Loading the company…
Loading the company…
㈜라이드플럭스
English name as filed with DART, Korea’s corporate disclosure system · Correct the English name ›
Last updated 2026-10-11 · Korean page ›
Verification level — how far we have checked
L0 · Public records — NPS workforce · filed financials · patents — public data
A company based in Jeju, founded in 2018. Industry: Software & IT Services. Revenue for 2025 was ₩4.0bn. It has 185 employees enrolled in the National Pension Service (as of Aug 2026). It is externally audited; the latest audit opinion is “Unqualified”. 1 funding round is confirmed by press reports.
Loading…
Latest filing 2025-12-22 · latest registration 2026-09-03 · newest first
자율주행을 위한 라이다 센서 데이터 기반의 라인 맵 생성방법, 컴퓨팅 장치 및 컴퓨터 프로그램이 제공된다. 본 개시의 다양한 실시예에 따른 자율주행을 위한 라이다 센서 데이터 기반의 라인 맵 생성방법은 컴퓨팅 장치에 의해 수행되는 방법에 있어서, 소정의 공간에 대한 포인트 클라우드를 획득하는 단계, 상기 획득된 포인트 클라우드로부터 라인 객체를 인지함에 따라 라인 객체 인지 결과를 도출하는 단계 및 상기 도출된 라인 객체 인지 결과를 기반으로, 상기 소정의 공간에 대응하는 정밀지도 제작을 위한 라인 맵을 생성하는 단계를 포함한다.
주변 객체의 궤적 예측 기반 자율주행 차량의 주행 계획 결정 방법, 컴퓨팅 장치 및 컴퓨터 프로그램이 제공된다. 본 개시의 일 실시예에 따른 주변 객체의 궤적 예측 기반 자율주행 차량의 주행 계획 결정 방법은 컴퓨팅 장치에 의해 수행되는 방법에 있어서, 자율주행 차량에 대한 복수의 주행 후보 궤적을 생성하는 단계, 상기 자율주행 차량 주변에 위치하는 주변 객체에 대한 예측 궤적을 생성하는 단계 및 상기 생성된 예측 궤적 및 상기 생성된 예측 궤적의 발생 가능성을 고려하여 상기 생성된 복수의 주행 후보 궤적 중에서 어느 하나의 주행 후보 궤적을 상기 자율주행 차량의 주행 계획으로 결정하는 단계를 포함한다.
자율주행 차량의 통행 우선순위 판단 방법, 컴퓨팅 장치 및 컴퓨터 프로그램이 제공된다. 본 개시의 다양한 실시예에 따른 자율주행 차량의 통행 우선순위 판단 방법은 컴퓨팅 장치에 의하여 수행되는 방법에 있어서, 자율주행 차량과 상기 자율주행 차량을 중심으로 소정의 범위 내에 위치하는 로드 유저에 관한 정보를 획득하는 단계, 상기 획득된 정보를 기반으로 상기 자율주행 차량과 상기 로드 유저 간의 경합 여부를 판단하는 단계, 상기 자율주행 차량과 상기 로드 유저가 경합하는 것으로 판단되는 경우, 상기 자율주행 차량과 상기 로드 유저 간의 통행 우선순위를 판단하는 단계 및 상기 판단된 통행 우선순위를 기반으로 상기 자율주행 차량의 주행 동작을 제어하는 단계를 포함한다.
원격지원 인터페이스 기반 자율주행 차량에 대한 원격지원 방법, 컴퓨팅 장치 및 컴퓨터 프로그램이 제공된다. 본 개시의 다양한 실시예에 따른 원격지원 인터페이스 기반 자율주행 차량에 대한 원격지원 방법은 컴퓨팅 장치를 통해 수행되는 방법에 있어서, 자율주행 차량에 대한 원격지원(remote assistance)을 수행하는 원격지원 시스템을 통해, 원격지원 인터페이스를 제공하는 단계 및 상기 제공된 원격지원 인터페이스를 통해 획득되는 사용자 입력에 기초하여, 상기 자율주행 차량의 동작을 제어하는 원격지원을 수행하는 단계를 포함한다.
클리닝 장치가 개시된다. 예시적 실시예에 따른 클리닝 장치는 센서 모듈의 적어도 일부를 노출시키는 하우징, 상기 하우징에 구비되는 초음파 진동부, 상기 센서 모듈을 덮도록 이동 가능하게 구비된 개폐 셔터, 상기 개폐 셔터가 닫힌 상태에서 상기 센서 모듈의 표면, 상기 하우징, 및 상기 개폐 셔터 사이에 형성되는 챔버에 세척액을 공급하는 세척액 공급부, 및 상기 초음파 진동부를 구동하여 상기 세척액을 통한 공동현상을 발생시킴으로써 상기 센서 모듈의 표면 상의 오염을 제거하도록 하는 제어부를 포함할 수 있다. 상기 제어부는, 복수 개의 센서 모듈 중 클리닝 대상 센서 모듈을 식별하고, 상기 클리닝 대상 센서 모듈의 오염 유형 및 오염 정도를 판단하고, 상기 오염 유형 및 상기 오염 정도를 기초로 상기 초음파 진동부의 출력 세기 및 구동 시간을 결정하고, 상기 출력 세기 및 상기 구동 시간을 기초로 상기 초음파 진동부를 구동시키되, 상기 구동 시간 동안 상기 클리닝 대상 센서 모듈의 불능이 자율주행에 문제가 되지 않는다고 판단한 경우 상기 초음파 진동부를 구동시킬 수 있다.
