Loading the company…
Loading the company…
㈜모라이
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 Seoul, founded in 2018. Industry: R&D & Professional Services. Revenue for 2025 was ₩2.7bn. It has 63 employees enrolled in the National Pension Service (as of Aug 2026). It is externally audited; the latest audit opinion is “Unqualified”.
Loading…
Latest filing 2026-06-04 · latest registration 2026-09-01 · newest first
적어도 하나의 프로세서에 의해 수행되는, 차종별 교통량 정보를 활용한 교통류 시뮬레이션 정보 제공 방법에 있어서, 도로에 포함된 하나 이상의 차로 각각에 관한 정보를 포함하는 도로지도 데이터를 획득하는 단계; 상기 도로에 대응하는 교통류 데이터를 획득하는 단계; 상기 도로에 대응하는 도로 인프라 데이터를 획득하는 단계; 및 상기 도로 상에 위치하는 적어도 하나의 차량으로부터 차량 단말 데이터를 획득하는 단계; 상기 교통류 데이터에 포함된 차종별 교통량 정보 및 상기 차량 단말 데이터에 기초하여, 상기 도로에 관한 시뮬레이션 정보를 산출하는 단계를 포함하는, 차종별 교통량 정보를 활용한 교통류 시뮬레이션 정보 제공 방법이 개시된다.
정보 처리 시스템이 개시된다. 본 정보 처리 시스템은 메모리 및 메모리와 연결되고, 메모리에 포함된 컴퓨터 판독 가능한 적어도 하나의 프로그램을 실행하도록 구성된 하나의 프로세서를 포함하고, 적어도 하나의 프로그램은, 전처리 모듈을 통해, 차량에 탑재된 카메라의 이상 상황과 연관된 설명 텍스트를 수신하여 문장 특징 벡터를 생성하고, 생성된 문장 특징 벡터, 랜덤 노이즈 벡터 및 카메라 이상 상황과 연관된 참조 영상에 기초하여 카메라 이상 상황과 연관된 기준 영상 데이터를 생성하도록 GAN(Generative Adversarial Networks) 기반의 제1 생성 모델을 학습하고, 생성된 기준 영상 데이터 및 미리 확보된 주행 영상에 기초하여, 카메라 이상 상황과 연관된 합성 영상을 생성하도록 GAN 기반의 제2 생성 모델을 학습하기 위한 명령어들을 포함할 수 있다.
적어도 하나의 프로세서에 의해 수행되는, 운전자 모델 기반 교통류 시뮬레이션 수행을 위한 시나리오 생성 방법에 있어서, 도로에 대응하는 교통류 데이터를 획득하는 단계; 상기 획득된 교통류 데이터를 이용하여 운전자 모델을 생성하는 단계; 및 상기 생성된 운전자 모델을 기반으로 교통류 시뮬레이션 수행을 위한 시나리오를 생성하는 단계를 포함하는, 운전자 모델 기반 교통류 시뮬레이션 수행을 위한 시나리오 생성 방법이 개시된다.
본 개시의 일 실시예에 따르면, 적어도 하나의 프로세서에 의해 실행되는, 3차원 모델에 기초하여 생성된 가상 데이터에서 비식별화를 수행하는 방법은 제1 이미지를 수신하는 단계, 제1 이미지와 연관된 시멘틱 세그먼테이션(Semantic Segmentation) 데이터를 수신하는 단계, 제1 이미지 및 시멘틱 세그먼테이션 데이터를 기초로 복수의 비식별화 후보 영역을 결정하는 단계, 텍스트 또는 기호 중 적어도 하나의 포함 여부에 기초하여 상기 복수의 비식별화 후보 영역 중 일부를 비식별화 대상 영역으로 결정하는 단계, 비식별화 대상 영역에 대해 비식별화 동작을 수행하는 단계 및 비식별화 처리된 제1 이미지를 출력하는 단계를 포함한다.
본 개시의 일 실시예에 따른 연석 모델을 생성하는 방법은, 고정밀지도 데이터로부터 연석과 관련된 복수의 제1 버텍스들을 획득하는 단계, 복수의 제1 버텍스들 각각의 제1 좌표 정보 및 미리 생성된 도로 메쉬 모델에 기초하여 2D 모델을 생성하는 단계, 복수의 제1 버텍스들 각각의 제2 좌표 정보에 기초하여 2D 모델로부터 제1 고도를 갖는 3D 평면 모델을 생성하는 단계, 도로 메쉬 모델에 기초하여 제1 고도를 보정하는 단계, 및 보정된 제1 고도를 갖는 3D 평면 모델에 제2 고도를 적용하여 적어도 하나의 측면을 포함하는 3D 모델을 생성하는 단계를 포함할 수 있다.
일 실시 예에 따른 정합 높이 맵 생성 장치에 의해 수행되는 정합 높이 맵 생성 방법은, 기 획득한 도로 메쉬 정보를 이용하여 도로 높이 맵을 생성하는 단계; 도로와 지형의 높이 차 또는 지오이드 높이를 이용하여 기 획득한 지형 고도 정보에서 지형의 고도 값을 보정하는 단계; 상기 도로 높이 맵 내 도로 영역을 제외한 나머지 영역에서 도로 주변을 분리하는 단계; 및 상기 고도 값이 보정된 지형 고도 정보와 상기 도로 높이 맵을 결합하여 정합 높이 맵을 생성하는 단계를 포함할 수 있다.
