KR101711931B1 - 선박 이미지 검출 방법 - Google Patents

선박 이미지 검출 방법 Download PDF

Info

Publication number
KR101711931B1
KR101711931B1 KR1020150088347A KR20150088347A KR101711931B1 KR 101711931 B1 KR101711931 B1 KR 101711931B1 KR 1020150088347 A KR1020150088347 A KR 1020150088347A KR 20150088347 A KR20150088347 A KR 20150088347A KR 101711931 B1 KR101711931 B1 KR 101711931B1
Authority
KR
South Korea
Prior art keywords
hull side
image
side model
ship
data
Prior art date
Application number
KR1020150088347A
Other languages
English (en)
Other versions
KR20160150404A (ko
Inventor
허희영
양진혁
원석희
이근영
Original Assignee
삼성중공업 주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 삼성중공업 주식회사 filed Critical 삼성중공업 주식회사
Priority to KR1020150088347A priority Critical patent/KR101711931B1/ko
Publication of KR20160150404A publication Critical patent/KR20160150404A/ko
Application granted granted Critical
Publication of KR101711931B1 publication Critical patent/KR101711931B1/ko

Links

Images

Classifications

    • G06K9/6201—
    • B63B9/00—
    • G06K9/00771—
    • G06K9/6204—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)

Abstract

본 발명의 선박 이미지 검출 방법은, 카메라로 적어도 하나의 선박을 촬영하여 영상을 수신하는 단계; 데이터베이스로부터 적어도 하나의 선체 측면 모델을 수신하는 단계; 상기 적어도 하나의 선체 측면 모델과 상기 적어도 하나의 선박의 선체 측면을 비교하는 단계; 및 상기 선체 측면과 상기 적어도 하나의 선체 측면 모델 중 하나의 선체 측면 모델이 일치하면 상기 하나의 선체 측면 모델에 대응하는 대상 정보를 수신하는 단계를 포함한다.

