KR102327595B1 - 시트에 대한 주름 영역을 결정하는 방법 및 디바이스 - Google Patents

시트에 대한 주름 영역을 결정하는 방법 및 디바이스 Download PDF

Info

Publication number
KR102327595B1
KR102327595B1 KR1020210075048A KR20210075048A KR102327595B1 KR 102327595 B1 KR102327595 B1 KR 102327595B1 KR 1020210075048 A KR1020210075048 A KR 1020210075048A KR 20210075048 A KR20210075048 A KR 20210075048A KR 102327595 B1 KR102327595 B1 KR 102327595B1
Authority
KR
South Korea
Prior art keywords
wrinkle
image
determining
brightness
sheet
Prior art date
Application number
KR1020210075048A
Other languages
English (en)
Inventor
김호영
Original Assignee
주식회사 한울시스템
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 주식회사 한울시스템 filed Critical 주식회사 한울시스템
Priority to KR1020210075048A priority Critical patent/KR102327595B1/ko
Application granted granted Critical
Publication of KR102327595B1 publication Critical patent/KR102327595B1/ko
Priority to CN202280003905.7A priority patent/CN115735118A/zh
Priority to EP22820558.9A priority patent/EP4354122A1/en
Priority to PCT/KR2022/008086 priority patent/WO2022260431A1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
    • B62D—MOTOR VEHICLES; TRAILERS
    • B62D65/00—Designing, manufacturing, e.g. assembling, facilitating disassembly, or structurally modifying motor vehicles or trailers, not otherwise provided for
    • B62D65/005—Inspection and final control devices
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/9515—Objects of complex shape, e.g. examined with use of a surface follower device
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Pathology (AREA)
  • Immunology (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Combustion & Propulsion (AREA)
  • Quality & Reliability (AREA)
  • Transportation (AREA)
  • Signal Processing (AREA)
  • Artificial Intelligence (AREA)
  • Mechanical Engineering (AREA)
  • Biophysics (AREA)
  • Manufacturing & Machinery (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Image Processing (AREA)

Abstract

디바이스가 시트(seat)에 대한 주름 영역을 결정하는 방법에 있어서, 상기 시트에 대한 이미지를 획득하는 단계; 상기 이미지를 구성하고 하나 이상의 픽셀을 포함하는 복수의 단위 영역을 결정하는 단계; 각각의 상기 복수의 단위 영역에 대해 도출된 주름 평가값이 임계치를 초과하는지 여부를 결정하는 단계; 및 상기 임계치를 초과하는 주름 평가값에 대응되는 하나 이상의 단위 영역에 대한 연속성에 기초하여 상기 이미지에 대한 주름 영역을 결정하는 단계;를 포함하는, 방법이 개시된다.