본 개시는, 적어도 하나의 프로세서에 의해 수행되는, 지형 데이터 기반 3D(3-Dimensional) 건물 모델링 방법을 포함한다. 3D 건물 모델링 방법은, 특정 영역에 포함된 복수의 건물과 연관된 제1 3D 메쉬 데이터, 제1 텍스처 데이터 또는 상기 특정 영역과 연관된 지형 데이터 중 적어도 하나를 수신하는 단계, 상기 제1 3D 메쉬 데이터에 대한 제1 최적화 연산을 수행하여 제2 3D 메쉬 데이터를 생성하는 단계, 제1 텍스처 데이터에 대한 제2 최적화 연산을 수행하여 제2 텍스처 데이터를 생성하는 단계 및 수신된 지형 데이터에 기초하여, 상기 생성된 제2 3D 메쉬 데이터 및 제2 텍스처 데이터를 포함하는 제1 3D 건물 모델에 대한 제3 최적화 연산을 수행하여 제2 3D 건물 모델을 생성하는 단계를 포함한다.
정보 처리 시스템이 개시된다. 본 정보 처리 시스템은 메모리 및 메모리와 연결되고, 메모리에 포함된 컴퓨터 판독 가능한 적어도 하나의 프로그램을 실행하도록 구성된 하나의 프로세서를 포함하고, 적어도 하나의 프로그램은, 주행 환경과 연관된 제1 도메인 스타일의 이미지 데이터 및 제2 도메인 스타일의 이미지 데이터를 획득하고, 제1 도메인 스타일의 이미지 데이터 및 제2 도메인 스타일의 이미지 데이터에 기초하여 GAN(generative adversarial network) 기반의 이미지 데이터 생성 모델을 학습하기 위한 명령어들을 포함한다. 본 정보 처리 시스템이 제공됨으로써, 실제 주행 환경과 연관된 이미지 데이터가 자동으로 생성될 수 있다.
본 개시는 관제 시스템 및 도로 인프라와 데이터를 송수신하는 차량의 데이터 중계 방법에 있어서, 관제 시스템에 접속하여 인증을 수행하는 단계와 차량의 센서들로부터 실시간 주행 데이터를 수집하는 단계와 상기 수집된 주행 데이터를 표준 프로토콜에 따라 인코딩하는 단계와 상기 인코딩된 주행 데이터를 관제 시스템으로 전송하는 단계와 상기 관제 시스템으로부터 인프라 정보를 수신하여 디코딩하는 단계 및 상기 디코딩된 인프라 정보를 자율 주행 시스템으로 전달하는 단계를 포함하는 것을 특징으로 한다.
본 개시의 일 실시예에 따른 자율 주행 알고리즘의 성능 평가 방법은, 도로 환경 내의 적어도 일부의 주행 구간에 대하여 주행 시나리오를 설정하는 단계, 적어도 일부의 주행 구간에서 주행 시나리오에 기초하여 실행된 자율 주행 알고리즘의 실행 데이터를 획득하는 단계, 실행 데이터를 기초로 자율 주행 알고리즘의 성능을 평가하기 위한 적어도 하나의 평가 항목을 설정하는 단계 및 적어도 하나의 평가 항목에 기초한 자율 주행 알고리즘의 성능 평가 정보를 제공하는 단계를 포함할 수 있다.
적어도 하나의 프로세서에 의해 수행되는, 차종별 교통량 정보를 활용한 교통류 시뮬레이션 정보 제공 방법에 있어서, 도로에 포함된 하나 이상의 차로 각각에 관한 정보를 포함하는 도로지도 데이터를 획득하는 단계; 상기 도로에 대응하는 교통류 데이터를 획득하는 단계; 상기 도로에 대응하는 도로 인프라 데이터를 획득하는 단계; 및 상기 도로 상에 위치하는 적어도 하나의 차량으로부터 차량 단말 데이터를 획득하는 단계; 상기 교통류 데이터에 포함된 차종별 교통량 정보 및 상기 차량 단말 데이터에 기초하여, 상기 도로에 관한 시뮬레이션 정보를 산출하는 단계를 포함하는, 차종별 교통량 정보를 활용한 교통류 시뮬레이션 정보 제공 방법이 개시된다.
본 개시의 일 실시예에 따른 적어도 하나의 프로세서에 의해 수행되는 주행 시뮬레이션 데이터 생성 방법은, 기준 차량의 카메라를 통해 촬영된 제1 이미지를 획득하는 단계, 상기 제1 이미지에 포함된 타겟 차량의 바운딩 박스 및 이동 방향을 감지하는 단계, 상기 기준 차량 및 상기 타겟 차량 간의 상대적 거리를 결정하는 단계, 상기 기준 차량의 시뮬레이션 공간 상의 위치 좌표 및 상기 상대적 거리에 기초하여, 상기 타겟 차량의 시뮬레이션 공간 상의 위치 좌표를 결정하는 단계 및 상기 기준 차량 및 상기 타겟 차량에 대한 주행 시뮬레이션 데이터를 생성하는 단계를 포함할 수 있다.
본 개시는 3차원 바운딩 박스 생성 방법 및 시스템에 관한 것으로, 적어도 하나의 프로세서에 의해 수행되는 3차원 바운딩 박스 생성 방법에 있어서, 제1 도메인 스타일의 제1 세트의 학습 이미지에 기초하여 3차원 바운딩 박스 정답 데이터 세트를 생성하는 단계와 객체 인식 모델을 이용하여 제2 도메인 스타일의 제2 세트의 학습 이미지 내의 3차원 바운딩 박스 예측 데이터 세트를 생성하는 단계와 3차원 바운딩 박스 정답 데이터 세트와 3차원 바운딩 박스 예측 데이터 세트 사이의 오차 분포를 생성하는 단계와 제1 도메인 스타일의 타겟 이미지를 획득하는 단계와 타겟 이미지 내의 객체에 대한 3차원 바운딩 박스 타겟 데이터를 생성하는 단계와 오차 분포를 이용하여 3차원 바운딩 박스 타겟 데이터에 노이즈를 주입하는 단계 및 제2 도메인 스타일의 제2 세트의 학습 이미지 각각과 연관된 카메라 정보를 획득하는 단계를 포함하고, 3차원 바운딩 박스 정답 데이터 세트에 포함된 각 정답 3차원 바운딩 박스는 복수의 항목에 대한 정답 데이터를 포함하며, 3차원 바운딩 박스 예측 데이터 세트에 포함된 각 예측 3차원 바운딩 박스는 복수의 항목에 대한 예측 데이터를 포함하고, 오차 분포를 생성하는 단계는 상기 카메라 정보를 고려하여 복수의 항목별로 정답 데이터와 예측데이터 사이의 조건부 오차 분포를 생성하는 단계를 포함할 ...(이하생략)
고-정밀 지도 데이터 기반의 가상 환경에서 가상 센서의 배치를 위한 복수의 후보 위치들을 결정하는 단계, 복수의 후보 위치들 중 제1 후보 위치에 배치된 가상 센서의 제1 센싱 데이터를 획득하는 단계, 복수의 후보 위치들 중 제2 후보 위치에 배치된 가상 센서의 제2 센싱 데이터를 획득하는 단계 및 제1 센싱 데이터 및 제2 센싱 데이터에 기초하여 제1 후보 위치 또는 제2 후보 위치를 가상 센서의 배치 위치로 결정하는 단계를 포함하는, 고-정밀 지도 기반의 가상 환경에서 가상 센서의 배치 위치를 결정하는 방법이 개시된다.
적어도 하나의 프로세서에 의해 수행되는, 차로별 혼잡 정보의 제공 방법에 있어서, 도로에 포함된 복수의 차로 각각이 제1 노드 및 제1 노드로부터 연결되는 제1 링크로 표현되는 제1 도로지도 데이터를 획득하는 단계, 도로의 교통류 데이터를 획득하는 단계, 도로를 촬영한 영상을 획득하는 단계, 영상을 촬영한 카메라의 설치 위치 정보, 카메라의 지향 방향 정보 및 영상의 분석 결과에 기초하여, 제1 도로지도 데이터에 포함된 복수의 차로 각각과 연관된 제1 링크에 영상 내의 각각의 차로를 매핑하는 단계, 영상의 분석 결과에 기초하여, 복수의 차로 각각과 연관된 제1 링크에 대응되는 차량의 수, 차량의 이동 속도 및 차량의 위치를 산출하는 단계, 및 교통류 데이터, 차량의 수, 차량의 이동 속도 또는 차량의 위치 중 적어도 하나에 기초하여, 복수의 차로 각각과 연관된 혼잡 정보를 산출하는 단계를 포함하는, 차로별 혼잡 정보의 제공 방법이 개시된다.
고-정밀 지도 기반의 가상 환경에 제1 파트, 상기 제1 파트에 연결되는 제2 파트 및 상기 제2 파트에 연결되는 제3 파트를 포함하는 가상 객체를 배치하는 방법이 개시된다. 상기 방법은, 지정된 지역의 실제 도로 환경을 나타내는 상기 고-정밀 지도 데이터를 획득하는 단계 - 상기 고-정밀 지도 데이터는 방향 정보를 갖는 복수의 차량 주행 링크들 및 좌표 정보를 갖는 복수의 버텍스들을 포함함 -, 상기 복수의 차량 주행 링크들의 방향 정보에 기초하여 상기 제2 파트의 방향을 결정하는 단계, 상기 복수의 버텍스들의 좌표 정보에 기초하여 상기 제2 파트의 길이를 결정하는 단계, 상기 제2 파트의 길이에 기초하여 상기 제2 파트를 기준으로 한 상기 제3 파트의 위치를 결정하는 단계 및 상기 복수의 차량 주행 링크들의 방향 정보에 기초하여 상기 제3 파트의 방향을 결정하는 단계를 포함할 수 있다.
적어도 하나의 프로세서에 의해 수행되는, 포인트 클라우드 데이터를 처리하는 방법은, 가상의 회전형 라이다 센서를 이용하여 제1 시점에 주변 공간을 센싱한 포인트 클라우드 데이터를 획득하는 단계, 가상의 회전형 라이다 센서의 제1 시점에서의 위치 및 배향과 가상의 회전형 라이다 센서의 제1 시점 이전의 제2 시점에서의 위치 및 배향에 기초하여, 제1 시점과 제2 시점 사이의 제3 시점과 제1 시점 간의 상대적 위치 및 배향을 나타내는 변환 행렬을 산출하는 단계, 및 산출된 변환 행렬에 기초하여, 포인트 클라우드 데이터에서 제3 시점에 대응되는 적어도 일부 데이터를 보정하는 단계를 포함하는, 포인트 클라우드 데이터를 처리하는 방법이 개시된다.
본 개시는 적어도 하나의 프로세서에 의해 수행되는, 디지털 트윈 환경에서의 GNSS(Global Navigation Satellite System) RF(Radio Frequency) 신호 모사를 위한 HILS(Hardware In the Loop Simulation) 기반의 디지털 트윈 시뮬레이션 방법을 제공한다. 이 방법은, 디지털 트윈 환경에서 가상 차량의 위치 데이터를 생성하는 단계, 생성된 위치 데이터를 기반으로 GNSS RF(Radio Frequency) 신호를 생성하는 단계 및 생성된 GNSS RF 신호를 평가 대상 차량으로 전송하는 단계를 포함한다.
본 개시는 적어도 하나의 프로세서에 의해 수행되는 차량 주행 패턴 분석 방법을 제공한다. 이 방법은, 제1 지역 내의 실제 도로를 주행하는 제1 복수의 차량과 연관된 제1 실제 주행 데이터를 획득하는 단계와, 제1 실제 주행 데이터에 기초하여 상기 실제 도로 내의 복수의 구간별 차량 주행 패턴을 생성하는 단계를 포함하고, 제1 실제 주행 데이터는 차량의 속력 데이터, 주행 방향 데이터 및 위치 데이터를 포함한다.
본 개시는 가상 라이다 데이터 생성 방법을 제공한다. 이 방법은, 가상 라이다 센서와 연관된 제1 데이터 타입의 제1 가상 라이다 데이터를 획득하는 단계, 제1 데이터 타입의 제1 가상 라이다 데이터에 대해 드랍 아웃 프로세스를 수행하여, 제1 데이터 타입의 제2 가상 라이다 데이터를 획득하는 단계, 실제 라이다 센서와 연관된 신호 강도(Intensity) 모델을 이용하여 제1 데이터 타입의 제2 가상 라이다 데이터를 제2 데이터 타입의 제2 가상 라이다 데이터로 변환하는 단계를 포함한다.
본 개시는 적어도 하나의 프로세서에 의해 수행되는, 가상 이미지 생성 방법을 제공한다. 이 방법은, 제1 도메인 스타일의 타겟 이미지를 획득하는 단계, 타겟 이미지 내의 제1 타입의 객체를 나타내는 제1 도메인 스타일의 제1 이미지를 생성하는 단계, 타겟 이미지 내의 제2 타입의 객체를 나타내는 제1 도메인 스타일의 제2 이미지를 생성하는 단계, 제1 이미지 생성 모델을 이용하여, 제1 이미지에 기초한 제2 도메인 스타일의 제1 부분 가상 이미지를 생성하는 단계, 제2 이미지 생성 모델을 이용하여, 제2 이미지에 기초한 제2 도메인 스타일의 제2 부분 가상 이미지를 생성하는 단계, 및 제1 부분 가상 이미지 및 제2 부분 가상 이미지에 기초하여, 제2 도메인 스타일의 가상 이미지를 생성하는 단계를 포함하고, 제1 도메인 스타일과 제2 도메인 스타일은 상이하다.
본 개시는 3차원 바운딩 박스 생성 방법 및 시스템을 제공한다. 3차원 바운딩 박스 생성 방법은 제1 도메인 스타일의 제1 세트의 학습 이미지에 기초하여 3차원 바운딩 박스 정답 데이터 세트를 생성하는 단계, 객체 인식 모델을 이용하여 제2 도메인 스타일의 제2 세트의 학습 이미지 내의 3차원 바운딩 박스 예측 데이터 세트를 생성하는 단계, 3차원 바운딩 박스 정답 데이터 세트와 3차원 바운딩 박스 예측 데이터 세트 사이의 오차 분포를 생성하는 단계, 제1 도메인 스타일의 타겟 이미지를 획득하는 단계, 타겟 이미지 내의 객체에 대한 3차원 바운딩 박스 타겟 데이터를 생성하는 단계 및 오차 분포를 이용하여 3차원 바운딩 박스 타겟 데이터에 노이즈를 주입하는 단계를 포함할 수 있다.
본 개시는 적어도 하나의 프로세서에 의해 수행되는, 3차원 바운딩 박스 데이터 생성 방법을 제공한다. 이 방법은, 제1 절대 좌표계로 정의된 가상의 3차원 공간 내의 제1 위치에 3차원 객체를 배치하는 단계 - 3차원 객체는 메쉬 정보 및 제1 상대 좌표계 정보를 포함함 -, 가상의 3차원 공간 내의 제2 위치에 가상 센서를 배치하는 단계 - 가상 센서는 제2 상대 좌표계 정보를 포함함 -, 가상 센서의 내부 파라미터와 외부 파라미터를 획득하는 단계 및 메쉬 정보, 제1 상대 좌표계 정보, 내부 파라미터, 외부 파라미터 및 제2 상대 좌표계 정보에 기초하여, 제2 절대 좌표계 내에서 가상 센서를 기준으로 한 3차원 객체의 3차원 바운딩 박스 데이터를 생성하는 단계를 포함하고, 제1 절대 좌표계와 제2 절대 좌표계는 서로 상이하다.
본 개시는 도로지도 데이터 포맷 변환 방법을 제공한다. 방법은, 노드(node) 및 노드와 연결된 링크(link)를 포함하는 벡터 데이터로 표현되는 제1 도로지도 데이터를 획득하는 단계, 제1 도로지도 데이터에 기초하여, 레퍼런스 라인을 생성하는 단계, 레퍼런스 라인 및 제1 도로지도 데이터에 기초하여, 도로 너비 데이터를 생성하는 단계 및 레퍼런스 라인 및 도로 너비 데이터에 기초하여, 제2 도로지도 데이터를 생성하는 단계를 포함한다.
본 개시는 합성 레이더 데이터 생성 방법 및 시스템을 제공한다. 합성 레이더 데이터 생성 방법은, 라이다(LiDAR: Light Detection And Ranging) 센서에 의해 생성된 포인트 클라우드 데이터를 수신하는 단계, 포인트 클라우드 데이터와 연관된 3차원 바운딩 박스 정보를 수신하는 단계 및 포인트 클라우드 데이터 및 3차원 바운딩 박스 정보에 기초하여, 포인트 클라우드 데이터와 대응하는 합성 레이더 데이터를 생성하는 단계를 포함하고, 합성 레이더 데이터는 레이더 센서에 의해 생성된 데이터를 모사할 수 있다.
전자 장치에 있어서, 통신 회로, 메모리, 및 통신 회로 및 메모리와 작동적으로 연결된 프로세서를 포함하고, 프로세서는, 통신 회로를 통해 연결된 적어도 하나의 외부 전자 장치로부터, 복수의 콘텐츠를 수신하고, 수신된 복수의 콘텐츠에 기초하여, 복수의 3차원 서브 데이터를 생성하고, 생성된 복수의 3차원 서브 데이터를 병합하여, 3차원 공간 데이터를 생성하도록 구성된, 전자 장치가 개시된다.
본 개시는 적어도 하나의 프로세서에 의해 수행되는, 무인 이동체의 주행 시뮬레이션 환경을 생성하는 방법을 제공한다. 무인 이동체의 주행 시뮬레이션 환경을 생성하는 방법은, 무인 이동체의 주행 시뮬레이션 환경의 시간과 연관된 제1 사용자 입력을 수신하는 단계, 주행 시뮬레이션 환경의 기상 상황과 연관된 제2 사용자 입력을 수신하는 단계 및 제1 사용자 입력 및 제2 사용자 입력에 기초하여, 주행 시뮬레이션 환경을 생성하는 단계를 포함한다.
본 개시는 적어도 하나의 프로세서에 의해 수행되는, 가상 라이다 데이터 생성 방법을 제공한다. 이 방법은, 가상 환경과 연관된 환경 정보를 수신하는 단계, 가상 환경 내에 배치된 대상 객체의 유형 정보를 수신하는 단계, 가상 환경 내에 배치된 라이다와 대상 객체 사이의 거리 정보를 수신하는 단계 및 환경 정보, 유형 정보 및 거리 정보에 기초하여, 대상 객체와 연관된 가상 라이다 데이터를 생성하는 단계를 포함한다.
전자 장치에 있어서, 프로세서 및 프로세서와 작동적으로 연결된 메모리를 포함하고, 메모리는, 실행 시에, 프로세서가, 실제 센서를 이용하여 실제 공간을 지정된 복수 횟수 센싱하여 획득한 복수의 실제 포인트 클라우드 데이터를 수신하고, 실제 센서를 모사한 가상 센서를 이용하여 실제 공간을 모사한 가상 공간을 지정된 복수 횟수 센싱하여 획득한 복수의 가상 포인트 클라우드 데이터를 수신하고, 복수의 실제 포인트 클라우드 데이터 및 복수의 가상 포인트 클라우드 데이터에 기초하여, 실제 센서와 가상 센서 사이의 모사도를 결정하도록 하는 인스트럭션들을 저장하는, 전자 장치가 개시된다.
전자 장치에 있어서, 노드 및 노드로부터 연결되는 링크를 포함하는 벡터 데이터로 표현되는 제1 도로지도 데이터를 저장하는 메모리, 및 메모리와 작동적으로 연결된 프로세서를 포함하고, 프로세서는, 제1 도로지도 데이터에 포함된 복수의 벡터 데이터 각각의 노드 및 링크의 연결 관계를 분석하여 복수의 도로들 사이의 선행 도로 및 후행 도로 관계를 식별하고, 복수의 도로들 중 복수의 후행 도로를 가지는 제1 도로 및 복수의 도로들 중 복수의 선행 도로를 가지는 제2 도로에 기초하여, 교차로 정보를 설정하고, 교차로 정보를 포함하는 제2 도로지도 데이터를 생성하도록 구성된 전자 장치가 개시된다.
본 개시는 적어도 하나의 프로세서에 의해 수행되는, 운전자 모니터링 시뮬레이션 방법을 제공한다. 이 방법은, 차량 내에 설치된 카메라에 의해 촬영된 적어도 하나의 이미지를 획득하는 단계, 운전자와 연관된 데이터를 생성하는 단계, 적어도 하나의 이미지 및 운전자와 연관된 데이터에 기초하여, 운전자가 차량의 운전석에 착석한 혼합 영상을 생성하는 단계 및 혼합 영상에 기초하여, 운전자 모니터링 모델에 대한 시뮬레이션을 수행하는 단계를 포함한다.
3D 시뮬레이션 방법 및 장치가 개시된다. 개시된 3D 시뮬레이션 방법은 도로, 장애물 및 화물 이송 루트를 포함하는 포인트 클라우드 데이터를 도로 데이터와 장애물 데이터로 분리하는 단계(S20), 상기 도로 데이터를 도로 메쉬 데이터로 변환하고 상기 장애물 데이터를 장애물 메쉬 데이터로 변환하는 단계(S40), 상기 도로 메쉬 데이터와 상기 장애물 메쉬 데이터를 병합하여 가상 환경을 구축하는 단계(S60), 상기 가상 환경에 특정 화물 이송 루트를 로딩하는 단계(S80), 상기 가상 환경의 상기 화물 이송 루트의 미리 결정된 지점에 3D 이동 대차 및 3D 화물을 로딩하는 단계(S100) 및 상기 화물 이송 루트를 따라 상기 3D 이동 대차 및 상기 3D 화물을 가상으로 주행시키면서 루트 조사 시뮬레이션을 수행하는 단계(S120)를 포함한다.
본 개시는 적어도 하나의 프로세서에 의해 수행되는, RSU(Road Side Unit)를 이용한 VILS(Vehicle In the Loop Simulation) 기반의 자율 주행 평가 방법을 제공한다. 이 방법은, 특정 지역 내에서의 자율 주행 차량 평가 시나리오 정보를 생성하는 단계, 시나리오 정보를 복수의 RSU 중 적어도 하나를 통해 제1 평가 대상 차량으로 전송하는 단계, 복수의 가상 객체 정보를 복수의 RSU 중 적어도 하나를 통해 제1 평가 대상 차량으로 전송하는 단계, 제1 평가 대상 차량으로부터 복수의 RSU 중 적어도 하나를 통해 제1 가상 주행 데이터를 수신하는 단계 및 복수의 가상 객체 정보 및 제1 가상 주행 데이터에 기초하여, 제1 평가 대상 차량에 탑재된 제1 자율 주행 알고리즘을 평가하는 단계를 포함한다.
본 개시는 적어도 하나의 프로세서에 의해 수행되는, 자율주행 데이터 분석 방법에 관한 것이다. 자율주행 데이터 분석 방법은 가상 환경 시뮬레이터로부터 자율주행 차량의 상태와 연관된 제1 데이터 및 자율주행 차량의 주행 환경과 연관된 제2 데이터를 수집하는 단계, 자율주행 차량 제어 장치로부터 자율주행 차량의 제어와 연관된 제3 데이터를 수집하는 단계 및 제1 데이터, 제2 데이터 및 제3 데이터에 기초하여 자율주행 데이터 분석 결과를 생성하는 단계를 포함한다.
본 개시는 적어도 하나의 프로세서에 의해 수행되는, 가상 환경 내 도로의 연속성을 보장하기 위한 도로 형상 정보 생성 방법을 제공한다. 이 방법은, 정밀도로지도 내에 포함된 데이터에 기초하여 복수의 레퍼런스 라인을 생성하는 단계 - 복수의 레퍼런스 라인 각각은 복수의 포인트와 연관됨 - 및 복수의 레퍼런스 라인 중 적어도 일부에 포인트를 추가하거나 삭제함으로써, 복수의 레퍼런스 라인 중 적어도 일부를 연결하는 단계를 포함한다.
본 개시는 적어도 하나의 프로세서에 의해 실행되는, 도로 너비 표현 방법에 관한 것이다. 도로 너비 표현 방법은, 특정 도로의 레퍼런스 라인과 연관된 제1 세트의 포인트를 생성하는 단계, 특정 도로의 제1 라인과 연관된 제2 세트의 포인트를 생성하는 단계, 특정 도로의 제2 라인과 연관된 제3 세트의 포인트를 생성하는 단계 및 레퍼런스 라인, 제1 세트의 포인트, 제2 세트의 포인트 및 제3 세트의 포인트에 기초하여 레퍼런스 라인의 위치에 따른 제1 라인과 제2 라인 사이의 너비를 나타내는 다항식 함수를 생성하는 단계를 포함한다.
본 개시는 적어도 하나의 프로세서에 의하여 실행되는, 도로의 형상 정보 최적화 방법에 관한 것이다. 도로의 형상 정보 최적화 방법은, 특정 도로에 대한 포인트 세트에 기초하여 특정 도로에 대한 모수적 베지어 커브를 생성하는 단계, 생성된 모수적 베지어 커브와 포인트 세트 사이의 오차를 산출하는 단계, 산출된 오차에 기초하여, 특정 도로를 2개의 구간으로 분리하는 단계를 포함한다.
본 개시는 사용자 단말의 적어도 하나의 프로세서에 의해 수행되는, 자율주행 시뮬레이션을 위한 3차원 가상 환경 정보 표시 방법을 제공한다. 이 방법은, 특정 지역의 도로 정보를 나타내는 정밀도로지도 데이터에 기초하여, 특정 지역에 대한 3차원 가상 환경을 렌더링하여 사용자 단말의 디스플레이 상에 출력하는 단계, 3차원 가상 환경 내에서 자율주행 알고리즘을 이용하여 주행 중인 차량을 디스플레이 상에 출력하는 단계 및 정밀도로지도 데이터에 포함된 메타데이터 중 적어도 일부를 렌더링된 3차원 가상 환경 내에 시각화하여 디스플레이 상에 출력하는 단계를 포함한다.
본 개시는 적어도 하나의 프로세서에 의해서 수행되는 자율 주행 이동체에 대한 시뮬레이션 방법이 제공된다. 이 방법은 시나리오 실행 모듈이 자율 주행 시뮬레이션을 위한 시나리오 파일을 수신하는 단계, 시나리오 실행 모듈이 자율 주행 시뮬레이션에 이용되는 타깃 이동체 데이터와 주변 이동체 데이터를 수신된 시나리오 파일로부터 추출하는 단계, 시뮬레이터에 의해서 테스트 대상이 되는 타깃 이동체 및 주변 이동체가 주행되도록, 시나리오 실행 모듈이 타깃 이동체 데이터와 주변 이동체 데이터를 시뮬레이터에 입력하는 단계, 타깃 이동체 또는 주변 이동체 중 적어도 하나의 상태 정보를 시뮬레이터로부터 수신하기 위한 제1 쓰레드(thread)를 생성하는 단계 및 타깃 이동체 또는 주변 이동체 중 적어도 하나의 상태를 제어하기 위한 제2 쓰레드를 생성하는 단계를 포함하고, 자율 주행 알고리즘을 이용하여 시뮬레이터에 의해 타깃 이동체의 자율 주행이 시뮬레이션될 수 있다.
본 개시는 적어도 하나의 프로세서에 의해서 수행되는 자율 주행 이동체에 대한 시뮬레이션 방법이 제공된다. 이 방법은 시나리오 실행 모듈이 자율 주행 시뮬레이션에 이용되는 타깃 이동체 데이터와 주변 이동체 데이터를 시나리오 파일로부터 추출하는 단계, 시뮬레이터에 의해서 테스트 대상이 되는 타깃 이동체 및 주변 이동체가 주행되도록, 시나리오 실행 모듈이 타깃 이동체 데이터와 주변 이동체 데이터를 시뮬레이터에 입력하는 단계, 시나리오 실행 모듈이 타깃 이동체의 상태 정보를 수신하는데 이용되는 제1 쓰레드(thread)를 생성하는 단계 및 시나리오 실행 모듈이 타깃 이동체를 제어하는데 이용되는 제2 쓰레드를 생성하는 단계를 포함하고, 자율 주행 알고리즘을 이용하여 시뮬레이터에 의해 타깃 이동체의 자율 주행이 시뮬레이션될 수 있다.
본 개시는 적어도 하나의 프로세서에 의해 실행되는, 자율 주행 시뮬레이션 수행을 위해 차량 및 보행자 신호등 연동 데이터를 이용하여 가상환경을 생성하는 방법에 관한 것이다. 가상환경을 생성하는 방법은, 특정 지역의 실제 도로 정보를 나타내는 정밀도로지도 데이터를 수신하는 단계, 정밀도로지도 데이터를 기초로 도로 영역을 정의하는 로드 메쉬를 생성하는 단계, 정밀도로지도 데이터를 기초로 차선을 정의하는 레인 메쉬를 생성하는 단계, 정밀도로지도 데이터를 기초로 NPC 차량이 주행 가능한 주행 경로를 생성하는 단계, 정밀도로지도 데이터를 기초로 차량 신호등을 생성하는 단계, 정밀도로지도 데이터를 기초로 보행자 신호등을 생성하는 단계, 차량 신호등 및 보행자 신호등을 기초로 신호 주기 연동 데이터를 생성하는 단계 및 로드 메쉬, 레인 메쉬, 주행 경로, 차량 신호등, 보행자 신호등 및 신호 주기 연동 데이터를 병합하여 특정 지역의 디지털 트윈 가상환경을 생성하는 단계를 포함한다.
본 개시는 적어도 하나의 프로세서에 의해 수행되는, 주행 환경과 연관된 혼합 현실 영상 생성 방법에 관한 것이다. 혼합 현실 영상 생성 방법은, 주행 환경과 연관된 실제 영상을 획득하는 단계, 주행 환경의 객체를 포함하는 제1 가상 영상을 생성하는 단계 및 실제 영상 및 상기 제1 가상 영상에 기초하여 주행 환경의 객체를 포함하는 혼합 현실 영상을 생성하는 단계를 포함한다.
본 개시는 적어도 하나의 프로세서에 의해 수행되는, 혼합 현실 영상 기반 자율 주행 차량 평가 방법에 관한 것이다. 자율 주행 차량 평가 방법은, 자율 주행 차량의 평가를 위한 주행 환경과 연관된 실제 영상을 획득하는 단계, 주행 환경의 객체를 포함하는 제1 가상 영상을 생성하는 단계, 실제 영상 및 상기 제1 가상 영상에 기초하여 주행 환경의 가상 객체를 포함하는 혼합 현실 영상을 생성하는 단계 및 혼합 현실 영상에 기초하여 자율 주행 차량을 평가하는 단계를 포함한다.
본 개시는 적어도 하나의 프로세서에 의해 수행되는, 관제 플랫폼 연동 VILS 기반의 교통 환경 재현 방법에 관한 것이다. 교통 환경 재현 방법은 특정 지역 내에서의 자율 주행 차량 평가 시나리오 정보를 생성하는 단계, 시나리오 정보를 평가 대상 차량으로 전송하는 단계, 복수의 가상 객체 정보를 평가 대상 차량으로 전송하는 단계, 평가 대상 차량으로부터 특정 지역 내에서의 차량의 실제 주행 데이터를 수신하는 단계, 평가 대상 차량으로부터 차량의 실제 주행 데이터에 기초하여 시뮬레이션된 가상 주행 데이터를 수신하는 단계 및 차량의 실제 주행 데이터 및 차량의 가상 주행 데이터에 기초하여, 평가 대상 차량의 특정 지역 내에서의 주행을 시각화하여 디스플레이 상에 출력하는 단계를 포함한다.
본 개시는 사용자 단말의 적어도 하나의 프로세서에 의해 수행되는, 자율주행 시뮬레이션을 위한 3차원 가상 환경 내 형상정보 및 메타데이터의 추적성 향상을 위한 사용자 인터페이스 표시 방법을 제공한다. 이 방법은 특정 지역의 도로 정보를 나타내는 정밀도로지도 데이터에 기초하여, 특정 지역에 대한 3차원 가상 환경을 렌더링하여 사용자 단말의 디스플레이의 제1 영역에 출력하는 단계, 3차원 가상 환경 내에서 자율주행 알고리즘을 이용하여 주행 중인 차량을 디스플레이의 제1 영역에 출력하는 단계, 정밀도로지도 데이터에 포함된 메타데이터 중 적어도 일부를 렌더링된 3차원 가상 환경 내에 시각화하여 디스플레이의 제1 영역에 출력하는 단계 - 렌더링된 3차원 가상 환경 내에 시각화되는 메타데이터는 링크, 노드 또는 링크 식별자 중 적어도 하나를 포함함 -, 정밀도로지도 데이터에 포함된 복수의 링크 식별자 중 적어도 일부를 디스플레이의 제2 영역에 표시하는 단계, 제1 영역에서 시각화된 특정 링크를 선택하는 제1 사용자 입력을 수신하는 단계 및 제1 사용자 입력을 수신하는 것에 응답하여, 시각화된 특정 링크와 연관된 노드 정보 및 시각화된 특정 링크와 연결된 다른 링크 정보를 디스플레이의 제3 영역에 표시하는 단계를 포함한다.
본 개시는 적어도 하나의 프로세서에 의해 수행되는, 자율주행 서비스 검증을 위한 가상 환경 생성 방법을 제공한다. 이 방법은, 모바일 매핑 시스템(Mobile Mapping System)을 이용하여 특정 지역의 정밀도로지도를 생성하는 단계, 생성된 정밀도로지도의 점군데이터(Point Cloud Data)에 기초하여, 특정 지역의 도로와 연관된 제1 메쉬(mesh)를 생성하는 단계, 특정 지역의 지형과 연관된 제2 메쉬를 생성하는 단계 및 제1 메쉬 및 제2 메쉬를 정합하여 가상 환경을 생성하는 단계를 포함한다.
본 개시는 적어도 하나의 프로세서에 의해 수행되는 자율 주행 알고리즘의 성능 평가 방법에 관한 것으로서, 자율 주행 알고리즘이 적용된 테스트 대상 이동체 및 주변 이동체 사이의 충돌 시나리오를 기초로 상기 테스트 대상 이동체 및 상기 주변 이동체의 주행과 연관된 제1 파라미터 세트 및 제2 파라미터 세트를 결정하는 단계, 제1 파라미터 세트 및 제2 파라미터 세트에 기초하여 충돌 시나리오와 연관된 복수의 케이스를 생성하는 단계 및 자율 주행 알고리즘을 이용하여 복수의 케이스 각각에 대해 시뮬레이션을 수행하는 단계를 포함하고, 제1 파라미터 세트 각각은 고정된 값을 가지고, 제2 파라미터 세트 각각은 미리 정해진 스위핑 범위를 가진다.
본 발명은, 자율주행 차량의 주행을 테스트하기 위한 가상 환경을 제공하는 기술에 관한 것이다. 보다 구체적으로 본 발명은, 가상 환경 상에서 가상의 라이다 데이터를 생성하는 장치에 있어서, 실제 환경에서 주행하는 이동 수단에 설치되어 라이다 데이터를 수집하는 라이다 데이터 수집부, 상기 수집된 라이다 데이터를 저장하기 위한 데이터베이스, 가상 환경을 구축하기 위한 가상 환경 구축 엔진, 및 상기 구축된 가상 환경 상에서 가상의 이동 수단의 이동에 대응하는 가상의 라이다 데이터를 생성하는 라이다 데이터 생성부를 포함하는, 가상의 라이다 데이터 생성 장치에 관한 것이다.
본 개시는 적어도 하나의 프로세서에 의해 실행되는, 보행자 신호등이 포함된 정밀도로지도 데이터 기반 가상환경 생성 방법에 관한 것이다. 보행자 신호등이 포함된 정밀도로지도 데이터 기반 가상환경 생성 방법은, 특정 지역의 실제 도로 정보를 나타내는 정밀도로지도 데이터를 수신하는 단계, 로드 메쉬를 생성하는 단계, 레인 메쉬를 생성하는 단계, NPC 차량이 주행 가능한 주행 경로를 생성하는 단계, NPC 보행자가 도보로 이동 가능한 도보 이동 경로를 생성하는 단계, 차량 신호등을 생성하는 단계, 보행자 신호등을 생성하는 단계 및 특정 지역의 디지털 트윈 가상환경을 생성하는 단계를 포함한다.
본 개시는 적어도 하나의 프로세서에 의해 실행되는, 정밀도로지도 데이터 기반 가상환경 생성 방법에 관한 것이다. 정밀도로지도 데이터 기반 가상환경 생성 방법은, 특정 지역의 실제 도로 정보를 나타내는 정밀도로지도 데이터를 수신하는 단계, 정밀도로지도 데이터를 기초로 도로 영역을 정의하는 로드 메쉬를 생성하는 단계, 정밀도로지도 데이터를 기초로 차선을 정의하는 레인 메쉬를 생성하는 단계, 정밀도로지도 데이터를 기초로 NPC 차량이 주행 가능한 주행 경로를 생성하는 단계 및 로드 메쉬, 레인 메쉬 및 주행 경로를 병합하여 특정 지역의 디지털 트윈 가상환경을 생성하는 단계를 포함하고, 정밀도로지도 데이터는 복수의 버텍스 및 복수의 링크를 포함하고, 각 버텍스는 좌표값과 속성값을 가진다.
KIPO KIPRIS · checked 2026-10-15 · newest filings first · right: registration date (filing date if not yet registered) · 50 of 53 · 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.
| KRW bn | 2024 | 2025 |
|---|---|---|
| Revenue | 3.7 | 2.7 |
| Operating expenses | 15.4 | 7.7 |
| Selling, general and administrative expenses | 12.9 | 5.7 |
| Operating income (loss) | 11.7 | 5.1 |
| Non-operating income | 0.1 | 0.3 |
| Other gains | 0.0 | 0.0 |
| Finance income | 0.1 | 0.1 |
| Other | 0.0 | 0.2 |
| Non-operating expenses | 0.2 | 0.5 |
| Other losses | 0.0 | 0.0 |
| Finance costs | 0.1 | 0.3 |
| Other | 0.1 | 0.2 |
| Profit (loss) before tax | 11.8 | 5.2 |
| Net income (loss) | 11.8 | 5.2 |
Revenue ₩2.7bn, down 28.8% YoY.
Operating margin 190.0% (prior 312.7%).
Net income ₩5.2bn.
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.