Description

선박 이미지 검출 방법{VESSEL IMAGE DETECTING METHOD}
본 발명은 선박 이미지 검출 방법에 관한 것이다.
안벽 또는 도크에 배치된 선박을 감시하기 위해 건물 옥상이나 대형 크레인에 CCTV 등의 카메라가 설치되어 있다. 감독자는 이러한 카메라로 촬영된 영상을 이용하여 선박의 존재 여부, 작업 상황, 화재 등 비상 상황 등을 감시한다.
하지만 해당 선박에 관계된 수많은 정보를 감독자가 일일이 기억하거나 별도의 정보를 찾아보는 것은 비생산적이다.
그러므로 선박의 정보를 영상에 자동으로 매핑시켜 증강 현실로 구현하는 것이 바람직하나, 일반적인 이미지 검출 방법을 그대로 적용하는 경우 연산량이 많아 증강 현실 구현이 늦어지고, 신속한 감독이 수행되지 못하는 문제점이 있다. 이러한 연산을 신속히 수행하기 위해선 고비용의 하드웨어가 필요하다.
따라서 선박에 최적화되어 연산량을 최소화한 선박 이미지 검출 방법이 필요하다.
본 발명이 해결하고자 하는 기술적 과제는 선박에 최적화되어 연산량을 최소화한 선박 이미지 검출 방법을 제공하는 데 있다.
본 발명의 한 실시예에 따른 선박 이미지 검출 방법은, 카메라로 적어도 하나의 선박을 촬영하여 영상을 수신하는 단계; 데이터베이스로부터 적어도 하나의 선체 측면 모델을 수신하는 단계; 상기 적어도 하나의 선체 측면 모델과 상기 적어도 하나의 선박의 선체 측면을 비교하는 단계; 및 상기 선체 측면과 상기 적어도 하나의 선체 측면 모델 중 하나의 선체 측면 모델이 일치하면 상기 하나의 선체 측면 모델에 대응하는 대상 정보를 수신하는 단계를 포함한다.
상기 카메라의 위치 정보 및 촬영 방향을 수신하는 단계; 및 상기 위치 정보 및 촬영 방향을 이용하여 상기 영상의 좌표 범위를 추정하는 단계를 더 포함할 수 있다.
상기 적어도 하나의 선체 측면 모델은, 데이터베이스에 저장된 복수의 선체 측면 모델 중 추정된 상기 좌표 범위에 있을 것으로 예측되는 선체 측면 모델일 수 있다.
상기 영상에 상기 대상 정보를 영상 합성하는 단계를 더 포함할 수 있다.
상기 대상 정보는 선박 명칭, 생산 정보, 선적 정보 중 적어도 하나를 포함할 수 있다.
상기 적어도 하나의 선체 측면 모델은 각각 선체 측면의 기하형상 정보 및 색상 정보를 포함할 수 있다.
본 발명의 한 실시예에 따른 컴퓨터 프로그램은, 적어도 하나의 선박을 촬영한 영상 데이터를 수신하는 단계; 적어도 하나의 선체 측면 모델 데이터를 수신하는 단계; 상기 적어도 하나의 선체 측면 모델 데이터와 상기 영상 데이터를 비교하는 단계; 및 상기 적어도 하나의 선체 측면 모델 데이터 중 하나의 선체 측면 모델 데이터와 상기 영상 데이터의 일부가 일치하면, 상기 하나의 선체 측면 모델 데이터와 대응하는 대상 정보 데이터를 수신하는 단계를 컴퓨터로 구동시키기 위한 기록 매체에 저장된다.
상기 영상 데이터를 생성한 카메라의 위치 정보 및 촬영 방향을 이용하여 상기 영상 데이터의 좌표 범위를 추정하는 단계를 더 포함할 수 있다.
상기 적어도 하나의 선체 측면 모델 데이터는, 데이터베이스에 저장된 적어도 하나의 선체 측면 모델 데이터 중 추정된 상기 좌표 범위에 있을 것으로 예측되는 선체 측면 모델 데이터일 수 있다.
상기 영상 데이터에 상기 대상 정보 데이터를 영상 합성하는 단계를 더 포함할 수 있다.
본 발명의 실시예에 따르면 선박에 최적화되어 연산량을 최소화한 선박 이미지 검출 방법을 제공할 수 있다.
도 1은 본 발명의 한 실시예에 따른 선박 이미지 검출 방법 중 카메라로 선박을 촬영한 영상을 설명하기 위한 도면이다.
도 2는 본 발명의 한 실시예에 따른 데이터베이스에 저장된 복수의 선체 측면 모델을 도시한 도면이다.
도 3은 본 발명의 한 실시예에 따른 선박과 선체 측면 모델을 비교하는 단계를 설명하기 위한 도면이다.
도 4는 본 발명의 한 실시예에 따라 대상 정보가 증강 현실 형태로 구현되는 단계를 설명하기 위한 도면이다.
이하에서 첨부한 도면을 참고로 하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다.
도면에서 여러 층 및 영역을 명확하게 표현하기 위하여 두께를 확대하여 나타내었다. 명세서 전체를 통하여 유사한 부분에 대해서는 동일한 도면 부호를 붙였다. 층, 막, 영역, 판 등의 부분이 다른 부분 "위에" 있다고 할 때, 이는 다른 부분 "바로 위에" 있는 경우뿐 아니라 그 중간에 또 다른 부분이 있는 경우도 포함한다. 반대로 어떤 부분이 다른 부분 "바로 위에" 있다고 할 때에는 중간에 다른 부분이 없는 것을 뜻한다.
또한, 명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함" 한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다. 또한, 명세서 전체에서, "~상에"라 함은 대상 부분의 위 또는 아래에 위치함을 의미하는 것이며, 반드시 중력 방향을 기준으로 상 측에 위치하는 것을 의미하는 것은 아니다.