Description

시트에 대한 주름 영역을 결정하는 방법 및 디바이스{Method and device for determining wrinkle area for seat}
본 발명은 시트에 대한 주름 영역을 결정하는 방법 및 디바이스에 관한 것이다. 보다 상세하게는 시트(Seat)에 대한 이미지를 획득하고, 획득된 이미지에 대한 복수의 단위 영역에 대해 도출된 주름 평가값이 임계치를 초과하는지 여부를 결정하여, 임계치를 초과하는 주름 평가값에 대응되는 하나 이상의 단위 영역에 대한 주름 영역을 결정하는 방법 및 디바이스에 관한 것이다.
제품 생산 효율 및 품질, 인건비 감소, 공정 제어 편의성 및 비대면 산업 발달 등의 이유로 각종 산업 환경에 대해 자동화 공정의 도입이 크게 증가하고 있으며, 이러한 자동화 공정은 차량 제조 공정에도 적용되어 내장재 및 외장재 등 다양한 차량용 제품들이 제조되고 있다.
이러한 종래 자동화 공정은 인력 대신 미리 설정된 동작 제어 알고리즘 등을 이용하여 공정을 수행하기 때문에 대부분의 제품에 동일한 공정이 수행된다는 특징이 있다.
그러나, 이러한 자동화 공정은 섬유 또는 가죽 등 변형에 민감하여 주름 제거 등에 대한 개별적인 추가 공정이 필요한 시트(Seat) 제품들에 대해서도 획일화된 공정으로 수행하기 때문에 균일한 품질이 보장되지 않고, 경우에 따라 품질 불량 제품이 대량으로 생산될 수 있다는 문제점이 존재한다.
특히, 시트와 같은 차량 실내 제품들의 편의성 및 품질 등에 대한 소비자 관심이 점차 높아지고 있고, 차량 실내에서 가장 큰 부피를 차지하고 있는 시트는 실질적으로 차량 운전자와의 접촉이 가장 많은 제품 중 하나라는 점에서 시트의 품질에 대한 소비자의 민감도가 높다고 볼 수 있음에도, 전체 시트 중 주름이 발생된 영역을 선택적으로 인식하거나, 인식된 영역에 대해 주름 여부를 판단하여 이를 제거하는 등의 기술은 일반적인 자동화 공정에 적용되지 않고 있어 지속적인 시간적, 비용적 손해가 발생하는 문제점이 존재한다.
공개특허 제10-2014-0008191호 (2014.01.21) 등록특허 제10-2191773호 (2020.12.10)
본 발명이 해결하고자 하는 과제는 이미지에 대한 복수의 단위 영역으로부터 주름 평가값을 획득하고, 도출된 주름 평가값이 임계치를 초과하는지 여부를 결정하고, 임계치를 초과하는 주름 평가값에 대응되는 하나 이상의 단위 영역에 대한 연속성에 기초하여 이미지에 대한 주름 영역을 결정하는 방법 및 디바이스를 제공하는 것이다.
본 발명이 해결하고자 하는 과제들은 이상에서 언급된 과제로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
상술한 기술적 과제를 달성하기 위한 기술적 수단으로서, 본 개시의 제 1 측면에 따른 디바이스가 시트(seat)에 대한 주름 영역을 결정하는 방법에 있어서, 상기 시트에 대한 이미지를 획득하는 단계; 상기 이미지를 구성하고 하나 이상의 픽셀을 포함하는 복수의 단위 영역을 결정하는 단계; 각각의 상기 복수의 단위 영역에 대해 도출된 주름 평가값이 임계치를 초과하는지 여부를 결정하는 단계; 상기 임계치를 초과하는 주름 평가값에 대응되는 하나 이상의 단위 영역에 대한 연속성에 기초하여 상기 이미지에 대한 주름 영역을 결정하는 단계;를 포함하는, 방법을 제공할 수 있다.
또한, 상기 복수의 단위 영역을 구성하는 각각의 단위 영역은 단일 픽셀일 수 있다.
또한, 상기 주름 영역을 상기 이미지에 디스플레이하는 단계; 상기 주름 영역에 대응되는 마킹 이미지를 획득하는 단계; 및 상기 이미지에 상기 마킹 이미지를 정합하여 결과 이미지를 획득하는 단계;를 더 포함할 수 있다.
또한, 상기 복수의 단위 영역에 대한 명도, 채도, 조명의 밝기 및 상기 시트의 색상 중 적어도 하나를 포함하는 주름 평가 요소를 획득하는 단계; 및 획득된 상기 주름 평가 요소의 조합 결과에 기초하여 상기 주름 평가값을 결정하는 단계;를 더 포함할 수 있다.
또한, 상기 임계치는 딥러닝 학습에 의해 결정되고, 상기 임계치를 결정하는 단계는 기저장된 학습 모델을 이용하여 상기 주름 영역에 대한 상기 딥러닝 학습을 수행하는 단계; 및 상기 딥러닝 학습에 따른 결과에 기초하여 상기 복수의 단위 영역에 대한 주름 여부를 결정하기 위한 상기 임계치를 결정하는 단계;를 포함하고, 상기 딥러닝 학습에 따른 학습 결과의 정확도가 기설정 값 이하인 경우 재 학습을 수행하는 단계;를 더 포함할 수 있다.
또한, 상기 시트의 소재가 가죽인 경우, 상기 시트의 색상, 상기 조명의 밝기, 상기 명도 및 상기 채도의 순서로 높은 가중치를 부여하는 단계; 상기 시트의 소재가 섬유인 경우, 상기 조명의 밝기, 상기 시트의 색상, 상기 명도 및 상기 채도의 순서로 높은 가중치를 부여하는 단계; 및 상기 가중치에 기초하여 상기 주름 평가값을 결정하는 단계;를 포함할 수 있다.
본 개시의 제 2 측면에 따른 시트(seat)에 대한 주름 영역을 결정하는 디바이스에 있어서, 상기 시트에 대한 이미지를 획득하는 하나 이상의 카메라; 및 상기 이미지를 구성하고 하나 이상의 픽셀을 포함하는 복수의 단위 영역을 결정하고, 각각의 상기 복수의 단위 영역에 대해 도출된 주름 평가값이 임계치를 초과하는지 여부를 결정하고, 상기 임계치를 초과하는 주름 평가값에 대응되는 하나 이상의 단위 영역에 대한 연속성에 기초하여 상기 이미지에 대한 주름 영역을 결정하는 프로세서;를 포함하는, 디바이스를 제공할 수 있다.
이 외에도 본 발명의 기타 구체적인 사항들은 상세한 설명 및 도면들에 포함되어 있다.
본 개시의 일 실시 예에 따르면, 기저장된 학습 모델을 이용하여 주름 영역에 대한 딥러닝 학습을 수행하고, 딥러닝 학습 결과에 따른 정확도가 낮은 경우 재 학습을 반복 수행함으로써 정확도 높은 주름 검출이 가능하다.
또한, 딥러닝 학습 방법을 통해 주름 영역에 대해 학습함으로써 육안으로 시트에 대한 주름을 검출하는 종래 방식에 비해 효율성이 현저히 향상될 수 있다.
본 발명의 효과들은 이상에서 언급된 효과로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
도 1은 일 실시 예에 따른 디바이스의 구성을 개략적으로 도시한 블록도이다.
도 2는 일 실시 예에 따른 디바이스가 동작하는 각 단계를 도시한 흐름도이다.
도 3은 일 실시 예에 따른 이미지에 대해 결정된 주름 영역을 개략적으로 도시한 도면이다.