차량의 원격 제어 지원방법, 장치 및 컴퓨터프로그램이 제공된다. 본 발명의 다양한 실시예에 따른 차량의 원격 제어 지원방법은 원격 제어 인터페이스를 통해 사용자로부터 차량의 원격 제어에 관한 사용자 입력을 획득하는 단계, 상기 획득된 사용자 입력에 따른 상기 차량의 예상 주행 경로에 기초하여, 상기 차량의 원격 제어에 대한 안전성을 판단하는 단계 및 상기 판단된 안전성에 기초하여, 상기 차량의 원격 제어를 수행하는 단계를 포함한다.
센서 데이터 융합을 통한 시맨틱 점유 예측을 위한 특징맵 생성방법, 컴퓨팅 장치 및 컴퓨터프로그램이 제공된다. 본 개시의 일 실시예에 따른 센서 데이터 융합을 통한 시맨틱 점유 예측을 위한 특징맵 생성방법은 컴퓨팅 장치에 의해 수행되는, 센서 데이터 융합을 통한 시맨틱 점유 예측을 위한 특징맵 생성 방법에 있어서, 소정의 공간에 대하여, 제1 해상도를 포함한 서로 다른 복수의 해상도를 가지는 복수의 포인트 클라우드를 기반으로 추출되는 복셀 특징과 상기 제1 해상도의 이미지로부터 추출되는 픽셀 특징을 결합하여 초기 특징맵을 생성하는 단계, 상기 생성된 초기 특징맵을 기반으로 상기 소정의 공간 내에서의 주요 영역을 선택하는 단계, 상기 제1 해상도보다 높은 제2 해상도의 포인트 클라우드로부터 추출되는 복셀 특징들 중 상기 선택된 주요 영역에 대응하는 복셀 특징과 상기 제2 해상도의 이미지로부터 추출되는 픽셀 특징들 중 상기 선택된 주요 영역에 대응하는 픽셀 특징을 결합하여 추가 특징맵을 생성하는 단계 및 상기 생성된 초기 특징맵과 상기 생성된 추가 특징맵을 이용하여 상기 소정의 공간에서의 시맨틱 점유 예측을 위한 최종 특징맵을 생성하는 단계를 포함한다.
2D 인코더와 3D 인코더 간의 협력적 증류를 통한 자기 지도 학습방법, 컴퓨팅 장치 및 컴퓨터프로그램이 제공된다. 본 개시의 다양한 실시예에 따른 2D 인코더와 3D 인코더 간의 협력적 증류를 통한 자기 지도 학습방법은 컴퓨팅 장치에 의해 수행되는 방법에 있어서, 기 학습된 2D 인코더를 통해 제1 이미지로부터 추출된 2D 특징과 학습되지 않은 3D 인코더를 통해 제1 포인트 클라우드로부터 추출된 3D 특징을 매칭하여 제1 특징 쌍을 생성하는 단계, 상기 생성된 제1 특징 쌍을 이용하여 상기 학습되지 않은 3D 인코더에 대한 자기 지도 학습(self-supervised learning)을 수행하는 단계, 상기 기 학습된 2D 인코더를 통해 제2 이미지로부터 추출된 2D 특징과 상기 수행된 자기 지도 학습에 따라 학습된 3D 인코더를 통해 제2 포인트 클라우드로부터 추출된 3D 특징을 매칭하여 제2 특징 쌍을 생성하는 단계 및 상기 생성된 제2 특징 쌍을 이용하여 상기 기 학습된 2D 인코더에 대한 자기 지도 학습을 수행하는 단계를 포함한다.
노면 청소 차량의 자율주행 제어를 위한 노면 오염도 판단 방법, 컴퓨팅 장치 및 컴퓨터프로그램이 제공된다. 본 개시의 다양한 실시예에 따른 노면 청소 차량의 자율주행 제어를 위한 노면 오염도 판단 방법은 컴퓨팅 장치에 의해 수행되는 노면 청소 차량의 자율주행 제어를 위한 노면 오염도 판단 방법에 있어서, 도로 노면을 포함하는 센서 데이터를 획득하는 단계, 상기 획득된 센서 데이터를 기반으로 입력 데이터를 생성하는 단계 및 기 학습된 노면 오염도 판단 모델에 상기 생성된 입력 데이터를 입력함에 따라 상기 도로 노면에 대한 노면 오염도를 도출하는 단계를 포함한다.
자율주행 차량의 종방향 제어를 위한 인공지능 기반의 차량 종방향 제어 모델 생성방법, 컴퓨팅 장치 및 컴퓨터프로그램이 제공된다. 본 개시의 다양한 실시예에 따른 자율주행 차량의 종방향 제어를 위한 인공지능 기반의 차량 종방향 제어 모델 생성방법은 컴퓨팅 장치에 의해 수행되는, 자율주행 차량의 종방향 제어를 위한 인공지능 기반의 차량 종방향 제어 모델 생성방법에 있어서, 차량에 대한 주행 로깅 데이터를 획득하는 단계, 상기 획득된 주행 로깅 데이터를 이용하여 학습 데이터를 생성하는 단계 및 상기 생성된 학습 데이터를 이용하여, 차량 종방향 제어를 위한 결과 데이터를 도출하는 차량 종방향 제어 모델을 생성하는 단계를 포함한다.
센서 데이터 퓨전 기반의 장애물 인식을 이용한 차량의 주행 계획 업데이트 방법, 장치 및 컴퓨터프로그램이 제공된다. 본 개시의 다양한 실시예에 따른 센서 데이터 퓨전 기반의 장애물 인식을 이용한 차량의 주행 계획 업데이트 방법은 컴퓨팅 장치에 의해 수행되는 방법에 있어서, 기 설정된 주행 계획에 따라 주행 중인 차량으로부터 획득된 라이다 데이터를 이용하여 상기 차량 주변의 객체를 인지하는 단계, 상기 인지된 객체의 종류를 판단하는 단계, 상기 인지된 객체가 관심 객체인지를 판단하는 단계 및 상기 인지된 객체가 관심 객체인 것으로 판단되는 경우, 상기 판단된 객체의 종류에 기초하여 상기 기 설정된 주행 계획을 업데이트하는 단계를 포함한다.