도 1은 본 발명의 한 실시예에 따른 선박 이미지 검출 방법 중 카메라로 선박을 촬영한 영상을 설명하기 위한 도면이다.
도 1을 참조하면, 높은 건물, 대형 크레인 등에 부착된 카메라(10)가 안벽(quay wall) 또는 도크(dock)를 촬영하고 있다. 촬영된 영상(100)은 적어도 하나의 선박(110)을 포함한다.
카메라(10)가 배치된 위치 정보 및 카메라(10)의 촬영 방향이 수신되고, 이러한 위치 정보 및 촬영 방향을 이용하여 영상(100)의 좌표 범위를 추정할 수 있다. 고정된 카메라(10)의 위치 정보는 사전에 정보화되어 있을 수 있다. 카메라(10)가 이동형인 경우는 GPS 시스템을 통해서 위치가 인식될 수 있다. 카메라(10)의 촬영 방향은 카메라(10)에 부착된 각도 센서(미도시) 등으로부터 측정될 수 있다. 또한 카메라(10)의 줌 인/아웃(zoom in/out) 정보를 추가적으로 이용하여 영상(100)의 좌표 범위를 더 정확하게 추정할 수 있다.
추정된 좌표 범위에 한정하여 선박 이미지 검출 방법을 수행함으로써 연산량을 1차적으로 감소시킬 수 있는 장점이 있다. 이에 대해서는 도 3에 대한 설명에서 더 상세히 기술한다.
도 2는 본 발명의 한 실시예에 따른 데이터베이스에 저장된 복수의 선체 측면 모델을 도시한 도면이다. 데이터베이스(database)는 본 발명의 선박 이미지 검출 방법을 수행하는 컴퓨터의 하드디스크 등의 기록 매체에 저장되어 있는 데이터 그룹을 의미할 수 있다. 하지만 데이터베이스는 반드시 선박 이미지 검출 방법을 수행하는 컴퓨터의 하드디스크에 저장되는 것이 아닌, CD, DVD, USB 저장 매체 등 이동 가능한 기록 매체에 저장될 수 있고, 또는 데이터베이스 서버가 별도로 구축되어 있을 수 있다. 데이터베이스를 전산적으로 이용하는 방법은 당업자에게 기타 다양한 방법으로 구현될 수 있다. 본 발명에서 컴퓨터라 함은 데스크톱, 노트북, 휴대단말기, 서버 등 그 형태에 제한되지 않고, 제작된 프로그램을 처리할 수 있는 컴퓨팅 장치를 의미한다.
도 2를 참조하면, 예시적인 복수의 선체 측면 모델(210, 220, 230)이 도시되어 있다. 복수의 선체 측면 모델(210, 220, 230)은 선박의 건조에 사용되었던 캐드(CAD) 도면으로부터 추출할 수 있다. 선체 측면 모델(210, 220, 230)은 선체 측면의 기하형상 정보를 포함한다. 또한 선체 측면 모델(210, 220, 230)은 선체 측면의 색상 정보를 더 포함할 수 있다.
본 발명은 선박 이미지 검출 방법에 있어서, 선박 전체 모델을 영상의 선박 전부와 비교하여 어떤 선박인지 판별하는 것이 아니라, 선체 측면 모델(210, 220, 230)만을 영상의 선박의 선체 측면(Hull Side)과 비교하여 어떤 선박인지 판별한다. 따라서, 이미지 일부만을 비교함으로써 연산량을 2차적으로 감소시킬 수 있는 장점이 있다.
영상의 선박은 선적 량 및 선적 위치에 따라 선체 측면의 일부가 해수면 아래에 있을 수 있다. 이때 이러한 선적 량 및 선적 위치에 관한 정보를 참조하여 해수면 상에 드러나는 선체 측면을 고려하여 선체 측면 모델(210, 220, 230)과 비교할 수 있다. 이때 비교할 선체 측면 부분이 감소되므로 연산량을 3차적으로 감소시킬 수 있다.
도 3은 본 발명의 한 실시예에 따른 선박과 선체 측면 모델을 비교하는 단계를 설명하기 위한 도면이다. 도 3을 참조하면, 영상(100)의 선박(110)을 구성하는 부분 중 선체 측면(115)이 점선으로 표시되어 있다.
도 1 내지 3을 참조하여, 본 발명의 선박 이미지 검출 방법을 아래에서 설명한다.
우선 본 발명의 선박 이미지 검출 방법을 수행하는 컴퓨터가 카메라(10)로부터 촬영된 적어도 하나의 선박(110)을 포함하는 영상(100)을 수신한다. 전술한 바와 같이 컴퓨터는 카메라(10)의 위치 정보 및 촬영 방향을 더 수신할 수 있고, 이러한 위치 정보 및 촬영 방향을 이용하여 영상(100)의 좌표 범위를 추정할 수 있다. 좌표 범위를 추정한다는 것은 미리 결정된 오차 범위를 반영하여 영상(100)이 촬영된 좌표 범위를 계산한다는 것이다. 좌표 범위를 계산하는데 있어서, 특정 좌표에 미리 설치된 기준 물체 또는 기존 건물 등을 참조하여 더욱 정확히 좌표 범위를 계산할 수도 있다.
다음으로 컴퓨터는 데이터베이스로부터 적어도 하나의 선체 측면 모델(210, 220, 230)을 수신한다.