도 4는 일 실시 예에 따른 주름 영역에 대응되는 마킹 이미지를 개략적으로 도시한 도면이다.
도 5는 일 실시 예에 따른 결과 이미지를 개략적으로 도시한 도면이다.
도 6은 일 실시 예에 따른 구조물 타입을 개략적으로 도시한 도면이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술 되어 있는 실시 예들을 참조하면 명확해질 것이다. 그러나, 본 발명은 이하에서 개시되는 실시 예들에 제한되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시 예들은 본 발명의 개시가 완전 하도록 하고, 본 발명이 속하는 기술 분야의 통상의 기술자에게 본 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.
본 명세서에서 사용된 용어는 실시 예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소 외에 하나 이상의 다른 구성요소의 존재 또는 추가를 배제하지 않는다. 명세서 전체에 걸쳐 동일한 도면 부호는 동일한 구성 요소를 지칭하며, "및/또는"은 언급된 구성요소들의 각각 및 하나 이상의 모든 조합을 포함한다. 비록 "제1", "제2" 등이 다양한 구성요소들을 서술하기 위해서 사용되나, 이들 구성요소들은 이들 용어에 의해 제한되지 않음은 물론이다. 이들 용어들은 단지 하나의 구성요소를 다른 구성요소와 구별하기 위하여 사용하는 것이다. 따라서, 이하에서 언급되는 제1 구성요소는 본 발명의 기술적 사상 내에서 제2 구성요소일 수도 있음은 물론이다.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야의 통상의 기술자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또한, 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.
공간적으로 상대적인 용어인 "아래(below)", "아래(beneath)", "하부(lower)", "위(above)", "상부(upper)" 등은 도면에 도시되어 있는 바와 같이 하나의 구성요소와 다른 구성요소들과의 상관관계를 용이하게 기술하기 위해 사용될 수 있다. 공간적으로 상대적인 용어는 도면에 도시되어 있는 방향에 더하여 사용시 또는 동작 시 구성요소들의 서로 다른 방향을 포함하는 용어로 이해되어야 한다. 예를 들어, 도면에 도시되어 있는 구성요소를 뒤집을 경우, 다른 구성요소의 "아래(below)"또는 "아래(beneath)"로 기술된 구성요소는 다른 구성요소의 "위(above)"에 놓여질 수 있다. 따라서, 예시적인 용어인 "아래"는 아래와 위의 방향을 모두 포함할 수 있다. 구성요소는 다른 방향으로도 배향될 수 있으며, 이에 따라 공간적으로 상대적인 용어들은 배향에 따라 해석될 수 있다.
이하에서는 첨부된 도면을 참조하여 본 발명의 실시 예를 상세하게 설명한다.
도 1은 일 실시 예에 따른 디바이스(100)의 구성을 개략적으로 도시한 블록도이다.
도면을 참조하면, 디바이스(100)는 하나 이상의 카메라(110) 및 프로세서(120)를 포함할 수 있다.
시트(seat)에 대한 이미지(300)를 획득하는 카메라(110)는 하나 이상일 수 있다. 이러한 카메라(110)로부터 획득되는 시트에 대한 이미지(300)는 백 시트(610)(Back seat)의 전체에 대한 이미지 및 쿠션 시트(620)(Cushion seat)의 전체에 대한 이미지를 포함할 수 있다.
예를 들어, 디바이스(100)는 구조물 타입(600)으로 제공될 수 있다. 이 경우 카메라(110)는 백 시트(610)를 지향하는 제 1 테스트 카메라(630), 쿠션 시트(620)를 지향하는 제 2 테스트 카메라(650)를 포함할 수 있다. 또한, 카메라(110)로부터 이미지(300)를 획득하기 위해 카메라(110)와 함께 동작하고 백 시트(610)를 지향하는 제 1 조명(640) 및 쿠션 시트(620)를 지향하는 제 2 조명(660)이 구조물 타입(600) 디바이스(100)에 더 포함될 수 있다. 디바이스(100)는 각각의 카메라(110) 및 조명의 동작을 통해 백 시트(610) 전체 및 디테일 이미지, 쿠션 시트(620) 전체 및 디테일 이미지를 획득할 수 있다.
일 실시 예에 따른 디테일 이미지는 각 시트에 대해 주름으로 예상되는 영역을 미리 판단하는 사전 분석 결과에 따라 획득되며, 이러한 디테일 이미지는 사전 분석 결과에 따라 결정된 주름으로 예상되는 영역을 포함할 수 있다.
일 실시 예에 따른 프로세서(120)는 이미지(300)에 대해, 이미지(300)를 구성하고 하나 이상의 픽셀을 포함하는 복수의 단위 영역을 결정하고, 각각의 복수의 단위 영역에 대해 도출된 주름 평가값이 임계치를 초과하는지 여부를 결정하고, 임계치를 초과하는 주름 평가값에 대응되는 하나 이상의 단위 영역(310)에 대한 연속성에 기초하여 이미지(300)에 대한 주름 영역을 결정할 수 있다.
전술한 구성들의 다양한 실시 예들은 아래의 도면을 참조하여 아래에서 상세히 설명하도록 한다.
더하여, 도 1에 도시된 구성요소들 외에 다른 범용적인 구성요소들이 디바이스(100)에 더 포함될 수 있음을 관련 기술 분야에서 통상의 지식을 가진 자라면 이해할 수 있다. 예를 들면, 디바이스(100)는 이미지(300) 및 기저장된 학습 모델을 저장하는 메모리(미도시)를 더 포함할 수 있다. 또는 다른 실시 예에 따를 경우, 도 1에 도시된 구성요소들 중 일부 구성요소는 생략될 수 있음을 관련 기술 분야에서 통상의 지식을 가진 자라면 이해할 수 있다.
일 실시 예에 따른 디바이스(100)는 사용자 또는 작업자에 의해 이용될 수 있고, 휴대폰, 스마트폰, PDA(Personal Digital Assistant), PMP(Portable Multimedia Player), 태블릿 PC 등과 같이 터치 스크린 패널이 구비된 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치를 포함할 수 있으며, 이 외에도 데스크탑 PC, 태블릿 PC, 랩탑 PC, 셋탑 박스를 포함하는 IPTV와 같이, 애플리케이션을 설치하고 실행할 수 있는 기반이 마련된 장치도 포함할 수 있다.