인공지능을 이용한 포인트 클라우드 기반의 깊이 맵 생성방법, 컴퓨팅 장치 및 컴퓨터 프로그램이 제공된다. 본 개시의 다양한 실시예에 따른 인공지능을 이용한 포인트 클라우드 기반의 깊이 맵 생성방법은 소정의 공간에 대한 희소 깊이(sparse depth) 값을 포함하는 포인트 클라우드 데이터를 획득하는 단계 및 기 학습된 인공지능 모델 - 상기 기 학습된 인공지능 모델은 유도 샘플링된 점수 함수를 기반으로 수학 모델을 포함하는 확산 모델임 - 을 통해, 상기 획득된 포인트 클라우드 데이터를 기반으로 밀집 깊이(dense depth) 값을 포함하는 밀집 깊이 맵을 생성하는 단계를 포함한다.
자율주행이 가능한 노면 청소 차량의 동작 제어방법, 장치 및 컴퓨터프로그램이 제공된다. 본 개시의 다양한 실시예에 따른 자율주행이 가능한 노면 청소 차량의 동작 제어방법은 컴퓨팅 장치에 의해 수행되는 방법에 있어서, 도로를 주행하는 주행 동작과 도로 노면을 청소하는 청소 동작의 수행이 가능한 노면 청소 차량의 주행 모드에 기초하여, 상기 노면 청소 차량에 대한 주행 경로를 결정하는 단계 및 상기 노면 청소 차량의 주행 모드와 상기 결정된 주행 경로에 기초하여 상기 노면 청소 차량의 동작을 제어하는 단계를 포함할 수 있다.
차량의 원격 제어 지원방법, 장치 및 컴퓨터프로그램이 제공된다. 본 발명의 다양한 실시예에 따른 차량의 원격 제어 지원방법은 원격 제어 인터페이스를 통해 사용자로부터 차량의 원격 제어에 관한 사용자 입력을 획득하는 단계, 상기 획득된 사용자 입력에 따른 상기 차량의 예상 주행 경로에 기초하여, 상기 차량의 원격 제어에 대한 안전성을 판단하는 단계 및 상기 판단된 안전성에 기초하여, 상기 차량의 원격 제어를 수행하는 단계를 포함한다.
차량의 로깅 데이터 기반 차량의 동역학적 특성을 나타내는 차량 모델 추정방법, 장치 및 컴퓨터프로그램이 제공된다. 본 발명의 다양한 실시예에 따른 차량의 로깅 데이터 기반 차량의 동역학적 특성을 나타내는 차량 모델 추정방법은 컴퓨팅 장치에 의해 수행되는 방법에 있어서, 차량의 주행에 관한 로깅 데이터를 획득하는 단계 및 상기 획득된 로깅 데이터를 이용하여, 상기 차량의 동역학적 특성을 나타내는 차량 모델을 추정하는 단계를 포함한다.
자율주행을 위한 객체 인지 방법, 장치 및 컴퓨터프로그램 이 제공된다. 본 발명의 다양한 실시예에 따른 자율주행을 위한 객체 인지 방법은 컴퓨팅 장치에 의해 수행되는 자율주행을 위한 객체 인지 방법에 있어서, 차량에 관한 정보에 기초하여 관심 영역을 설정하는 단계 및 상기 설정된 관심 영역에 기초하여 객체 인지 영역을 설정하는 단계를 포함한다.
객체 분류 모델에 대한 비정상 객체 탐지 성능 평가방법, 장치 및 컴퓨터프로그램이 제공된다. 본 발명의 다양한 실시예에 따른 객체 분류 모델에 대한 비정상 객체 탐지 성능 평가방법은 컴퓨팅 장치에 의해 수행되는, 비정상 객체의 탐지가 가능한 객체 분류 모델의 성능 평가방법에 있어서, 비정상 객체의 탐지가 가능한 객체 분류 모델의 검증을 위한 벤치마크 데이터 셋을 생성하는 단계 및 상기 생성된 벤치마크 데이터 셋을 이용하여 상기 객체 분류 모델의 비정상 객체 탐지 성능을 평가하는 단계를 포함한다.
3D 포인트 클라우드 기반 비정상 객체의 탐지가 가능한 객체 분류 모델의 학습방법, 장치 및 컴퓨터프로그램이 제공된다. 본 발명의 다양한 실시예에 따른 3D 포인트 클라우드 기반 비정상 객체의 탐지가 가능한 객체 분류 모델의 학습방법은 컴퓨팅 장치에 의해 수행되는, 3D 포인트 클라우드 기반 비정상 객체의 탐지가 가능한 객체 분류 모델의 학습방법에 있어서, 기 설정된 복수의 클래스 중 적어도 하나의 클래스로 분류되는 정상 객체를 포함하는 복수의 정상(In-Distribution) 데이터를 학습 데이터로 하여 사전 학습시킴에 따라 입력 데이터에 포함된 객체를 상기 기 설정된 복수의 클래스 중 어느 하나의 클래스로 분류하는 객체 분류 모델을 생성하는 단계 및 상기 기 설정된 복수의 클래스로 분류되지 않는 비정상 객체를 포함하는 복수의 비정상(Out-Of-Distribution) 데이터와 상기 복수의 정상 데이터를 학습 데이터로 하여 상기 생성된 객체 분류 모델을 파인 튜닝(Fine-tuning)하는 단계를 포함한다.