이때, 적어도 하나의 선체 측면 모델(210, 220, 230)은 데이터베이스에 저장된 복수의 선체 측면 모델 중 추정된 좌표 범위에 있을 것으로 예측되는 선체 측면 모델일 수 있다. 즉, 이미 수립되어 있는 선박 건조 계획 또는 선적 계획을 참조하여 추정된 좌표 범위에 어떤 선박이 있을지 알 수 있다. 이러한 선박 건조 계획 또는 선적 계획은 데이터화되어 데이터베이스에 미리 저장되어 있을 수 있다.
다음으로 컴퓨터는 적어도 하나의 선체 측면 모델(210, 220, 230)과 적어도 하나의 선박(110)의 선체 측면(115)을 비교한다. 이때 데이터베이스에 저장된 모든 선체 측면 모델을 선체 측면(115)과 비교하는 것이 아니라, 좌표 범위에 있을 것으로 예측되는 선체 측면 모델만을 선체 측면(115)과 비교하므로 컴퓨터의 연산량이 1차적으로 감소되는 장점이 있다.
도 3을 참조하면, 본 실시예에서는 선체 측면 모델(230)과 선체 측면(115)이 일치한다. 따라서 컴퓨터는 선박 이미지 검출 알고리즘을 종료하고, 선택된 선체 측면 모델(230)에 대응하는 대상 정보를 수신한다. 이러한 대상 정보는 선박 명칭, 생산 정보(건조일정, 제품상세, 현 작업공정, 인도일자, 진수일자, 검사상황, 시운전상태 등), 선적 정보 중 적어도 하나일 수 있다.
만약 비교결과 선체 측면(115)과 일치하는 선체 측면 모델이 없다면, 추정된 좌표 범위에 있을 것으로 예측되는 선체 측면 모델뿐만 아니라, 데이터베이스에 저장된 나머지 선체 측면 모델과 비교하는 추가 단계를 포함할 수도 있다.
선박(110)이 방향을 달리하여 영상(100)의 선체 측면(115)의 모양이 달라지더라도, 선체 측면 모델(210, 220, 230)의 3D 모형을 회전시켜가며 선체 측면(115)과 일치하는 지 여부를 검출할 수 있다.
다음으로 영상(100)에 대상 정보를 영상 합성함으로써 증강 현실 영상을 구현할 수도 있다. 도 4는 본 발명의 한 실시예에 따라 대상 정보가 증강 현실 형태로 구현되는 단계를 설명하기 위한 도면이다. 도 4를 참조하면, 기존 영상에 대상 정보(320)를 합성함으로써 증강 현실 영상으로 구현된 합성 영상(300)이 도시되어 있다.
다른 실시예로서, 연기와 같은 특이 이미지가 검출되면 해당 위치에 화재 경보를 표시하고, 야드에 화재 경보를 송신할 수도 있다.
지금까지 기술된 본 발명의 선박 이미지 검출 방법은 컴퓨터로 구동시키기 위한 기록 매체에 저장된 컴퓨터 프로그램으로 제작될 수 있다.
이러한 컴퓨터 프로그램은 적어도 하나의 선박을 촬영한 영상 데이터를 수신하는 단계를 포함한다. 이러한 영상 데이터는 카메라로 촬영된 영상이 디지털화되어 기록 매체에 기록된 것일 수 있다. 또한 컴퓨터 프로그램은 영상 데이터를 생성한 카메라의 위치 정보 및 촬영 방향을 이용하여 영상 데이터의 좌표 범위를 추정하는 단계를 더 포함할 수 있다.
다음으로 컴퓨터 프로그램은 적어도 하나의 선체 측면 모델 데이터를 수신하는 단계를 포함한다. 적어도 하나의 선체 측면 모델 데이터는 데이터베이스에 저장된 적어도 하나의 선체 측면 모델 데이터 중 추정된 좌표 범위에 있을 것으로 예측되는 선체 측면 모델 데이터일 수 있다.
다음으로 컴퓨터 프로그램은 적어도 하나의 선체 측면 모델 데이터와 영상 데이터를 비교하는 단계를 포함한다. 추정된 좌표 범위에 있을 것으로 예측되는 선체 측면 모델 데이터만 비교하는 경우, 데이터베이스에 저장된 모든 선체 측면 모델 데이터를 선체 측면과 비교할 필요가 없으므로 연산량이 1차적으로 감소한다. 또한 선박 전부가 아닌 선체 측면만 비교하면 선박 인식이 가능하므로 연산량이 2차적으로 감소하는 장점이 있다.
다음으로 컴퓨터 프로그램은 적어도 하나의 선체 측면 모델 데이터 중 하나의 선체 측면 모델 데이터와 영상 데이터의 일부가 일치하면, 하나의 선체 측면 모델 데이터와 대응하는 대상 정보 데이터를 수신하는 단계를 포함한다. 이러한 대상 정보 데이터는 선박 명칭, 생산 정보(건조일정, 제품상세, 현 작업공정, 인도일자, 진수일자, 검사상황, 시운전상태 등), 선적 정보 중 적어도 하나일 수 있다.
추가적으로 컴퓨터 프로그램은 영상 데이터에 대상 정보 데이터를 영상 합성하는 단계를 더 포함하여 증강 현실이 구현된 합성 영상 데이터를 생성하도록 구성될 수 있다.
지금까지 참조한 도면과 기재된 발명의 상세한 설명은 단지 본 발명의 예시적인 것으로서, 이는 단지 본 발명을 설명하기 위한 목적에서 사용된 것이지 의미 한정이나 특허청구범위에 기재된 본 발명의 범위를 제한하기 위하여 사용된 것은 아니다. 그러므로 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시 예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 첨부된 특허청구범위의 기술적 사상에 의해 정해져야 할 것이다.
10: 카메라
100: 영상
110: 선박
115: 선체 측면
210, 220, 230: 선체 측면 모델
300: 합성 영상