디바이스(100)는 본 명세서에서 설명되는 기능을 실현시키기 위한 컴퓨터 프로그램을 통해 동작하는 컴퓨터 등의 단말기로 구현될 수 있다.
일 실시 예에 따른 디바이스(100)는 주름 영역 결정 시스템(미도시) 및 서버(미도시)를 포함할 수 있으나, 이에 제한되지 않는다. 일 실시 예에 따른 서버는 결정된 주름 영역을 디스플레이하는 애플리케이션을 제공할 수 있으며, 주름 영역에 대한 딥러닝 학습 수행을 지원하는 서비스를 제공할 수 있다.
이하에서는 일 실시 예에 따른 디바이스(100)가 독립적으로 주름 영역을 결정하는 실시 예를 중심으로 서술하도록 하지만, 전술한 것처럼, 서버와의 연동을 통해 주름 영역을 결정할 수도 있다. 즉, 일 실시 예에 따른 디바이스(100)와 서버는 그 기능의 측면에서 통합 구현될 수 있고, 서버는 생략될 수도 있으며, 어느 하나의 실시 예에 제한되지 않음을 알 수 있다. 또한, 디바이스(100)라는 용어는 서버를 포괄하는 상위 개념으로 기재되었으며, 이에 따라 디바이스(100)에서 알람을 제공하는 실시 예들은 서버에 의해 수행될 수도 있다.
도 2는 일 실시 예에 따른 디바이스(100)가 동작하는 각 단계를 도시한 흐름도이다.
단계 S210에서 디바이스(100)는 시트에 대한 이미지(300)를 획득할 수 있다.
일 실시 예에서, 디바이스(100)는 구조물 타입(600)으로 제공되어 시트에 대한 이미지(300)를 획득할 수 있다. 이 경우, 디바이스(100)는 제 1 테스트 카메라(630), 제 2 테스트 카메라(650), 제 1 조명(640) 및 제 2 조명(660)의 동작을 제어하여 백 시트(610)에 대한 제 1 이미지 및 쿠션 시트(620)에 대한 제 2 이미지를 획득할 수 있다.
시트에 대한 각 이미지를 획득하는 방법은 다양한 방식으로 구현, 실시될 수 있으나, 본 개시에 따른 바람직한 방법은 쿠션 시트(620)를 지향하는 제 2 조명(660)이 ON 상태로 동작하는 경우 제 1 테스트 카메라(630)로부터 백 시트(610)에 대한 제 1 이미지를 획득하고, 백 시트(610)를 지향하는 제 1 조명(640)이 ON 상태로 동작하는 경우 제 2 테스트 카메라(650)로분터 쿠션 시트(620)에 대한 제 2 이미지를 획득하는 방법일 수 있다.
이러한 방법은, 카메라(110)와 조명이 지향하는 방향이 동일할 경우 시트를 정면으로 조사하는 조명에 의해 주름 영역이 명확히 보이지 않는다는 문제점을 해소할 수 있고, 카메라(110) 및 조명이 지향하는 방향을 상기와 같이 상이하도록 결정하는 경우 조명의 광이 촬영 대상 시트와 평행하게 조사되기 때문에, 조사되는 광에 의해 굴곡으로 이루어진 주름 영역에 그림자가 생겨 주름 영역을 보다 명확하게 할 수 있다.
단계 S220에서 디바이스(100)는 이미지(300)를 구성하고 하나 이상의 픽셀을 포함하는 복수의 단위 영역을 결정할 수 있다.
예를 들어, 복수의 단위 영역을 구성하는 각각의 단위 영역은 단일 픽셀(Pixel)일 수 있다.
이미지(300)를 구성하는 복수의 단위 영역은 기설정 개수의 단일 픽셀을 포함할 수 있다. 전체 시트 이미지(300) 대비 주름의 크기, 영역, 길이 등 주름의 형태는 미세한 형태로 분포되어 있다고 볼 수 있어, 이미지(300)를 픽셀 단위로 이루어진 복수의 단위 영역 별로 구획하여 효과적으로 주름 평가값을 도출, 이에 따른 주름 영역을 결정할 수 있다.
단계 S230에서 디바이스(100)는 각각의 복수의 단위 영역에 대해 도출된 주름 평가값이 임계값을 초과하는지 여부를 결정할 수 있다.
예를 들어, 디바이스(100)는 각각의 복수의 단위 영역에 대해 주름 평가값을 도출할 수 있다. 이러한 주름 평가값은 각각의 복수의 단위 영역에 주름이 존재하는지 여부 또는 어느 정도의 주름을 NG로 결정할 것인지 판단하기 위해 이용되는 값일 수 있다.
구체적으로, 디바이스(100)는 복수의 단위 영역에 대한 명도, 채도, 조명의 밝기 및 시트의 색상 중 적어도 하나를 포함하는 주름 평가 요소를 획득할 수 있고, 획득된 주름 평가 요소의 조합 결과에 기초하여 주름 평가값을 결정할 수 있다.
예를 들어, 주름 평가 요소는 복수의 단위 영역(이미지)에 대한 명도, 채도, 조명의 밝기 및 시트의 색상과 같은 주름 평가를 위한 기준 요소를 포함할 수 있다. 디바이스(100)는 기본적으로 시트 이미지(300)에 기초하여 주름 영역을 검출, 결정하기 때문에 획득된 이미지(300)에서 나타나는 명도, 채도, 조명의 밝기 및 시트의 색상을 이용하여 주름 여부를 판단하게 된다.
주름 평가 요소의 조합은 획득된 명도, 채도, 조명의 밝기 및 시트의 색상 각각의 값들에 대해 기저장된 주름 평가 알고리즘에 따라 조합될 수 있고, 조합 결과에 기초하여 주름 평가값이 결정될 수 있다.
다른 예에서, 주름 평가값을 결정하는 단계는 시트의 소재가 가죽인 경우 또는 섬유인 경우에 따라서 상이하게 결정될 수 있다.
구체적으로, 시트의 소재가 가죽인 경우, 시트의 색상, 조명의 밝기, 명도 및 채도의 순서로 높은 가중치가 부여될 수 있고, 디바이스(100)는 부여된 가중치에 기초하여 주름 평가값을 결정할 수 있다.
시트의 소재가 가죽인 경우, 시트의 색상은 검정, 흰색 또는 갈색 등 극명한 색상 차이를 보이는 경우가 많다고 볼 수 있다. 이에 대해 시트의 색상을 고려하지 않고 주름을 검출하는 경우 그 정확도가 매우 떨어진다고 볼 수 있다. 이에 따라 시트의 색상을 가장 우선적으로 판단하고 이에 대한 주름 검출을 수행하는 것이 보다 효과적일 수 있기 때문에 시트의 색상에 가장 높은 가중치가 부여될 수 있다.
또한, 시트 제조에 이용되는 가죽 소재는 사용자와의 접촉에 대한 여러 편의성을 고려하여 표면 처리 등의 공정을 거쳐 제작되었기 때문에 섬유 재질에 비해 조명의 광을 일부 반사하는 특징(유광)이 존재한다. 이에 따라, 조명의 밝기가 다소 어둡더라도 조명의 광을 일부 반사하는 특징에 의해 어느 정도의 주름 검출이 가능하다는 점에서 조명의 밝기에 2순위로 높은 가중치가 부여될 수 있다.
또한, 이미지(300)의 명도가 지나치게 낮은 경우 이미지(300)가 어둡기 때문에 그림자로 나타나는 주름의 형태가 뚜렷하지 않을 수 있고, 명도가 지나치게 높은 경우 이미지(300)가 밝기 때문에 주름의 일부가 사라지는 등의 문제가 생길 수 있고, 채도에 비해 그 중요도가 다소 높다는 점에서 명도에 3순위로 높은 가중치가 부여될 수 있다.