승차감 저해영역에 대한 대응이 가능한 자율주행 차량의 속력 제어방법, 장치 및 컴퓨터프로그램이 제공된다. 본 발명의 다양한 실시예에 따른 승차감 저해영역에 대한 대응이 가능한 자율주행 차량의 속력 제어방법은 컴퓨팅 장치에 의해 수행되는 승차감 저해영역에 대한 대응이 가능한 자율주행 차량의 속력 제어방법에 있어서, 소정의 지역에 대한 정밀 지도를 생성하는 단계, 상기 소정의 지역을 주행하는 자율주행 차량에 대하여 기 설정된 주행 경로 상에 승차감 저해영역이 존재하는 경우, 상기 생성된 정밀 지도로부터 상기 기 설정된 주행 경로 상에 존재하는 승차감 저해영역에 대한 대응 전략에 관한 정보를 추출하는 단계 및 상기 추출된 대응 전략에 관한 정보에 기초하여 상기 자율주행 차량의 속력을 제어하는 단계를 포함한다.
본 개시의 일 실시예에 따라 컴퓨팅 장치에 의해 수행되는 센서 데이터를 라벨링하는 딥러닝 모델의 동작 방법이 개시된다. 상기 방법은, 센서 데이터에서 로드 유저에 대한 라벨을 포함하는 제1 학습 데이터를 생성하는 단계, 제1 학습 데이터로 학습된 제1 딥러닝 모델에 센서 데이터를 포함하는 제1 입력 데이터를 입력하여 제1 결과 데이터를 출력하는 단계, 상기 제1 결과 데이터를 이용하여 제2 딥러닝 모델을 학습시키기 위한 제2 학습 데이터를 생성하는 단계 및 제2 학습 데이터로 학습된 제2 딥러닝 모델에 센서 데이터를 포함하는 제2 입력 데이터를 입력하여 제2 결과 데이터를 출력하는 단계를 포함하고, 상기 제1 딥러닝 모델 및 상기 제2 딥러닝 모델은, 센서 데이터에서 로드 유저에 대한 라벨을 생성하도록 학습된다.
본 개시의 일 실시예에 따라 컴퓨팅 장치에 의해 수행되는 센서 데이터를 라벨링하는 딥러닝 모델의 동작 방법이 개시된다. 상기 방법은, 센서 데이터에서 로드 유저에 대한 라벨을 포함하는 제1 학습 데이터를 생성하는 단계, 제1 학습 데이터로 학습된 제1 딥러닝 모델에 센서 데이터를 포함하는 제1 입력 데이터를 입력하여 제1 결과 데이터를 출력하는 단계, 상기 제1 결과 데이터를 이용하여 제2 딥러닝 모델을 학습시키기 위한 제2 학습 데이터를 생성하는 단계 및 제2 학습 데이터로 학습된 제2 딥러닝 모델에 센서 데이터를 포함하는 제2 입력 데이터를 입력하여 제2 결과 데이터를 출력하는 단계를 포함하고, 상기 제1 딥러닝 모델 및 상기 제2 딥러닝 모델은, 센서 데이터에서 로드 유저에 대한 라벨을 생성하도록 학습된다.
자율주행 차량의 속력 제어를 위한 속력 프로파일 생성방법, 장치 및 컴퓨터프로그램이 제공된다. 본 발명의 일 실시예에 따른 자율주행 차량의 속력 제어를 위한 속력 프로파일 생성방법은 컴퓨팅 장치에 의해 수행되는 자율주행 차량의 속력 제어를 위한 속력 프로파일 생성방법에 있어서, 속력과 가속도에 의해 정의되는 2차원 도메인 영역을 분할함에 따라 복수의 영역을 설정하는 단계, 상기 설정된 복수의 영역 중 자율주행 차량의 현재 속력 및 가속도에 대응하는 영역을 선택하는 단계 및 상기 선택된 영역에 기초하여 상기 자율주행 차량의 속력이 타겟 속력에 도달하도록 속력 제어하기 위한 속력 프로파일을 생성하는 단계를 포함한다.
비정상 데이터의 탐지 성능 향상을 위한 분류 모델 학습 방법, 장치 및 컴퓨터프로그램이 제공된다. 본 발명의 다양한 실시예에 따른 비정상 데이터의 탐지 성능 향상을 위한 분류 모델 학습 방법은 컴퓨팅 장치에 의해 수행되는, 비정상 데이터의 탐지 성능 향상을 위한 분류 모델 학습 방법에 있어서, 기 설정된 복수의 클래스 중 적어도 하나의 클래스로 분류되는 정상 객체를 포함하는 복수의 정상(In-Distribution) 데이터를 학습 데이터 하여 사전 학습시킴에 따라, 입력 데이터에 포함된 객체를 상기 기 설정된 복수의 클래스 중 어느 하나의 클래스로 분류하는 분류 모델을 생성하는 단계 및 상기 기 설정된 복수의 클래스로 분류되지 않은 비정상 객체를 포함하는 복수의 비정상(Out-Of-Distribution) 데이터와 상기 복수의 정상 데이터를 학습 데이터로 하여, 상기 생성된 분류 모델을 파인 튜닝(Fine-tuning)하는 단계를 포함한다.
자율주행 차량의 충돌 방지 방법, 장치 및 컴퓨터프로그램이 제공된다. 본 발명의 다양한 실시예에 따른 자율주행 차량의 충돌 방지 방법은 컴퓨팅 장치에 의해 수행되는 자율주행 차량의 충돌 방지 방법에 있어서, 자율주행 차량의 인근에 위치하는 복수의 로드 유저 중 충돌 감지 대상을 선정하는 단계 및 상기 자율주행 차량과 상기 선정된 충돌 감지 대상 간의 충돌 가능성을 판단하는 단계를 포함할 수 있다.