Claims (10)

  1. 카메라로 적어도 하나의 선박을 촬영하여 영상을 수신하는 단계;
    데이터베이스로부터 적어도 하나의 선체 측면 모델을 수신하는 단계;
    상기 적어도 하나의 선체 측면 모델과 상기 적어도 하나의 선박의 선체 측면 영상을 비교하는 단계; 및
    상기 선체 측면 영상과 상기 적어도 하나의 선체 측면 모델 중 하나의 선체 측면 모델이 일치하면 상기 하나의 선체 측면 모델에 대응하는 대상 정보를 수신하는 단계를 포함하되,
    상기 영상을 수신하는 단계는, 상기 카메라의 위치 정보 및 촬영 방향을 수신하는 단계; 및 상기 위치 정보 및 촬영 방향을 이용하여 상기 영상의 좌표 범위를 추정하는 단계를 포함하는 선박 이미지 검출 방법.
  2. 삭제
  3. 제1 항에 있어서,
    상기 적어도 하나의 선체 측면 모델은,
    데이터베이스에 저장된 복수의 선체 측면 모델 중 추정된 상기 좌표 범위에 있을 것으로 예측되는 선체 측면 모델인
    선박 이미지 검출 방법.
  4. 제3 항에 있어서,
    상기 영상에 상기 대상 정보를 영상 합성하는 단계를 더 포함하는
    선박 이미지 검출 방법.
  5. 제4 항에 있어서,
    상기 대상 정보는 선박 명칭, 생산 정보, 선적 정보 중 적어도 하나를 포함하는
    선박 이미지 검출 방법.
  6. 제4 항에 있어서,
    상기 적어도 하나의 선체 측면 모델은 각각 선체 측면의 기하형상 정보 및 색상 정보를 포함하는
    선박 이미지 검출 방법.
  7. 적어도 하나의 선박을 촬영한 영상 데이터를 수신하는 단계;
    적어도 하나의 선체 측면 모델 데이터를 수신하는 단계;
    상기 적어도 하나의 선체 측면 모델 데이터와 상기 영상 데이터를 비교하는 단계; 및
    상기 적어도 하나의 선체 측면 모델 데이터 중 하나의 선체 측면 모델 데이터와 상기 영상 데이터의 일부가 일치하면, 상기 하나의 선체 측면 모델 데이터와 대응하는 대상 정보 데이터를 수신하는 단계를 포함하되,
    상기 영상데이터를 수신하는 단계는, 상기 영상 데이터를 생성한 카메라의 위치 정보 및 촬영 방향을 이용하여 상기 영상 데이터의 좌표 범위를 추정하는 단계를 포함하는
    컴퓨터로 구동시키기 위한 기록 매체에 저장된 컴퓨터 프로그램.
  8. 삭제
  9. 제7 항에 있어서,
    상기 적어도 하나의 선체 측면 모델 데이터는,
    데이터베이스에 저장된 적어도 하나의 선체 측면 모델 데이터 중 추정된 상기 좌표 범위에 있을 것으로 예측되는 선체 측면 모델 데이터인
    컴퓨터로 구동시키기 위한 기록 매체에 저장된 컴퓨터 프로그램.
  10. 제9 항에 있어서,
    상기 영상 데이터에 상기 대상 정보 데이터를 영상 합성하는 단계를 더 포함하는
    컴퓨터로 구동시키기 위한 기록 매체에 저장된 컴퓨터 프로그램.
KR1020150088347A 2015-06-22 2015-06-22 선박 이미지 검출 방법 KR101711931B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020150088347A KR101711931B1 (ko) 2015-06-22 2015-06-22 선박 이미지 검출 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020150088347A KR101711931B1 (ko) 2015-06-22 2015-06-22 선박 이미지 검출 방법