또한, 이미지(300)의 채도가 높거나 낮은 경우 시트의 색상을 명확하게 판단하기 어렵거나 주름의 형태가 명확히 검출되지 않을 수 있으나 다른 요소들에 비해 그 중요도가 다소 낮다는 점에서 채도에 가장 낮은 가중치가 부여될 수 있다.
다른 예에서, 시트의 소재가 섬유인 경우, 섬유의 특성 상 조명의 광이 섬유 표면 구조에 의해 산란되기 때문에 조명의 밝기에 매우 민감하다고 볼 수 있어 조명의 밝기에 가장 높은 가중치가 부여될 수 있고, 섬유 시트의 색상이 다양한 색상으로 제조될 수 있어 시트의 색상을 판단하고 이에 대한 주름 검출을 수행하는 것이 보다 효과적일 수 있기 때문에 시트의 색상에 2순위로 높은 가중치가 부여될 수 있다.
또한, 이미지(300)의 명도가 지나치게 낮은 경우 이미지(300)가 어둡기 때문에 그림자로 나타나는 주름의 형태가 뚜렷하지 않을 수 있고, 명도가 지나치게 높은 경우 이미지(300)가 밝기 때문에 주름의 일부가 사라지는 등의 문제가 생길 수 있고, 채도에 비해 그 중요도가 다소 높다는 점에서 명도에 3순위로 높은 가중치가 부여될 수 있다.
또한, 이미지(300)의 채도가 높거나 낮은 경우 시트의 색상을 명확하게 판단하기 어렵거나 주름의 형태가 명확히 검출되지 않을 수 있으나 다른 요소들에 비해 그 중요도가 다소 낮다는 점에서 채도에 가장 낮은 가중치가 부여될 수 있다.
디바이스(100)는 상술한 바와 같이 시트의 소재에 따라서 상이한 크기 및 순서로 부여되는 가중치에 기초하여 주름 평가값을 결정할 수 있으며, 이에 따라 주름 검출 대상이 되는 시트 각각에 대해 효과적인 주름 검출이 가능해진다.
일 실시 예에서 디바이스(100)는 임계치를 딥러닝 학습을 통해 결정할 수 있다.
예를 들어, 디바이스(100)는 주름 여부를 결정하기 위한 딥러닝 학습에 이용되는 기저장된 학습 모델(예: Semantic Segmentation)을 메모리(미도시) 또는 서버(미도시)로부터 획득할 수 있다. 이러한 기저장된 학습 모델은 사전에 다양한 조건(시트의 색상, 명도, 채도, 조명의 밝기, 시트의 소재 등)에서의 시트의 주름에 대한 라벨링 처리된 이미지를 포함할 수 있다.
이에 따라, 디바이스(100)는 획득된 기저장 학습 모델을 이용하여 이미지(300) 상에서 주름 영역을 검출하기 위해 주름 영역에 대한 딥러닝 학습을 수행할 수 있고, 딥러닝 학습 결과에 기초하여 복수의 단위 영역에 대한 주름 여부를 결정하기 위한 임계치를 결정할 수 있다.
일 실시 예에서 딥러닝 학습에 따른 학습 결과의 정확도가 기설정 값 이하인 경우, 기저장된 학습 모델을 이용한 재 학습을 반복적으로 수행하여 정확도를 향상시킬 수 있다.
단계 S240에서 디바이스(100)는 임계치를 초과하는 주름 평가값에 대응되는 하나 이상의 단위 영역(310)에 대한 연속성에 기초하여 이미지(300)에 대한 주름 영역을 결정할 수 있다. 예를 들어, 임계치를 초과하는 주름 평가값에 대응되는 단위 영역들이 연속적으로 이어져, 연속성이 기설정 값 이상인 단위 영역들을 주름 영역으로 결정할 수 있다.
도 3은 일 실시 예에 따른 이미지(300)에 대해 결정된 주름 영역을 개략적으로 도시한 도면이다.
도면을 참조하면, 디바이스(100)는 임계치를 초과하는 주름 평가값에 대응되는 하나 이상의 단위 영역(310)은 도면에 도시된 바와 같이 결정될 수 있다. 각각의 단위 영역들은 임계치를 초과하는 주름 평가값에 대응되므로 주름에 해당하는 영역일 수 있고, 이러한 영역들이 분포되어 있는 연속성에 따라 이미지(300)에 대한 주름 영역을 결정할 수 있다. 또한, 연속성이 기설정 값 이하인 단위 영역들은 단순 시트의 패턴, 구조 또는 훼손 등에 해당할 수 있으며, 이러한 경우에는 주름 영역으로 결정하지 않을 수 있다.
이와 같이 디바이스(100)는 주름 평가값이 임계치를 초과하는 하나 이상의 단위 영역(310)에 대한 연속성에 기초하여 주름 영역을 결정함으로써, 시트의 패턴, 시트 구조 또는 시트가 훼손된 부분과 주름을 보다 명확히 판단하여 주름 영역 결정에 대한 정확도를 향상시킬 수 있다.
도 4는 일 실시 예에 따른 주름 영역에 대응되는 마킹 이미지(410)를 개략적으로 도시한 도면이다.
도면을 참조하면, 디바이스(100)는 주름 영역에 대응되는 마킹 이미지(410)를 획득할 수 있다. 이러한 마킹 이미지(410)는 단계 S240 및 도 3을 참조하여 설명한 내용에 따라 결정된 주름 영역 및 주름 영역에 대한 기설정된 값의 범위를 포함하여 주름 영역을 나타내도록 획득되는 이미지일 수 있다.
도 5는 일 실시 예에 따른 결과 이미지(500)를 개략적으로 도시한 도면이다.
도면을 참조하면, 디바이스(100)는 주름 영역을 결정하는 단계에서 이미지(300)에 대한 주름 영역의 좌표를 획득할 수 있고, 획득된 좌표에 따라 주름 영역을 이미지(300)에 디스플레이할 수 있다. 또한, 디바이스(100)는 주름 영역이 디스플레이된 이미지(300)에 주름 영역에 대응되는 마킹 이미지(410)를 정합하여 주름 영역 및 마킹 이미지(410)를 중첩되도록 나타내는 결과 이미지(500)를 획득할 수 있다.
이와 같이, 주름 영역이 디스플레이된 이미지(300)와 마킹 이미지(410)가 정합된 결과 이미지(500)가 사용자에게 제공됨으로써 주름 영역에 대한 판단 결과를 사용자가 육안으로 보다 쉽게 판단할 수 있다.
도 6은 일 실시 예에 따른 구조물 타입(600)을 개략적으로 도시한 도면이다.
도면을 참조하면, 디바이스(100)는 하나 이상의 카메라(110) 및 조명을 이용하여 시트에 대한 이미지(300)를 획득할 수 있도록 구조물 타입(600)으로 제공될 수 있다.
예를 들어, 디바이스(100)는 백 시트(610)를 지향하는 제 1 테스트 카메라(630), 쿠션 시트(620)를 지향하는 제 2 테스트 카메라(650)를 포함할 수 있다. 또한, 이미지(300)를 획득하기 위해 카메라(110)와 함께 동작하고 백 시트(610)를 지향하는 제 1 조명(640) 및 쿠션 시트(620)를 지향하는 제 2 조명(660)이 구조물 타입(600) 디바이스(100)에 더 포함될 수 있다. 디바이스(100)는 각각의 카메라(110) 및 조명의 동작을 통해 백 시트(610) 전체 및 디테일 이미지, 쿠션 시트(620) 전체 및 디테일 이미지를 획득할 수 있다.