동기화된 센서 데이터와 비동기화된 센서 데이터를 이용한 자기 지도 학습 방법, 장치 및 컴퓨터프로그램이 제공된다. 본 발명의 다양한 실시예에 따른 동기화된 센서 데이터와 비동기화된 센서 데이터를 이용한 자기 지도 학습 방법은 컴퓨팅 장치에 의해 수행되는 동기화된 센서 데이터와 비동기화된 센서 데이터를 이용한 자기 지도 학습 방법에 있어서, 포인트 클라우드 데이터로부터 복수의 3D 특징을 추출하는 단계, 이미지 데이터로부터 복수의 2D 특징을 추출하는 단계, 시간을 기준으로 상기 포인트 클라우드 데이터와 상기 이미지 데이터가 동기화되었는지 여부에 따라, 상기 추출된 복수의 3D 특징 중 적어도 하나의 3D 특징과 상기 추출된 복수의 2D 특징 중 적어도 하나의 2D 특징을 매칭함으로써 2D-3D 특징 쌍을 생성하는 단계 및 상기 생성된 2D-3D 특징 쌍을 이용하여 자기 지도 학습(Self-Supervised Learning)을 수행하는 단계를 포함한다.
본 개시의 일 실시예에 따라 컴퓨팅 장치에 의해 수행되는 센서 데이터를 라벨링하는 딥러닝 모델의 동작 방법이 개시된다. 상기 방법은, 센서 데이터에서 로드 유저에 대한 라벨을 포함하는 제1 학습 데이터를 생성하는 단계, 제1 학습 데이터로 학습된 제1 딥러닝 모델에 센서 데이터를 포함하는 제1 입력 데이터를 입력하여 제1 결과 데이터를 출력하는 단계, 상기 제1 결과 데이터를 이용하여 제2 딥러닝 모델을 학습시키기 위한 제2 학습 데이터를 생성하는 단계 및 제2 학습 데이터로 학습된 제2 딥러닝 모델에 센서 데이터를 포함하는 제2 입력 데이터를 입력하여 제2 결과 데이터를 출력하는 단계를 포함하고, 상기 제1 딥러닝 모델 및 상기 제2 딥러닝 모델은, 센서 데이터에서 로드 유저에 대한 라벨을 생성하도록 학습된다.
승차감 저해영역에 대한 대응이 가능한 자율주행 차량의 속력 제어방법, 장치 및 컴퓨터프로그램이 제공된다. 본 발명의 다양한 실시예에 따른 승차감 저해영역에 대한 대응이 가능한 자율주행 차량의 속력 제어방법은 컴퓨팅 장치에 의해 수행되는 승차감 저해영역에 대한 대응이 가능한 자율주행 차량의 속력 제어방법에 있어서, 소정의 지역에 대한 정밀 지도를 생성하는 단계, 상기 소정의 지역을 주행하는 자율주행 차량에 대하여 기 설정된 주행 경로 상에 승차감 저해영역이 존재하는 경우, 상기 생성된 정밀 지도로부터 상기 기 설정된 주행 경로 상에 존재하는 승차감 저해영역에 대한 대응 전략에 관한 정보를 추출하는 단계 및 상기 추출된 대응 전략에 관한 정보에 기초하여 상기 자율주행 차량의 속력을 제어하는 단계를 포함한다.
라이다 포인트 클라우드 기반의 실시간 객체 탐지 방법, 장치 및 컴퓨터프로그램이 제공된다. 본 발명의 다양한 실시예에 따른 라이다 포인트 클라우드 기반의 실시간 객체 탐지 방법은 컴퓨팅 장치에 의해 수행되는, 라이다 포인트 클라우드 기반의 실시간 객체 탐지 방법에 있어서, 라이다 센서를 통해 소정의 지역을 스캔함에 따라 생성되는 포인트 클라우드를 기반으로 특징맵을 생성하는 단계 및 상기 생성된 특징맵을 기 학습된 객체 탐지 모델에 입력함에 따라 객체 탐지 결과를 도출하는 단계를 포함할 수 있다.
자율주행을 위한 도로 데이터 생성방법, 장치 및 컴퓨터프로그램이 제공된다. 본 발명의 다양한 실시예에 따른 자율주행을 위한 도로 데이터 생성방법은 컴퓨팅 장치에 의해 수행되는 자율주행을 위한 도로 데이터 생성방법에 있어서, 소정의 지역을 스캔함에 따라 생성되는 포인트 클라우드 데이터(Point Cloud Data, PCD)를 픽셀화 함에 따라 이미지를 생성하는 단계, 상기 생성된 이미지에 포함된 복수의 픽셀 중 도로에 대응하는 픽셀을 추출하는 단계 및 상기 추출된 픽셀을 이용하여 상기 포인트 클라우드 데이터를 가공함에 따라 상기 소정의 지역에 대한 도로 데이터를 생성하는 단계를 포함한다.
자율주행 환경에서 이종 센서 데이터 간 오토 캘리브레이션 방법, 장치 및 컴퓨터프로그램이 제공된다. 본 발명의 다양한 실시예에 따른 자율주행 환경에서 이종 센서 데이터 간 오토 캘리브레이션 방법은 캘리브레이션(Calibration)의 대상이 되는 서로 다른 종류의 복수의 센서 데이터의 분석 결과에 기초하여, 캘리브레이션을 위해 기 설정된 파라미터의 유효성을 판단하는 단계 및 상기 기 설정된 파라미터가 유효하지 않은 것으로 판단되는 경우, 상기 복수의 센서 데이터의 분석 결과를 이용하여 상기 기 설정된 파라미터를 갱신하는 단계를 포함한다.