Publications (2)

Publication Number Publication Date
KR20160150404A KR20160150404A (ko) 2016-12-30
KR101711931B1 true KR101711931B1 (ko) 2017-03-03

Family

ID=57737193

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020150088347A KR101711931B1 (ko) 2015-06-22 2015-06-22 선박 이미지 검출 방법

Country Status (1)

Country Link
KR (1) KR101711931B1 (ko)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007316997A (ja) 2006-05-26 2007-12-06 Fujitsu Ltd 車種判別プログラムおよび車種判別装置
KR100990764B1 (ko) * 2010-05-03 2010-10-29 (주)에디넷 항만 영상관제 시스템 및 방법

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102223313B1 (ko) * 2013-02-21 2021-03-08 삼성전자주식회사 전자장치 및 전자장치를 동작하는 방법
KR101462473B1 (ko) * 2013-04-05 2014-11-18 주식회사 브이플랩 이미지상의 객체 인식을 통한 검색방법 및 그 검색방법에 의한 검색서버

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007316997A (ja) 2006-05-26 2007-12-06 Fujitsu Ltd 車種判別プログラムおよび車種判別装置
KR100990764B1 (ko) * 2010-05-03 2010-10-29 (주)에디넷 항만 영상관제 시스템 및 방법

Also Published As

Publication number Publication date
KR20160150404A (ko) 2016-12-30

Similar Documents

Publication Publication Date Title
US10262224B1 (en) Optical flow estimation using a neural network and egomotion optimization
Kim et al. Real-time visual SLAM for autonomous underwater hull inspection using visual saliency
US9892516B2 (en) Three-dimensional coordinate computing apparatus, three-dimensional coordinate computing method, and non-transitory computer readable recording medium having therein program for three-dimensional coordinate computing
Gracias et al. Underwater video mosaics as visual navigation maps
US9466107B2 (en) Bundle adjustment based on image capture intervals
US9321173B2 (en) Tracking and following people with a mobile robotic device
JP2017512991A (ja) 目標物体の検出方法、検出装置及びロボット
JP2005528707A (ja) データ組間の特徴マッピング
US9305361B2 (en) Resolving homography decomposition ambiguity based on orientation sensors
Wang et al. Stereovision based obstacle detection system for unmanned surface vehicle
US20170316573A1 (en) Position measuring equipment
WO2021051227A1 (zh) 三维重建中图像的位姿信息确定方法和装置
JP2019032218A (ja) 位置情報記録方法および装置
WO2014067684A1 (en) Method to enhance underwater localization
KR20170100204A (ko) 3차원 공간 정보를 이용한 목표물 추적 장치 및 방법
WO2021056501A1 (zh) 提取特征点的方法、可移动平台及存储介质
Shah et al. Condition assessment of ship structure using robot assisted 3D-reconstruction
WO2020070114A1 (en) System and method for assisting docking of a vessel
KR101711931B1 (ko) 선박 이미지 검출 방법
KR101487684B1 (ko) 청소상태 측정장치 및 그 방법
RU2679200C1 (ru) Способ и система отображения данных с видеокамеры
US9008362B1 (en) Correlation of 3-D point images
KR101828710B1 (ko) 객체 가려짐 검출 장치 및 그 방법
WO2020166401A1 (ja) 学習データ生成装置、方法及びプログラム
Kim et al. Pose initialization method of mixed reality system for inspection using convolutional neural network

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant