건축물에 대한 건축물 정보를 획득하는 단계 및 상기 모델링 서버가, 상기 획득된 건축물 정보를 기초로 상기 건축물에 대한 3차원 건축물 모델을 생성하는 단계를 포함할 수 있다.
본 발명은 이미지 및 점군 데이터를 이용하여 건축물의 패턴을 분석하여 3차원 건축물 모델을 생성할 수 있는 분할 모듈을 이용한 건축물 모델링 방법을 제안한다. 상기 방법은 모델링 서버가, 카메라(camera)를 통해 촬영된 건축물에 대한 이미지 및 상기 이미지와 함께 라이다(lidar)에 의해 획득된 점군(point cloud) 데이터를 수신하는 단계, 상기 모델링 서버가, 상기 수신된 이미지 및 점군 데이터를 기초로 상기 건축물의 패턴을 분석하여 상기 건축물을 복수의 단위건축물모듈로 분할하는 단계, 상기 모델링 서버가, 상기 분할된 복수의 단위건축물모듈 각각에 대응되는 단위건축물모델을 추정하는 단계 및 상기 모델링 서버가, 상기 추정된 단위건축물모델을 조합하여 3차원 건축물 모델을 생성하는 단계를 포함할 수 있다. 본 발명은 중소벤처기업부/중소기업기술정보진흥원의 지원(과제번호 RS-2023-00280735/사업명-중소기업기술혁신개발사업/과제명-모빌리티 친화적 보행 공간 인프라 구축을 위한 정밀지도 제작 기술 개발)으로 수행된 것이다.
본 발명은 도로를 이동하는 차량에 탑재된 라이다(lidar)로부터 획득된 점군 데이터를 이용하여, 광범위한 영역에 대한 3차원 지도를 고 퀄리티로 구현하기 위한, 디지털 트윈 기반의 도로 생성 방법을 제안한다. 상기 방법은 지도 생성 장치가, 도로를 이동하는 차량에 탑재된 라이다(lidar)를 통해 획득된 점군(point cloud) 데이터를 수신하는 단계, 상기 지도 생성 장치가, 상기 수신된 점군 데이터를 통해 상기 도로에 관한 도로 정보를 획득하는 단계 및 상기 지도 생성 장치가, 상기 획득된 도로 정보를 기초로 3차원 지도 상에 사전 저장된 도로 모델을 생성하는 단계를 포함할 수 있다. 본 발명은 산업통상자원부/한국산업기술평가관리원의 지원(과제번호-20022003/사업명-자동차산업기술개발사업/과제명-종횡방향 연동기반 산업용 자율주행 및 안정성 확보기술 개발)으로 수행된 것이다.
동기화 방법 및 그 장치
본 발명은 가상 현실 공간 내에서 사용자에게 현실과 유사한 실감 체험을 제공할 수 있는, 디지털 트윈 기반 가상 현실 공간 제공 방법을 제안한다. 상기 방법은 서비스 제공 장치가, 적어도 하나의 건물에 대한 2차원 설계 도면을 수신하는 단계, 상기 서비스 제공 장치가, 상기 수신된 2차원 설계 도면을 기초로 3차원 건물 모델을 생성하는 단계 및 상기 서비스 제공 장치가, 상기 생성된 3차원 건물 모델을 가공하여 가상 현실 공간을 생성하는 단계를 포함할 수 있다.
본 발명은 항공 뷰 영상을 이용하여 제작된 3차원 지도 상에 3차원 객체를 생성하기 위한, 항공 뷰 영상 기반 지도의 3차원 객체 생성 방법을 제안한다. 상기 방법은 지도 생성 장치가, 항공 뷰(aerial view) 영상을 기초로 생성된 지도 상에 적어도 하나의 3차원 객체 모델을 생성하기 위한 가공 영역을 지정하는 단계, 상기 지도 생성 장치가, 상기 지정된 가공 영역에 생성할 객체 모델의 종류를 선택하는 단계 및 상기 지도 생성 장치가, 상기 선택된 종류에 대응하여 사전 저장된 객체 모델을 상기 지정된 가공 영역 내에 생성하는 단계를 포함할 수 있다.
본 발명은 항공 뷰 영상을 이용하여 제작된 3차원 지도 상에 교통 정보를 생성하기 위한, 항공 뷰 영상 기반 지도의 교통 정보 생성 방법을 제안한다. 상기 방법은 지도 생성 장치가, 항공 뷰(aerial view) 영상을 기초로 생성된 지도 상에 도로 모델을 생성하는 단계 및 상기 지도 생성 장치가, 상기 생성된 도로 모델에 교통 정보를 생성하는 단계를 포함할 수 있다.
본 발명은 항공 뷰 영상을 이용하여 제작된 3차원 지도 상에 도로를 생성하기 위한, 항공 뷰 영상 기반 지도의 도로 생성 방법을 제안한다. 상기 방법은 지도 생성 장치가, 항공 뷰(aerial view) 영상을 기초로 생성된 지도 상에 적어도 하나의 3차원 도로 모델을 생성하기 위한 단위 도로 모델을 상기 지도 상에 생성하는 단계, 상기 지도 생성 장치가, 상기 생성된 단위 도로 모델을 상기 지도 상의 대응되는 도로에 배치하는 단계 및 상기 지도 생성 장치가, 상기 배치된 단위 도로 모델을 연장하여 도로 모델을 생성하는 단계를 포함할 수 있다.
동기화 방법 및 그 장치
본 발명은 도로를 주행하는 차량에 탑재된 카메라에 의해 촬영된 이미지에서 시설물을 검출하고, 검출된 시설물에 기재된 텍스트를 인식하여 시설물의 종류를 식별할 수 있는 텍스트 인식을 통한 시설물 관리 방법을 제안한다. 상기 방법은 데이터 가공 장치가, 카메라(camera)에 의해 촬영된 이미지(image) 상에서 사전 설정된 시설물에 대응되는 객체를 식별하는 단계, 상기 데이터 가공 장치가, 상기 식별된 객체 내에 포함된 텍스트를 인식하는 단계 및 상기 데이터 가공 장치가, 상기 인식된 텍스트를 기초로 상기 식별된 객체에 대응되는 시설물의 종류를 식별하는 단계를 포함할 수 있다. 본 발명은 국토교통부/국토교통과학기술진흥원의 지원(과제번호 RS-2021-KA160637)으로 개발된 기술이다.
본 발명은 카메라로부터 촬영된 이미지 상에서 객체를 검출하기 위한 인공지능 모델의 정확도를 최대한 유지하면서, 추론 속도를 높일 수 있는 인공지능 모델의 경량화 방법을 제안한다. 상기 방법은 데이터 가공 장치가, 제1 데이터 셋에 의해 기계 학습된 인공지능 모델에 대하여 프루닝(pruning)을 수행하는 단계, 상기 데이터 가공 장치가, 상기 프루닝 수행된 인공지능 모델을 양자화(quantization)시키는 단계 및 상기 데이터 가공 장치가, 상기 제1 데이터 셋 보다 많은 데이터 양을 포함하는 제2 데이터 셋으로 사전 학습된 타 인공지능 모델을 모방하여 인공지능 모델을 학습하는 단계를 포함할 수 있다. 본 발명은 국토교통부/국토교통과학기술진흥원의 지원(과제번호 RS-2021-KA160637)으로 개발된 기술이다.
본 발명은 지도를 생성하기 위하여 데이터를 획득하는 과정에서 동적 객체에 따른 노이즈를 제거하기 위한 노이즈 제거 방법을 제안한다. 상기 방법은 데이터 가공 장치가, 라이다(lidar)로부터 획득된 점군(point cloud) 데이터 및 카메라(camera)에 의해 촬영된 이미지(image)를 수신하는 단계, 상기 데이터 가공 장치가, 상기 이미지로부터 사전 설정된 객체를 식별하는 단계, 상기 데이터 가공 장치가, 상기 점군 데이터에서 상기 이미지로부터 식별된 객체에 해당되는 점군을 삭제하는 단계 및 상기 데이터 가공 장치가, 상기 객체에 해당되는 점군이 삭제된 점군 데이터를 기초로 지도를 생성하는 단계를 포함할 수 있다. 본 발명은 산업통상자원부/한국산업기술평가관리원의 지원(과제번호-20017992/사업명-우수기업연구소육성사업(ATC+)/과제명-자율주행 시 안전성 보장을 위한 3D 스캐닝 기술 기반 실시간 위험감지 및 지도제작 솔루션개발)으로 개발된 기술이다.
본 발명은 항공 라이다로부터 획득된 항공 점군 데이터를 기초로 건물의 루프에 해당되는 점군을 획득하여 건물을 모델링하기 위한, 항공 라이다를 이용한 건물 모델링 방법을 제안한다. 상기 방법은 데이터 생성 장치가, 비행 장치에 장착된 라이다(lidar)로부터 획득된 항공 점군(point cloud) 데이터에서 지면에 해당되는 점군 및 비지면에 해당되는 점군을 분리하는 단계, 상기 데이터 생성 장치가, 상기 비지면에 해당되는 점군 중 건물의 루프(roof)에 해당되는 점군을 분류하는 단계 및 상기 데이터 생성 장치가, 상기 분류된 점군을 기초로 건물을 모델링하는 단계를 포함할 수 있다. 본 발명은 산업통상자원부/한국산업기술평가관리원의 지원(과제번호-20022003/사업명-자동차산업기술개발사업/과제명-종횡방향 연동기반 산업용 자율주행 및 안정성 확보기술 개발)으로 개발된 기술이다.
본 발명은 GPS 정보를 기초로 생성된 정밀도로지도에서 GPS 신호 감도가 낮은 영역에 대하여, 타 센서로부터 획득된 데이터를 이용하여 지도를 갱신하기 위한, 지도 갱신 방법을 제안한다. 상기 방법은 데이터 생성 장치가, GPS(GPS, Global Positioning System) 장치에 의해 획득된 위치 정보 및 제1 라이다(lidar)로부터 획득된 제1 점군(point cloud) 데이터를 기초로 생성된 기준맵을 로드(load)하는 단계 및 상기 데이터 생성 장치가, 상기 기준맵 상의 경로를 주행하는 차량에 탑재된 제2 라이다로부터 획득된 제2 점군 데이터를 기초로 상기 기준맵을 갱신하는 단계를 포함할 수 있다. 본 발명은 산업통상자원부/한국산업기술평가관리원의 지원(과제번호-20017992/사업명-우수기업연구소육성사업(ATC+)/과제명-자율주행 시 안전성 보장을 위한 3D 스캐닝 기술 기반 실시간 위험감지 및 지도제작 솔루션개발)으로 개발된 기술이다.
본 발명은 점군 데이터에 포함된 특정 객체의 형상에 따른 특징을 이용한 라이다 및 관성측정장치의 캘리브레이션 방법을 제안한다. 상기 방법은 데이터 생성 장치가, 사전 정의되는 월드 좌표계 상에 차량에 탑재된 라이다(lidar)로부터 획득된 점군(point cloud) 데이터를 배치하는 단계, 상기 데이터 생성 장치가, 상기 배치된 점군 데이터 중 캘리브레이션(calibration)에 사용될 영역을 추출하는 단계, 상기 데이터 생성 장치가, 상기 추출된 영역에 포함된 적어도 하나의 객체를 식별하는 단계 및 상기 데이터 생성 장치가, 상기 식별된 적어도 하나의 객체에 포함된 점군을 사전 저장된 모델(model)에 피팅(fitting)하여 상기 점군 데이터에 대한 캘리브레이션을 수행하는 단계를 포함할 수 있다. 본 발명은 국토교통부/국토교통과학기술진흥원의 지원(과제번호 RS-2021-KA160637)으로 개발된 기술이다.
본 발명은 복수개의 라이다들의 캘리브레이션 방법을 제안한다. 상기 방법은 데이터 생성 장치가, 기준맵을 생성하기 위하여 제1 라이다(lidar)로부터 획득된 제1 점군(point cloud) 데이터, 상기 기준맵 상의 경로를 주행하는 차량에 탑재된 복수개의 제2 라이다들로부터 획득된 복수개의 제2 점군 데이터 및 상기 제1 라이다 및 상기 복수개의 제2 라이다들에 대한 제원 값을 획득하는 단계, 상기 데이터 생성 장치가, 상기 제1 점군 데이터 및 상기 복수개의 제2 점군 데이터들에 대한 전처리를 수행하는 단계 및 상기 데이터 생성 장치가, 상기 전처리 수행된 상기 제1 점군 데이터 및 상기 복수개의 제2 점군 데이터들에 대한 캘리브레이션을 수행하는 단계를 포함할 수 있다. 본 발명은 산업통상자원부/한국산업기술평가관리원의 지원(과제번호-20022003/사업명-자동차산업기술개발사업/과제명-종횡방향 연동기반 산업용 자율주행 및 안정성 확보기술 개발)으로 개발된 기술이다.
본 발명은 라이다에 의해 획득된 점군 데이터에 카메라에 의해 촬영된 이미지의 특징점을 매핑하여 특징 지도를 생성하기 위한 시각적 매핑 방법을 제안한다. 상기 방법은 데이터 생성 장치가, 라이다(lidar)로부터 획득된 점군 데이터(point cloud) 및 카메라(camera)로부터 촬영된 이미지(image)를 기초로 제1 특징 지도를 생성하는 단계 및 상기 데이터 생성 장치가, 사전 저장된 점군 데이터를 통해 생성된 제2 특징 지도에 상기 제1 특징 지도를 매핑(mapping)하여 제3 특징 지도를 생성하는 단계를 포함할 수 있다. 본 발명은 산업통상자원부/한국산업기술평가관리원의 지원(과제번호-20017992/사업명-우수기업연구소육성사업(ATC+)/과제명-자율주행 시 안전성 보장을 위한 3D 스캐닝 기술 기반 실시간 위험감지 및 지도제작 솔루션개발)으로 개발된 기술이다.
본 발명은 특정 패턴을 갖는 캘리브레이션 보드를 이용한 카메라 및 라이다의 캘리브레이션 방법을 제안한다. 상기 방법은 데이터 생성 장치가, 카메라(camera)에 의해 촬영된 이미지(image) 및 라이다(lidar)에 의해 획득된 점군(point cloud) 데이터에 대한 각각 하나의 프레임을 추출하는 단계, 상기 데이터 생성 장치가, 상기 추출된 이미지 및 라이다 각각의 하나의 프레임에 포함된 캘리브레이션 보드(calibration board)에 대한 특징점을 식별하는 단계 및 상기 데이터 생성 장치가, 상기 식별된 특징점을 기초로 상기 카메라 및 상기 라이다의 캘리브레이션을 수행하는 단계를 포함할 수 있다. 본 발명은 산업통상자원부/한국산업기술평가관리원의 지원(과제번호-20022003/사업명-자동차산업기술개발사업/과제명-종횡방향 연동기반 산업용 자율주행 및 안정성 확보기술 개발)으로 개발된 기술이다.
동기화 방법 및 그 장치
동기화 방법 및 그 장치
본 발명은 궤적 보정 방법을 제안한다. 상기 방법은 지도 생성 장치가, 위치가 실시간으로 변화되는 라이다(LiDAR)를 통해 실시간으로 수집된 3D 점군 데이터를 대상으로 상기 위치의 변화에 따른 오차를 보정하는 단계, 상기 지도 생성 장치가, 상기 보정된 3D 점군 데이터를 기초로, 상기 위치의 변화와 관련된 예상 궤적(odometry)을 추정하는 단계, 상기 지도 생성 장치가, 상기 추정된 예상 궤적에 커브 피팅(curve fitting)을 적용하는 단계, 상기 지도 생성 장치가, 상기 커브 피팅이 적용된 예상 궤적을 대상으로 상기 커브 피팅 전 예상 궤적을 맵핑(mapping)하는 단계를 포함할 수 있다. 이를 통해, 본 발명은 라이다를 통해 수집한 3D 점군 데이터의 오차를 보정하고, 오차 보정된 3D 점군 데이터를 통해 추정된 예상 궤적에 커브 피팅을 적용하여 맵핑(mapping)한 궤적을 통해 3D 지도를 생성함으로써, 3D 지도를 생성하는 과정에서 발생되는 오류를 최소화할 수 있다.
본 발명은 라이다(lidar)로부터 획득한 점군 데이터에서 발생되는 노이즈점을 필터링하기 위한 노이즈 패턴 분석을 통한 노이즈 필터링 방법을 제안한다. 상기 방법은 필터링 장치가, 라이다(lidar)로부터 획득된 점군 데이터를 수신하는 단계, 상기 필터링 장치가, 상기 수신한 점군 데이터의 인텐시티(intensity) 패턴을 분석하여, 상기 분석된 인텐시티 패턴을 기초로 노이즈점(noise point)을 검출하는 단계, 상기 필터링 장치가, 상기 검출된 노이즈점을 필터링하는 단계를 포함할 수 있다. 본 발명은 서울특별시 서울산업진흥원 (2022년도 서울혁신챌린지(결선)) (IC210027) '모빌리티 서비스를 이용한 도시 변화 탐지 플랫폼'을 통해 개발된 기술이다. 또한, 본 발명은 국토교통부 산하의 국토교통과학기술진흥원 '과제번호 22AMDP-C160637-02'을 통해 개발된 기술이다.
본 발명은 교통 시설물에 대한 인식을 용이하게 할 수 있는 교통 시설물에 대한 학습 데이터 생성 방법을 제안한다. 상기 방법은 학습 데이터 생성부가, 교통 시설물 샘플 이미지를 수집하는 단계, 상기 학습 데이터 생성부가, 상기 수집된 교통 시설물 샘플 이미지를 차량에 설치된 카메라(camera)로부터 촬영된 이미지로 인식될 수 있도록 가공한 적어도 하나의 가공 이미지를 생성하는 단계, 상기 학습 데이터 생성부가, 상기 생성된 적어도 하나의 가공 이미지에 배경을 삽입하여 학습 데이터를 생성하는 단계를 포함한다. 본 발명은 서울특별시 서울산업진흥원 (2022년도 서울혁신챌린지(결선)) (IC210027) '모빌리티 서비스를 이용한 도시 변화 탐지 플랫폼'을 통해 개발된 기술이다. 또한, 본 발명은 국토교통부 산하의 국토교통과학기술진흥원 '과제번호 22AMDP-C160637-02'을 통해 개발된 기술이다.
본 발명은 GPS(Global Positioning System)로부터 수신되는 신호를 이용하여, 다중 센서 각각의 동작 타이밍 및 시간을 동기화 시키기 위한 다중 센서 동기화 방법을 제안한다. 상기 방법은 동기화 장치가, GPS(Global Positioning System) 장치로부터 복수의 센서에 대한 동기화를 위한 기준 신호를 수신하는 단계, 상기 동기화 장치가, 상기 기준 신호를 기초로 상기 복수의 센서 각각에 대한 트리거 신호를 생성하는 단계, 상기 동기화 장치가, 상기 기준 신호에 포함된 시간 정보를 기준으로 상기 트리거 신호를 대상으로 한 타임 스탬프(time stamp)를 기록하는 단계 및 상기 동기화 장치가, 상기 타임 스탬프에 기록된 시간 정보를 포함한 상기 트리거 신호를 상기 복수의 센서 각각에 전송하는 단계를 포함할 수 있다. 본 발명은 서울특별시 서울산업진흥원 (2022년도 서울혁신챌린지(결선)) (IC210027) '모빌리티 서비스를 이용한 도시 변화 탐지 플랫폼'을 통해 개발된 기술이다. 또한, 본 발명은 국토교통부 산하의 국토교통과학기술진흥원 '과제번호 22AMDP-C160637-02'을 통해 개발된 기술이다.
본 발명은 라이다(lidar)로부터 획득한 점군 데이터에서 발생되는 노이즈점을 필터링하기 위한 이웃점을 통한 노이즈 필터링 방법을 제안한다. 상기 방법은 필터링 장치가, 라이다(lidar)로부터 획득된 점군 데이터를 수신하는 단계, 상기 필터링 장치가, 상기 수신한 점군 데이터를 분석하여 상기 점군 데이터의 특정점과 이웃하는 점 사이의 거리 및 밀도(density)를 기준으로 노이즈점(noise point)을 검출하는 단계 및 상기 필터링 장치가, 상기 검출된 노이즈점을 필터링하는 단계를 포함할 수 있다. 본 발명은 서울특별시 서울산업진흥원 (2022년도 서울혁신챌린지(결선)) (IC210027) '모빌리티 서비스를 이용한 도시 변화 탐지 플랫폼'을 통해 개발된 기술이다. 또한, 본 발명은 국토교통부 산하의 국토교통과학기술진흥원 '과제번호 22AMDP-C160637-02'을 통해 개발된 기술이다.
본 발명은 도로에 존재하는 교통 시설물에 대한 방향 정보를 포함한 지도 생성 방법을 제안한다. 상기 방법은 지도 생성부가, 차량에 고정 설치된 적어도 하나의 카메라(camera)에 의해 촬영된 적어도 하나의 이미지를 수신하는 단계, 상기 지도 생성부가, 상기 수신한 적어도 하나의 이미지 상에서 교통 시설물을 검출하는 단계, 상기 지도 생성부가, 상기 검출된 교통 시설물에 해당하는 라이다(lidar)에 의해 획득된 점군 데이터를 기준으로 방향 정보를 생성하는 단계 및 상기 지도 생성부가, 상기 생성된 방향 정보가 포함된 지도를 생성하는 단계를 포함한다. 본 발명은 서울특별시 서울산업진흥원 (2022년도 서울혁신챌린지(결선)) (IC210027) '모빌리티 서비스를 이용한 도시 변화 탐지 플랫폼'을 통해 개발된 기술이다. 또한, 본 발명은 국토교통부 산하의 국토교통과학기술진흥원 '과제번호 22AMDP-C160637-02'을 통해 개발된 기술이다.
본 발명은 라이다(lidar)로부터 획득된 점군 데이터에 카메라(camera)로부터 촬영된 이미지의 색상을 부여하여 컬러맵을 생성하기 위한 색상 보정을 적용한 컬러맵 생성 방법을 제안한다. 상기 방법은 지도 생성부가, 라이다(lidar)로부터 획득된 점군 데이터에 카메라(camera)를 통해 촬영된 이미지의 색상을 부여하는 단계, 상기 지도 생성부가, 상기 색상이 부여된 점군 데이터에서 사전 설정된 색상을 갖는 점을 분리하는 단계, 상기 지도 생성부가, 상기 분리된 점의 색상을 이웃하는 점의 색상을 기초로 보정하여 컬러맵을 생성하는 단계를 포함한다. 본 발명은 서울특별시 서울산업진흥원 (2022년도 서울혁신챌린지(결선)) (IC210027) '모빌리티 서비스를 이용한 도시 변화 탐지 플랫폼'을 통해 개발된 기술이다. 또한, 본 발명은 국토교통부 산하의 국토교통과학기술진흥원 '과제번호 22AMDP-C160637-02'을 통해 개발된 기술이다.
본 발명은 항공 장치에 설치된 라이다(lidar)로부터 획득된 점군 데이터를 이용하여 효율적으로 3D 지도를 생성하기 위한 항공 라이다를 이용한 지도 생성 방법을 제안한다. 상기 방법은 지도 생성부가, 항공 장치에 설치된 라이다(lidar)로부터 획득된 점군 데이터를 수신하는 단계, 상기 지도 생성부가, 상기 수신한 점군 데이터의 탑-뷰(Top-view)를 투영하는 단계 및 상기 지도 생성부가, 상기 투영된 점군 데이터를 지면과 수직한 방향으로 스캔(scan)하여 지도를 생성하는 단계를 포함한다. 본 발명은 서울특별시 서울산업진흥원 (2022년도 서울혁신챌린지(결선)) (IC210027) '모빌리티 서비스를 이용한 도시 변화 탐지 플랫폼'을 통해 개발된 기술이다. 또한, 본 발명은 국토교통부 산하의 국토교통과학기술진흥원 '과제번호 22AMDP-C160637-02'을 통해 개발된 기술이다.
상술한 바와 같은 기술적 과제를 달성하기 위하여, 본 발명은 라이다(lidar)로부터 획득된 점군 데이터에 카메라(camera)로부터 촬영된 이미지의 색상을 부여하여 컬러맵을 생성하기 위한 프로젝션 기반의 컬러맵 생성 방법을 제안한다. 상기 방법은 지도 생성부가, 카메라로부터 촬영된 이미지와, 라이다로부터 획득된 점군 데이터를 수신하는 단계, 상기 지도 생성부가, 상기 수신한 점군 데이터를 상기 이미지 상에 투영하는 단계, 상기 지도 생성부가, 상기 이미지에 투영된 점군 데이터를 거리(distance)를 기반으로 필터링 하는 단계 및 상기 지도 생성부가, 상기 필터링 된 점군 데이터에 상기 이미지의 색상을 부여하여 컬러맵을 생성하는 단계를 포함한다. 본 발명은 서울특별시 서울산업진흥원 (2022년도 서울혁신챌린지(결선)) (IC210027) '모빌리티 서비스를 이용한 도시 변화 탐지 플랫폼'을 통해 개발된 기술이다. 또한, 본 발명은 국토교통부 산하의 국토교통과학기술진흥원 '과제번호 22AMDP-C160637-02'을 통해 개발된 기술이다.
본 발명은 라이다(lidar)로부터 획득한 점군 데이터에서 발생되는 노이즈점을 필터링하기 위한 객체의 엣지 노이즈 필터링 방법을 제안한다. 상기 방법은 필터링 장치가, 라이다(lidar)로부터 획득된 점군 데이터를 수신하는 단계, 상기 필터링 장치가, 상기 점군 데이터를 사전 설정된 개수로 그룹핑(grouping)하여 복수의 단위 점군 데이터를 생성하는 단계, 상기 필터링 장치가, 상기 생성된 단위 점군 데이터를 분석하여 노이즈에 해당하는 노이즈점(noise point)을 검출하는 단계 및 상기 필터링 장치가, 상기 검출된 노이즈점을 필터링하는 단계를 포함할 수 있다. 본 발명은 서울특별시 서울산업진흥원 (2022년도 서울혁신챌린지(결선)) (IC210027) '모빌리티 서비스를 이용한 도시 변화 탐지 플랫폼'을 통해 개발된 기술이다. 또한, 본 발명은 국토교통부 산하의 국토교통과학기술진흥원 '과제번호 22AMDP-C160637-02'을 통해 개발된 기술이다.
본 발명은 궤적 보정 방법을 제안한다. 상기 방법은 지도 생성 장치가, 위치가 실시간으로 변화되는 라이다(LiDAR)를 통해 실시간으로 수집된 3D 점군 데이터를 대상으로 상기 위치의 변화에 따른 오차를 보정하는 단계, 상기 지도 생성 장치가, 상기 보정된 3D 점군 데이터를 기초로, 상기 위치의 변화와 관련된 예상 궤적(odometry)을 추정하는 단계, 상기 지도 생성 장치가, 상기 추정된 예상 궤적에 커브 피팅(curve fitting)을 적용하는 단계, 상기 지도 생성 장치가, 상기 커브 피팅이 적용된 예상 궤적을 대상으로 상기 커브 피팅 전 예상 궤적을 맵핑(mapping)하는 단계를 포함할 수 있다. 이를 통해, 본 발명은 라이다를 통해 수집한 3D 점군 데이터의 오차를 보정하고, 오차 보정된 3D 점군 데이터를 통해 추정된 예상 궤적에 커브 피팅을 적용하여 맵핑(mapping)한 궤적을 통해 3D 지도를 생성함으로써, 3D 지도를 생성하는 과정에서 발생되는 오류를 최소화할 수 있다.
본 발명은 회전형 라이다와 카메라의 동기화 방법 및 그 장치에 관한 발명이다. 본 발명의 일 실시예에 따른 동기화 장치는, 라이다(LiDAR, Light Detection And Ranging), 카메라(camera) 및 동기화 제어부를 포함할 수 있다. 본 발명의 일 실시예에 따른 라이다와 카메라의 동기화 방법은, 상기 라이다는 회전하면서 샘플을 출력하는 단계; 상기 동기화 제어부는 상기 출력된 샘플을 획득하고, 상기 샘플을 바탕으로 상기 라이다가 현재 위치에서 트리거 타겟까지 회전하는데 예상되는 시간인 트리거 타이밍을 도출하는 단계; 상기 동기화 제어부가 상기 카메라의 반응시간에 따라 상기 트리거 타이밍을 조정하여 단계; 및 상기 동기화 제어부가 상기 조정된 트리거 타이밍의 시간이 경과 후에 트리거 신호를 상기 카메라에 전송하는 단계;를 포함하되, 상기 샘플은 상기 라이다의 현재 위치를 가리키는 회전각을 포함하며, 상기 트리거 타겟은 상기 카메라와 상기 라이다의 화각의 중심이 일치하는 가상의 방향을 가리킬 수 있다
본 발명은 다중 신호를 이용한 회전형 라이다와 카메라의 동기화 방법 및 그 장치에 관한 발명이다. 본 발명의 일 실시예에 따른 동기화 장치는, 라이다(LiDAR, Light Detection And Ranging), 복수의 카메라(camera) 및 동기화 제어부를 포함할 수 있다. 본 발명의 일 실시예에 따른 라이다와 카메라의 동기화 방법은, 상기 라이다는 회전하면서 일정한 출력주기에 따라 샘플을 출력하는 단계; 상기 동기화 제어부는 상기 출력된 샘플을 획득하고, 상기 샘플을 바탕으로 상기 라이다가 현재 위치에서 트리거 타겟까지 회전하는데 예상되는 시간인 트리거 타이밍을 도출하는 단계; 상기 동기화 제어부는 상기 트리거 타이밍의 시간이 경과 후 제1 트리거 신호를 상기 제1 카메라 및 제2 카메라에 전송하는 단계; 및 상기 동기화 제어부는 상기 제1 트리거 신호를 전송한 이후 제2 트리거 신호를 추가적으로 상기 제2 카메라에만 전송하는 단계;를 포함하되, 상기 제1 카메라와 상기 제2 카메라는 동일한 화각을 공유하며, 상기 샘플은 상기 라이다의 현재 위치를 가리키는 회전각을 포함하며, 상기 트리거 타겟은 상기 제1 카메라, 상기 제2 카메라 및 상기 라이다의 화각의 중심이 일치하는 가상의 방향을 가리키고, 상기 회전각은 상기 트리거 타겟을 기준으로 상기 라이다가 회전한 각도를 가리킬 수 있다.
본 발명은 회전형 라이다와 카메라의 동기화 방법 및 그 장치에 관한 발명이다. 본 발명의 일 실시예에 따른 동기화 장치는, 라이다(LiDAR, Light Detection And Ranging), 카메라(camera) 및 동기화 제어부를 포함할 수 있다. 본 발명의 일 실시예에 따른 라이다와 카메라의 동기화 방법은, 상기 라이다가 회전을 하면서 사전에 정해진 출력주기마다 샘플을 출력하는 단계; 상기 동기화 제어부는 상기 샘플을 바탕으로 상기 라이다가 현재 위치에서 트리거 타겟까지 회전하는데 예상되는 시간인 트리거 타이밍을 도출하는 단계; 및 상기 동기화 제어부는 상기 트리거 타이밍이 가리키는 시간이 경과한 이후에 상기 카메라에 트리거 신호를 출력하는 단계;를 포함할 수 있다. 상기 샘플은 상기 라이다의 현재 위치를 가리키는 회전각을 포함하며, 상기 트리거 타겟은 상기 라이다와 상기 카메라의 화각의 중심이 일치하는 가상의 방향을 가리킬 수 있다.
본 발명은 회전형 라이다와 카메라의 동기화 방법 및 그 장치에 관한 발명이다. 본 발명의 일 실시예에 따른 동기화 장치는, 라이다(LiDAR, Light Detection And Ranging), 카메라(camera) 및 동기화 제어부를 포함할 수 있다. 본 발명의 일 실시예에 따른 라이다와 카메라의 동기화 방법은, 상기 라이다는 회전하면서 일정한 출력주기에 따라 샘플을 출력하는 단계; 상기 동기화제어부는 상기 출력된 샘플을 획득하고, 상기 샘플을 바탕으로 상기 라이다가 현재 위치에서 트리거 타겟까지 회전하는데 예상되는 시간인 트리거 타이밍을 도출하는 단계; 상기 동기화제어부는 상기 라이다가 상기 카메라의 화각을 벗어나는데 필요한 회피시간을 도출하는 단계; 상기 동기화제어부는 상기 회피시간을 상기 트리거 타이밍에서 차감하여 상기 트리거 타이밍을 조정하여 단계; 및 상기 동기화제어부가 상기 조정된 트리거 타이밍의 시간이 경과 후에 트리거 신호를 상기 카메라에 전송하는 단계;를 포함하되, 상기 샘플은 상기 라이다의 현재 위치를 가리키는 회전각을 포함하며, 상기 트리거 타겟은 상기 카메라와 상기 라이다의 화각의 중심이 일치하는 가상의 방향을 가리키고, 상기 회전각은 상기 트리거 타겟을 기준으로 상기 라이다가 회전한 각도를 가리킬 수 있다.
본 발명은 중복영역에서의 3차원 정밀지도 비교를 통한 GPS오차 보정 방법에 관한 것으로, 보다 상세하게는 자율주행용 정밀도로지도(HD-map)에 활용하기 위한 로데이터(Raw data)를 획득하는 과정에서 GPS 경로 상에 중복영역이 발생하면, 해당 중복영역의 3차원 정밀지도를 비교하여 GPS의 오차에 대한 보정값을 산출할 수 있도록 한 것이다. 특히, 본 발명은 복수 개의 고정밀GPS수신기나 스테레오카메라 등과 같은 고가의 장비를 사용하지 않으면서, 기본적으로 탑재된 라이다(LiDAR), IMU(Inertial Measurement Unit) 등을 활용하여 획득된 3차원의 점군데이터를 비교함으로써, GPS의 오차에 대한 정확한 보정값을 산출할 수 있다. 또한, 본 발명은 중복영역의 3차원 점군데이터를 비교하는 과정에서, 바닥면이나 노이즈 등을 제거하고, 유의미한 객체들을 중심으로 비교함으로써, 신속하면서도 정확도를 보장할 수 있는 보정값을 산출할 수 있다. 따라서, 자율주행 분야, 도로 인식 분야, 자율주행용 고정밀 도로 지도 분야는 물론 이와 유사 내지 연관된 분야에서 신뢰성 및 경쟁력을 향상시킬 수 있다.
본 발명은 라이다 좌표계와 카메라 좌표계의 벡터 정합을 통한 자동 캘리브레이션 방법에 관한 것으로, 보다 상세하게는 레이저 펄스를 이용하는 라이다(LiDAR)와 가시광선영역의 이미지를 촬영하는 카메라의 각 좌표계에서의 벡터 매칭을 통해 두 센서 간의 좌표계 변환 관계를 찾아주는 자동 캘리브레이션(Calibration)에 관한 것이다. 특히, 본 발명은 라이다좌표계와 카메라좌표계의 벡터 매칭을 통해, 라이다좌표계에서 카메라좌표계로 변환하는 회전행렬과 이동행렬을 산출하고, 이러한 캘리브레이션을 통해, 자율주행에서 가장 기본이 되는 인지영역에서의 정확한 객체 인식이 가능하도록 한다. 또한, 본 발명은 백터를 이용한 캘리브레이션을 통해, 라이다의 점군데이터와 카메라의 영상이미지를 융합할 수 있도록 함으로써, 자율주행의 인지영역에서 객체의 인식을 정밀하게 수행하고, 이를 기반으로 3차원 고정밀 지도(HD map)의 정밀도를 크게 향상시킬 수 있다. 따라서 자율주행 분야, 자율주행용 객체 인식 분야, 자율주행용 센서 캘리브레이션 분야는 물론 이와 유사 내지 연관된 분야에서 신뢰성 및 경쟁력을 향상시킬 수 있다.
본 발명은 3차원 점군 지도의 투영 변환을 이용한 차선 좌표 추출 방법에 관한 것으로, 보다 상세하게는 포인트 클라우드(Point cloud)로 이루어진 3차원 정밀 지도(HD map)를 평면이미지로 변환하고 딥러닝모델을 이용하여 차선영역을 추출할 수 있도록 한 것이다. 특히, 본 발명은 2D영역에서 딥러닝 및 차선추출을 수행함으로써, 차선의 좌표를 추출하는데 필요한 연산량을 최소화할 수 있으며, 이를 통해 실시간으로 차선의 정보를 얻을 수 있다. 또한, 본 발명은 이미지 상의 차선 추출에 있어, 가장 중요한 정보인 흑백밝기값을 라이다 센서의 반사강도(Intensity)값으로 대체함으로써, 정확한 차선 추출이 가능하도록 한 딥러닝 모델을 제시할 수 있다. 따라서, 자율주행 분야, 도로 인식 분야, 차선 인식 분야, 자율주행용 고정밀 도로 지도 분야, 특히 라이다를 이용한 도로인식 및 자율주행 분야는 물론, 이와 유사 내지 연관된 분야에서 신뢰성 및 경쟁력을 향상시킬 수 있다.
특허청 KIPRIS · 2026-10-15 조회 · 최신 출원순 · 오른쪽은 등록일(등록 전은 출원일) · 전체 68건 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) | 111.1 | 120.2 |
| 매출원가 | (75.8) | (83.1) |
| 매출총이익(손실) | 35.3 | 37.1 |
| 판매비와관리비 | (76.7) | (96.8) |
| 영업이익(손실) | (41.4) | (59.7) |
| 영업외수익 | 5.3 | 3.9 |
| 기타이익 | 1.2 | 2.1 |
| 금융수익 | 4.1 | 1.8 |
| 영업외비용 | (23.7) | (12.8) |
| 기타손실 | (3.1) | (1.5) |
| 금융원가 | (20.6) | (11.3) |
| 법인세비용차감전순이익(손실) | (59.8) | (68.7) |
| 법인세비용 | — | (1.8) |
| 당기순이익(손실) | (59.8) | (66.9) |
매출은 120.2억으로 전년 대비 8.1% 증가한 것으로 나타났다.
영업이익률은 -49.7%로 전년 -37.2%에서 하락했다.
당기순이익은 -66.9억으로 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 · 2026-11-07 확인