비정상 데이터 탐지 및 이에 대한 대응 전략 수집이 가능한 분류 모델 생성방법, 장치 및 컴퓨터프로그램이 제공된다. 본 발명의 다양한 실시예에 따른 비정상 데이터 탐지 및 이에 대한 대응 전략 수집이 가능한 분류 모델 생성방법은 컴퓨팅 장치에 의해 수행되는, 비정상 데이터 탐지 및 이에 대한 대응 전략 수집이 가능한 분류 모델 생성방법에 있어서, 비정상 객체를 포함하는 비정상(Out-Of-Distribution) 데이터의 탐지가 가능한 분류 모델을 통해, 차량으로부터 수집되는 센서 데이터가 비정상 데이터인 것으로 판단되는 경우, 상기 센서 데이터와 상기 센서 데이터에 대응하는 대응 전략을 이용하여 학습 데이터를 생성하는 단계 및 상기 생성된 학습 데이터를 이용하여 상기 분류 모델을 재학습시키는 단계를 포함한다.
자율주행 차량의 원격제어 방법, 장치 및 컴퓨터프로그램이 제공된다. 본 발명의 다양한 실시예에 따른 자율주행 차량의 원격제어 방법은 컴퓨팅 장치에 의해 수행되는, 자율주행 차량의 원격제어 방법에 있어서, 사용자로부터 원격제어 인터페이스를 통한 사용자 입력을 획득하는 단계, 상기 획득된 사용자 입력에 기초하여 제어명령을 결정하는 단계 및 상기 결정된 제어명령을 이용하여 상기 자율주행 차량의 동작을 제어하는 단계를 포함한다.
자율주행을 위한 객체 인지 방법, 장치 및 컴퓨터프로그램 이 제공된다. 본 발명의 다양한 실시예에 따른 자율주행을 위한 객체 인지 방법은 컴퓨팅 장치에 의해 수행되는 자율주행을 위한 객체 인지 방법에 있어서, 차량에 관한 정보에 기초하여 관심 영역을 설정하는 단계 및 상기 설정된 관심 영역에 기초하여 객체 인지 영역을 설정하는 단계를 포함한다.
3차원 포인트 클라우드 데이터로부터 지표면 데이터를 생성하는 방법, 장치 및 컴퓨터프로그램이 제공된다. 본 발명의 다양한 실시예에 따른 지표면 데이터 생성 방법은, 컴퓨팅 장치에 의해 수행되는 방법에 있어서, 2D 형태의 데이터 상에서 지표면을 가리키는 적어도 하나의 사용자 입력을 얻는 단계, 상기 적어도 하나의 사용자 입력에 대응되는 3D 포인트 클라우드 데이터의 포인트를 추출하는 단계, 상기 추출된 3D 포인트 클라우드 데이터의 포인트로부터 상기 지표면의 좌표 값을 산출하는 단계 및 상기 산출된 지표면의 좌표 값을 포함하는 지표면 데이터를 생성하는 단계를 포함한다.
포인트 클라우드 데이터에서의 지표면 데이터 추출 방법, 장치 및 컴퓨터프로그램이 제공된다. 본 발명의 다양한 실시예에 따른 포인트 클라우드 데이터에서의 지표면 데이터 추출 방법은 컴퓨팅 장치에 의해 수행되는 포인트 클라우드 데이터에서의 지표면 데이터 추출 방법에 있어서, 소정의 지역에 대한 포인트 클라우드 데이터 상에 평면을 정의하는 단계 및 상기 정의된 평면을 이용하여 상기 포인트 클라우드 데이터로부터 지표면 데이터를 추출하는 단계를 포함한다.
자율주행 차량의 주행 환경 특성을 고려한 스캔 데이터의 매칭 방법, 장치 및 컴퓨터프로그램이 제공된다. 본 발명의 다양한 실시예에 따른 자율주행 차량의 주행 환경 특성을 고려한 스캔 데이터의 매칭 방법은 컴퓨팅 장치에 의해 수행되는 자율주행 차량의 주행 환경 특성을 고려한 스캔 데이터의 매칭 방법에 있어서, 자율주행 차량의 주행 환경 특성을 고려하여 복수의 스캔 데이터로부터 특징을 추출하는 단계 및 상기 추출된 특징을 이용하여 상기 복수의 스캔 데이터에 대한 매칭을 수행하는 단계를 포함한다.
자율주행 차량의 원격 제어 방법, 장치 및 컴퓨터프로그램이 제공된다. 본 발명의 다양한 실시예에 따른 자율주행 차량의 원격 제어 방법은, 컴퓨팅 장치에 의해 수행되는, 자율주행 차량의 원격 제어 방법에 있어서, 사용자로부터 원격 제어 인터페이스를 통한 사용자 입력을 획득하는 단계, 상기 획득된 사용자 입력에 기초하여 상기 자율주행 차량에 대한 제어 명령을 결정하는 단계 및 상기 결정된 제어 명령에 따라 상기 자율주행 차량에 대한 원격 제어를 수행하는 단계를 포함한다.
차량의 자율주행 제어를 위한 정밀지도 생성 방법, 장치 및 컴퓨터프로그램이 제공된다. 본 발명의 다양한 실시예에 따른 차량의 자율주행 제어를 위한 정밀지도 생성 방법은, 컴퓨팅 장치에 의해 수행되는 차량의 자율주행 제어를 위한 정밀지도 생성 방법에 있어서, 소정의 영역에 대한 하나 이상의 지도 레이어를 선택받는 단계 및 상기 선택된 하나 이상의 지도 레이어를 이용하여 상기 소정의 영역에 대응하는 정밀지도 데이터를 생성하는 단계를 포함하며, 상기 정밀지도 데이터를 생성하는 단계는, 상기 선택된 하나 이상의 지도 레이어에 대한 호환성을 검증하는 단계를 포함한다.
비정상 데이터의 탐지가 가능한 분류 모델 생성방법, 장치 및 컴퓨터프로그램이 제공된다. 본 발명의 다양한 실시예에 따른 비정상 데이터의 탐지가 가능한 분류 모델 생성방법은 컴퓨팅 장치에 의해 수행되는, 비정상 데이터의 탐지가 가능한 분류 모델 생성방법에 있어서, 기 설정된 복수의 클래스 중 적어도 하나의 클래스로 분류되는 복수의 정상(In-Distribution) 데이터를 학습 데이터로 하여 학습시킴에 따라, 입력 데이터를 상기 기 설정된 복수의 클래스 중 어느 하나의 클래스로 분류하는 분류 모델을 생성하는 단계 및 상기 기 설정된 복수의 클래스 각각에 대응하여 구비되되, 상기 기 설정된 복수의 클래스로 분류되지 않은 복수의 비정상(Out-Of-Distribution) 데이터와 상기 복수의 정상 데이터를 학습 데이터로 하여 상기 생성된 분류 모델을 학습시키는 단계를 포함하며, 상기 생성된 분류 모델을 학습시키는 단계는, 상기 기 설정된 복수의 클래스 각각에 대응하여 구비된 비정상 데이터의 수에 기초하여 손실 함수를 결정하는 단계 및 상기 결정된 손실 함수가 최소가 되도록 상기 생성된 분류 모델을 학습시키는 단계를 포함한다.
자율주행 차량의 원격제어 방법, 장치 및 컴퓨터프로그램이 제공된다. 본 발명의 다양한 실시예에 따른 자율주행 차량의 원격제어 방법은 컴퓨팅 장치에 의해 수행되는, 자율주행 차량의 원격제어 방법에 있어서, 사용자로부터 원격제어 인터페이스를 통한 사용자 입력을 획득하는 단계, 상기 획득된 사용자 입력에 기초하여 제어명령을 결정하는 단계 및 상기 결정된 제어명령을 이용하여 상기 자율주행 차량의 동작을 제어하는 단계를 포함한다.
속력 프로파일을 이용한 자율주행 차량의 정지 제어 방법, 장치 및 컴퓨터프로그램이 제공된다. 본 발명의 일 실시예에 따른 속력 프로파일을 이용한 자율주행 차량의 정지 제어 방법은 컴퓨팅 장치에 의해 수행되는 방법에 있어서, 자율주행 차량의 주변 상황 정보를 얻는 단계, 상기 주변 상황 정보에 기초하여 상기 자율주행 차량의 정지 제어를 위한 후보 경로를 결정하는 단계, 상기 자율주행 차량이 기 설정된 속력 프로파일에 따라 상기 결정된 후보 경로를 주행하는 후보 주행 계획에 대한 점수를 산출하는 단계 및 상기 산출된 점수에 기초하여 상기 자율주행 차량에 대한 주행 계획을 확정하는 단계를 포함한다.
복수의 측위 기술 퓨전을 통한 자율주행 차량의 측위 방법, 장치 및 컴퓨터프로그램이 제공된다. 본 발명의 다양한 실시예에 따른 복수의 측위 기술 퓨전을 통한 자율주행 차량의 측위 방법은 컴퓨팅 장치에 의해 수행되는 복수의 측위 기술 퓨전을 통한 자율주행 차량의 측위 방법에 있어서, 서로 다른 측위 방법에 따라 측위를 수행하는 복수의 측위 기술 각각을 이용하여, 소정의 지역에 위치하는 차량에 대한 측위를 수행함에 따라 복수의 측위 값을 산출하는 단계 및 상기 차량에 대한 측위 결과로서, 상기 산출된 복수의 측위 값을 퓨전하여 상기 차량의 위치 및 자세를 판단하는 단계를 포함한다.
차선 정보를 이용한 자율주행 차량의 측위 방법, 장치 및 컴퓨터프로그램이 제공된다. 본 발명의 다양한 실시예에 따른 차선 정보를 이용한 자율주행 차량의 측위 방법은 컴퓨팅 장치에 의해 수행되는 차선 정보를 이용한 자율주행 차량의 측위 방법에 있어서, 소정의 지역에 대한 차선 정밀지도를 생성하는 단계, 차량으로부터 획득된 실시간 포인트 클라우드를 이용하여 실시간 차선 정보를 생성하는 단계 및 상기 생성된 차선 정밀지도와 상기 생성된 실시간 차선 정보를 매칭함에 따라 상기 차량의 위치 및 자세를 판단하는 단계를 포함한다.
인공지능 기반 자율주행 차량의 주행 경로 보정방법, 장치 및 컴퓨터프로그램이 제공된다. 본 발명의 다양한 실시예에 따른 인공지능 기반 자율주행 차량의 주행 경로 보정방법은 컴퓨팅 장치에 의해 수행되는 인공지능 기반 자율주행 차량의 주행 경로 보정방법에 있어서, 소정의 지역 내에 위치하는 차량의 자율주행 제어를 위한 기준 주행 경로를 생성하는 단계, 상기 생성된 기준 주행 경로 상에 보정이 필요한 구간을 식별하는 단계 및 상기 식별된 구간을 보정함에 따라 보정된 주행 경로를 생성하는 단계를 포함한다.
저용량 NDT 지도를 이용한 자율주행 차량의 측위 방법, 장치 및 컴퓨터프로그램이 제공된다. 본 발명의 다양한 실시예에 따른 저용량 NDT 지도를 이용한 자율주행 차량의 측위 방법은 컴퓨팅 장치에 의해 수행되는 저용량 NDT 지도를 이용한 자율주행 차량의 측위 방법에 있어서, 소정의 지역에 대한 3D 포인트 클라우드를 수집하는 단계 및 상기 소정의 지역에 대응하여 기 생성된 저용량 NDT(Normal Distribution Transform) 지도와 상기 수집된 3D 포인트 클라우드를 이용하여 자율주행 차량에 대한 측위를 수행하는 단계를 포함한다.
자율주행 차량을 위한 로드 네트워크 데이터 생성 방법, 장치 및 컴퓨터프로그램이 제공된다. 본 발명의 다양한 실시예에 따른 자율주행 차량을 위한 로드 네트워크 데이터 생성 방법은, 컴퓨팅 장치에 의해 수행되는 방법에 있어서, 복수의 단위 차로를 그룹화하여 하나 이상의 로드를 생성하는 단계, 상기 하나 이상의 로드에 대한 연결 정보를 생성하는 단계 및 상기 하나 이상의 로드를 그래프화하고, 상기 그래프화된 하나 이상의 로드에 상기 연결 정보를 반영함으로써 생성되는 로드 그래프를 포함하는 로드 네트워크 데이터를 생성하는 단계를 포함한다.
자율주행 차량의 원격 제어 방법, 장치 및 컴퓨터프로그램이 제공된다. 본 발명의 다양한 실시예에 따른 자율주행 차량의 원격 제어 방법은, 컴퓨팅 장치에 의해 수행되는, 자율주행 차량의 원격 제어 방법에 있어서, 사용자로부터 원격 제어 인터페이스를 통한 사용자 입력을 획득하는 단계, 상기 획득된 사용자 입력에 기초하여 상기 자율주행 차량에 대한 제어 명령을 결정하는 단계 및 상기 결정된 제어 명령에 따라 상기 자율주행 차량에 대한 원격 제어를 수행하는 단계를 포함한다.
차량의 자율주행을 위한 신호 정보 인지방법, 장치 및 컴퓨터프로그램이 제공된다. 본 발명의 다양한 실시예에 따른 차량의 자율주행을 위한 신호 정보 인지방법은 컴퓨팅 장치에 의해 수행되는 방법에 있어서, 소정의 지역에 위치하는 신호등을 촬영함에 따라 생성된 복수의 이미지를 수집하는 단계, 상기 수집된 복수의 이미지 각각으로부터 복수의 신호 상태정보를 추출하는 단계 및 상기 추출된 복수의 신호 상태정보를 이용하여 상기 신호등에 대한 최종 신호 정보를 결정하는 단계를 포함한다.
로드 유저 예측 기반 자율주행 차량의 주행 계획 결정방법, 장치 및 컴퓨터프로그램이 제공된다. 본 발명의 다양한 실시예에 따른 로드 유저 예측 기반 자율주행 차량의 주행 계획 결정방법은 컴퓨팅 장치에 의해 수행되는 로드 유저 예측 기반 자율주행 차량의 주행 계획 결정방법에 있어서, 자율주행 차량 주변에 위치하는 복수의 로드 유저에 대한 예측 결과를 포함하는 제1 예측 정보를 생성하는 단계, 상기 복수의 로드 유저 중 적어도 하나의 로드 유저에 대한 예측 결과만을 포함하는 제2 예측 정보를 생성하는 단계 및 상기 생성된 제1 예측 정보와 상기 생성된 제2 예측 정보를 이용하여 상기 자율주행 차량에 대한 주행 계획을 결정하는 단계를 포함한다.
차량의 자율주행 제어를 위한 주변 환경 정보 생성방법, 장치 및 컴퓨터프로그램이 제공된다. 본 발명의 다양한 실시예에 따른 차량의 자율주행 제어를 위한 주변 환경 정보 생성방법은 컴퓨팅 장치에 의해 수행되는 방법에 있어서, 제1 차량의 주변 환경에 관한 제1 센서 데이터를 수집하는 단계, 상기 수집된 제1 센서 데이터를 이용하여 상기 제1 차량에 대한 주변 환경 정보를 생성하는 단계 및 상기 제1 차량과 인접한 위치의 제2 차량으로부터 수집된 상기 제2 차량의 주변 환경에 관한 제2 센서 데이터를 이용하여 상기 생성된 주변 환경 정보를 보정하는 단계를 포함한다.
KIPO KIPRIS · checked 2026-10-15 · newest filings first · right: registration date (filing date if not yet registered) · 50 of 93 · titles and abstracts are in Korean as filed · click a row for details ▾
For now we hold public records only (National Pension Service · DART filings · patents · registers · press). When the company files material in our IR Room, it moves to L1. We do not score or rate companies — we only state how far we have checked.
Compiled from press reports — not confirmed by the company.
| KRW bn | 2024 | 2025 |
|---|---|---|
| Revenue | 2.0 | 4.0 |
| Cost of sales | 1.5 | 2.9 |
| Gross profit (loss) | 0.5 | 1.1 |
| Selling, general and administrative expenses | 9.5 | 13.1 |
| Operating income (loss) | (9.0) | (11.9) |
| Non-operating income | 0.4 | 0.6 |
| Other gains | 0.1 | 0.0 |
| Finance income | 0.4 | 0.6 |
| Non-operating expenses | (6.7) | (20.1) |
| Other losses | (0.0) | (0.0) |
| Finance costs | (6.6) | (20.1) |
| Profit (loss) before tax | (15.2) | (31.4) |
| Net income (loss) | (15.2) | (31.4) |
Revenue ₩4bn, up 100.0% YoY.
Operating margin -294.8% (prior -442.9%).
Net income ₩-31.4bn.
Need more than is shown here? Ask for more information — full review report · valuation · executive teaser · IM · competitor analysis · due diligence. Tell us what you need and we will reply by email with scope, cost and timing.
Is this your company?
If anything here is wrong, tell us — we check it against the original and correct it. You do not need to join. If you would like your financials verified and this page completed, that is a separate process.
Headlines and links to public articles only · not checked by us (original ↗) · articles are in Korean — English headlines are our translation; where none is shown, “Read in English ›” opens a machine translation · “Broker view” is a forecast, not reported results · checked 2026-11-08