남운현
/ 서울특별시 송파구 송파대로**길 **, ***동 ***호 (가락동, 가락동부센트레빌)
부석훈
/ 서울특별시 강남구 테헤란로**길 **, ***호 (역삼동)
성명철
/ 경상북도 포항시 북구 장량로***번길 **, ***호
유우주
/ 경상북도 포항시 남구 희망대로 ***, ***동 ****호 (대잠동, 대잠센트럴하이츠아파트)
정경중
/ 경상북도 포항시 남구 지곡로 ***, ***동 ***호 (지곡동, 현대그린*차)
제홍모
/ 경상북도 포항시 남구 지곡로 **, *동 ****호 (효자동, 승리아파트)
조호진
/ 경상북도 포항시 북구 법원로**번길 **, ***호 (장성동)
출원인 / 주소
주식회사 스트라드비젼 / 경상북도 포항시 남구 지곡로 ***, 제*벤처동 ***호,***호,***호,***호,***호(지곡동, 포항테크노파크)
대리인 / 주소
특허법인 수
심사청구여부
있음 (2020-01-20)
심사진행상태
등록결정(일반)
법적상태
등록
초록▼
객체 검출 프로세스와 병렬적으로 생성된, 객체 검출의 신뢰도를 나타내는 컨피던스 스코어(Confidence Score)를 이용함으로써, 컴퓨팅 파워를 절약하면서도 더 나은 자율 주행 성능을 달성하기 위한 방법에 있어서, (a) 컴퓨팅 장치가, 대상 차량에 설치된 적어도 하나의 이미지 센서를 통해 상기 대상 차량의 주변에 대한 적어도 하나의 상황 이미지를 획득하는 단계; (b) 상기 컴퓨팅 장치가, CNN(Convolutional Neural Network)으로 하여금, 상기 상황 이미지에 CNN 연산을 적어도 한 번 적용하도록 하여
객체 검출 프로세스와 병렬적으로 생성된, 객체 검출의 신뢰도를 나타내는 컨피던스 스코어(Confidence Score)를 이용함으로써, 컴퓨팅 파워를 절약하면서도 더 나은 자율 주행 성능을 달성하기 위한 방법에 있어서, (a) 컴퓨팅 장치가, 대상 차량에 설치된 적어도 하나의 이미지 센서를 통해 상기 대상 차량의 주변에 대한 적어도 하나의 상황 이미지를 획득하는 단계; (b) 상기 컴퓨팅 장치가, CNN(Convolutional Neural Network)으로 하여금, 상기 상황 이미지에 CNN 연산을 적어도 한 번 적용하도록 하여, 상기 상황 이미지에 대한 초기 객체 정보 및 초기 컨피던스 정보를 생성하도록 하는 단계; 및 (c) 상기 컴퓨팅 장치가, 주변 객체 중 적어도 일부와의 V2X 통신 및 강화 학습 에이전트의 지원을 통해, 상기 초기 객체 정보 및 상기 초기 컨피던스 정보를 참조로 하여, 상기 상황 이미지에 대한 최종 객체 정보를 생성하는 단계;를 포함하는 방법이 제공된다.
대표청구항▼
객체 검출 프로세스와 병렬적으로 생성된, 객체 검출의 신뢰도(Credibility)를 나타내는 컨피던스 스코어(Confidence Score)를 이용함으로써, 컴퓨팅 파워를 절약하면서도 더 나은 자율 주행 성능을 달성하기 위한 방법에 있어서,(a) 컴퓨팅 장치가, 대상 차량에 설치된 적어도 하나의 이미지 센서를 통해 상기 대상 차량의 주변에 대한 적어도 하나의 상황 이미지(Circumstance Image)를 획득하는 단계;(b) 상기 컴퓨팅 장치가, CNN(Convolutional Neural Network)으로 하여금, 상기 상
객체 검출 프로세스와 병렬적으로 생성된, 객체 검출의 신뢰도(Credibility)를 나타내는 컨피던스 스코어(Confidence Score)를 이용함으로써, 컴퓨팅 파워를 절약하면서도 더 나은 자율 주행 성능을 달성하기 위한 방법에 있어서,(a) 컴퓨팅 장치가, 대상 차량에 설치된 적어도 하나의 이미지 센서를 통해 상기 대상 차량의 주변에 대한 적어도 하나의 상황 이미지(Circumstance Image)를 획득하는 단계;(b) 상기 컴퓨팅 장치가, CNN(Convolutional Neural Network)으로 하여금, 상기 상황 이미지에 CNN 연산을 적어도 한 번 적용하도록 하여, 상기 상황 이미지에 대한 초기 객체 정보 및 초기 컨피던스 정보를 생성하도록 하는 단계; 및(c) 상기 컴퓨팅 장치가, 상기 대상 차량으로부터 거리가 임계치 이하인 주변 객체 중 적어도 일부와의 V2X 통신 및 강화 학습 에이전트의 지원을 통해, 상기 초기 객체 정보 및 상기 초기 컨피던스 정보를 참조로 하여, 상기 상황 이미지에 대한 최종 객체 정보를 생성하는 단계;를 포함하되,상기 (c) 단계에서,상기 컴퓨팅 장치가, 상기 강화 학습 에이전트로 하여금, (i) 상기 초기 컨피던스 정보, 상기 주변 객체의 기본 메타 정보 및 상기 이미지 센서의 센서 정보를 참조로 하여, 보완 연산이 적용될 상기 상황 이미지 상의 하나 이상의 특정 대상 영역에 대응하는 하나 이상의 특정 주변 객체를, 상기 주변 객체 중에서 선택하도록 하고, (ii) 상기 특정 주변 객체와의 상기 V2X 통신을 통해 보완 정보를 획득하도록 하며, (iii) 상기 보완 정보를 이용하여 상기 초기 객체 정보를 조정함으로써 상기 최종 객체 정보를 생성하도록 하는 것을 특징으로 하는 방법.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.