이와 같은 구조물 타입(600)으로 디바이스(100)가 제공되면, 카메라(110)와 조명이 지향하는 방향이 동일할 경우 시트를 정면으로 조사하는 조명에 의해 주름 영역이 명확히 보이지 않는다는 문제점을 해소할 수 있고, 카메라(110) 및 조명이 지향하는 방향을 상기와 같이 상이하도록 결정하는 경우 조명의 광이 촬영 대상 시트와 평행하게 조사되기 때문에, 조사되는 광에 의해 굴곡으로 이루어진 주름 영역에 그림자가 생겨 주름 영역을 보다 명확하게 할 수 있는 효과가 있다.
일 실시 예에 따른 디바이스(100)는 주름 영역에 따른 주름이 심한 정도를 나타내는 주름 영역의 주름 레벨을 결정할 수 있다.
구체적으로, 시트의 소재에 따라 주름 레벨이 상이하게 결정될 수 있다.
예를 들면, 시트의 소재가 가죽인 경우, 주름 폭, 주름 깊이, 주름 길이 및 주름 개수의 순서로 높은 가중치가 부여될 수 있고, 부여된 가중치에 기초하여 주름 레벨이 결정될 수 있다.
시트의 소재가 가죽인 경우, 일반적으로 시트에 형성되는 주름의 폭이 크고, 주름의 폭이 큰 만큼 넓은 면적에 대한 주름이 형성된 것으로 볼 수 있기 때문에 주름 폭에 가장 높은 가중치가 부여될 수 있고, 가죽 소재의 특성 상 주름이 깊게 형성되는 경우 보다 신속한 주름 제거 처리가 필요하다는 점에서 주름 깊이에 2순위로 높은 가중치가 부여될 수 있다.
또한, 주름의 길이가 길수록 주름 발생이 심한 것으로 볼 수 있으나, 주름 폭과 주름 깊이에 비해 비교적 쉽게 제거할 수 있어 중요도가 다소 낮다는 점에서 주름 길이에 3순위로 높은 가중치가 부여될 수 있고, 주름 개수가 많을수록 주름이 심한 것으로 볼 수 있으나, 가죽 소재의 특성 상 주름이 비교적 적은 수로 형성되고 주름 폭, 주름 깊이 및 주름 길이에 비해 중요도가 다소 낮다는 점에서 주름 개수에 4순위로 높은 가중치가 부여될 수 있다.
시트의 소재가 섬유인 경우, 섬유 소재의 특성 상 비교적 작은 힘으로도 쉽게 구겨져 주름 개수가 가죽 소재에 비해 많이 형성된다는 점에서 주름 개수에 가장 높은 가중치가 부여될 수 있고, 길이가 긴 주름이 가죽 소재에 비해 비교적 빈번하게 형성된다는 점에서 주름의 길이에 2순위로 높은 가중치가 부여될 수 있다.
또한, 소재의 경우 쉽게 구겨지는 만큼 쉽게 팽창하고, 복원력이 가죽 소재에 비해 좋아 깊은 주름이 비교적 덜 형성된다는 점에서 주름 깊이에 3순위로 높은 가중치가 부여될 수 있고, 상술한 이유로 주름의 폭 또한 좁게 나타나고, 일반적으로 형성되는 주름의 폭이 비교적 좁다는 점에서 그 중요도가 다소 낮아 주름 폭에 4순위로 높은 가중치가 부여될 수 있다.
디바이스(100)는 이와 같이 시트의 소재에 따라서 상이하게 부여되는 가중치에 기초하여 주름 영역에 대한 주름 레벨을 주름이 가장 심한 제 1 레벨, 중간 정도인 제 2 레벨 및 주름이 다소 약한 제 3 레벨 중 어느 하나로 결정할 수 있고, 결정된 주름 레벨에 기초하여 시트 제조 공정 상의 문제가 발생했는지 여부에 대한 확인을 요청하는 취지의 알람을 제공할 수 있다.
이처럼, 시트의 소재에 따라 발생되는 주름의 특징이 상이하다는 점에 기초하여 주름 영역에 대한 레벨을 결정하고, 주름 레벨에 따른 알람을 제공함으로써 제조 공정 상의 문제가 발생했는지 여부를 신속하게 확인하도록 지원할 수 있다.
한편, 상술한 일 실시 예에 따른 디바이스(100)는 하나 이상의 프로세서(120) 및/또는 하나 이상의 메모리를 포함할 수 있다. 또한, 도 1에는 설명의 편의를 위해 일 실시 예에 따른 디바이스(100)를 설명하기 위한 필수적인 구성만이 도시되어 있지만, 디스플레이(미도시) 등 발명에 해당하는 장치를 구성하기 위한 종래의 여러 구성들이 유기적으로 결합되어 도 1내지 도 5에서 상술한 동작을 수행할 수도 있다.
또한, 메모리는, 휘발성 및/또는 비휘발성 메모리를 포함할 수 있다. 하나 이상의 메모리는, 하나 이상의 프로세서(120)에 의한 실행 시, 하나 이상의 프로세서(120)가 연산을 수행하도록 하는 명령들을 저장할 수 있다. 본 개시에서, 프로그램 내지 명령은 메모리에 저장되는 소프트웨어로서, 서버의 리소스를 제어하기 위한 운영체제, 어플리케이션 및/또는 어플리케이션이 장치의 리소스들을 활용할 수 있도록 다양한 기능을 어플리케이션에 제공하는 미들 웨어 등을 포함할 수 있다.
하나 이상의 프로세서(120)는, 소프트웨어(예: 프로그램, 명령)를 구동하여 프로세서(120)에 연결된 장치의 적어도 하나의 구성요소를 제어할 수 있다. 또한 프로세서(120)는 본 개시와 관련된 다양한 연산, 처리, 데이터 생성, 가공 등의 동작을 수행할 수 있다. 또한 프로세서(120)는 데이터 등을 메모리로부터 로드하거나, 메모리에 저장할 수 있다
일 실시예에서는, 디바이스(100)의 구성요소들 중 적어도 하나가 생략되거나, 다른 구성요소가 추가될 수 있다. 또한 추가적으로(additionally) 또는 대체적으로(alternatively), 일부의 구성요소들이 통합되어 구현되거나, 단수 또는 복수의 개체로 구현될 수 있다.
본 발명의 실시예와 관련하여 설명된 방법 또는 알고리즘의 단계들은 하드웨어로 직접 구현되거나, 하드웨어에 의해 실행되는 소프트웨어 모듈로 구현되거나, 또는 이들의 결합에 의해 구현될 수 있다. 소프트웨어 모듈은 RAM(Random Access Memory), ROM(Read Only Memory), EPROM(Erasable Programmable ROM), EEPROM(Electrically Erasable Programmable ROM), 플래시 메모리(Flash Memory), 하드 디스크, 착탈형 디스크, CD-ROM, 또는 본 발명이 속하는 기술 분야에서 잘 알려진 임의의 형태의 컴퓨터 판독가능 기록매체에 상주할 수도 있다.
이상, 첨부된 도면을 참조로 하여 본 발명의 실시 예를 설명하였지만, 본 발명이 속하는 기술분야의 통상의 기술자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로, 이상에서 기술한 실시 예들은 모든 면에서 예시적인 것이며, 제한적이 아닌 것으로 이해해야만 한다.
100: 디바이스
110: 카메라
120: 프로세서
300: 이미지 310: 하나 이상의 단위 영역
410: 마킹 이미지 500: 결과 이미지
600: 구조물 타입 610: 백 시트
620: 쿠션 시트 630: 제 1 테스트 카메라
640: 제 1 조명 650: 제 2 테스트 카메라
660: 제 2 조명

Claims (7)

  1. 디바이스가 시트(seat)에 대한 주름 영역을 결정하는 방법에 있어서,
    상기 시트에 대한 이미지를 획득하는 단계;
    상기 이미지를 구성하고 하나 이상의 픽셀을 포함하는 복수의 단위 영역을 결정하는 단계;
    각각의 상기 복수의 단위 영역에 대해 도출된 주름 평가값이 임계치를 초과하는지 여부를 결정하는 단계; 및
    상기 임계치를 초과하는 주름 평가값에 대응되는 하나 이상의 단위 영역에 대한 연속성에 기초하여 상기 이미지에 대한 주름 영역을 결정하는 단계;를 포함하고,
    상기 복수의 단위 영역에 대한 명도, 채도, 조명의 밝기 및 상기 시트의 색상 중 적어도 하나를 포함하는 주름 평가 요소를 획득하는 단계; 및
    획득된 상기 주름 평가 요소의 조합 결과에 기초하여 상기 주름 평가값을 결정하는 단계;를 더 포함하고,
    상기 주름 평가값을 결정하는 단계는
    상기 시트의 소재가 가죽인 경우, 상기 시트의 색상, 상기 조명의 밝기, 상기 명도 및 상기 채도의 순서로 높은 가중치를 부여하는 단계;
    상기 시트의 소재가 섬유인 경우, 상기 조명의 밝기, 상기 시트의 색상, 상기 명도 및 상기 채도의 순서로 높은 가중치를 부여하는 단계; 및
    상기 가중치에 기초하여 상기 주름 평가값을 결정하는 단계;를 포함하는, 방법.
  2. 제 1 항에 있어서,
    상기 복수의 단위 영역을 구성하는 각각의 단위 영역은 단일 픽셀인, 방법.
  3. 제 1 항에 있어서,
    상기 주름 영역을 상기 이미지에 디스플레이하는 단계;
    상기 주름 영역에 대응되는 마킹 이미지를 획득하는 단계; 및
    상기 이미지에 상기 마킹 이미지를 정합하여 결과 이미지를 획득하는 단계;를 더 포함하는, 방법.
  4. 삭제
  5. 제 1 항에 있어서,
    상기 임계치는 딥러닝 학습에 의해 결정되고,
    상기 임계치를 결정하는 단계는
    기저장된 학습 모델을 이용하여 상기 주름 영역에 대한 상기 딥러닝 학습을 수행하는 단계; 및
    상기 딥러닝 학습에 따른 결과에 기초하여 상기 복수의 단위 영역에 대한 주름 여부를 결정하기 위한 상기 임계치를 결정하는 단계;를 포함하고,
    상기 딥러닝 학습에 따른 학습 결과의 정확도가 기설정 값 이하인 경우 재 학습을 수행하는 단계;를 더 포함하는, 방법.
  6. 삭제
  7. 시트(seat)에 대한 주름 영역을 결정하는 디바이스에 있어서,
    상기 시트에 대한 이미지를 획득하는 하나 이상의 카메라; 및
    상기 이미지를 구성하고 하나 이상의 픽셀을 포함하는 복수의 단위 영역을 결정하고, 각각의 상기 복수의 단위 영역에 대해 도출된 주름 평가값이 임계치를 초과하는지 여부를 결정하고, 상기 임계치를 초과하는 주름 평가값에 대응되는 하나 이상의 단위 영역에 대한 연속성에 기초하여 상기 이미지에 대한 주름 영역을 결정하는 프로세서;를 포함하고,
    상기 프로세서는
    상기 복수의 단위 영역에 대한 명도, 채도, 조명의 밝기 및 상기 시트의 색상 중 적어도 하나를 포함하는 주름 평가 요소를 획득하고,
    획득된 상기 주름 평가 요소의 조합 결과에 기초하여 상기 주름 평가값을 결정하고,
    상기 프로세서는
    상기 시트의 소재가 가죽인 경우, 상기 시트의 색상, 상기 조명의 밝기, 상기 명도 및 상기 채도의 순서로 높은 가중치를 부여하고,
    상기 시트의 소재가 섬유인 경우, 상기 조명의 밝기, 상기 시트의 색상, 상기 명도 및 상기 채도의 순서로 높은 가중치를 부여하고,
    상기 가중치에 기초하여 상기 주름 평가값을 결정하는, 디바이스.
KR1020210075048A 2021-06-09 2021-06-09 시트에 대한 주름 영역을 결정하는 방법 및 디바이스 KR102327595B1 (ko)

Priority Applications (4)

Application Number Priority Date Filing Date Title
KR1020210075048A KR102327595B1 (ko) 2021-06-09 2021-06-09 시트에 대한 주름 영역을 결정하는 방법 및 디바이스
CN202280003905.7A CN115735118A (zh) 2021-06-09 2022-06-08 用于确定座椅的褶皱区域的方法和装置
EP22820558.9A EP4354122A1 (en) 2021-06-09 2022-06-08 Method and device for determining wrinkled region for seat
PCT/KR2022/008086 WO2022260431A1 (ko) 2021-06-09 2022-06-08 시트에 대한 주름 영역을 결정하는 방법 및 디바이스

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210075048A KR102327595B1 (ko) 2021-06-09 2021-06-09 시트에 대한 주름 영역을 결정하는 방법 및 디바이스

Publications (1)

Publication Number Publication Date
KR102327595B1 true KR102327595B1 (ko) 2021-11-17

Family

ID=78702644

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210075048A KR102327595B1 (ko) 2021-06-09 2021-06-09 시트에 대한 주름 영역을 결정하는 방법 및 디바이스

Country Status (1)

Country Link
KR (1) KR102327595B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022260431A1 (ko) * 2021-06-09 2022-12-15 주식회사 한울시스템 시트에 대한 주름 영역을 결정하는 방법 및 디바이스
US11724931B2 (en) * 2021-09-23 2023-08-15 Lear Corporation Vehicle seat correction system and method of correcting a defect in a vehicle seat

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140008191A (ko) 2012-07-11 2014-01-21 현대자동차주식회사 자동차 시트의 주름 평가 시험방법
JP2016015118A (ja) * 2014-06-09 2016-01-28 パナソニックＩｐマネジメント株式会社 皺検出装置および皺検出方法
JP2017110909A (ja) * 2015-12-14 2017-06-22 東日本旅客鉄道株式会社 ひび割れ幅計測装置
JP2017198510A (ja) * 2016-04-26 2017-11-02 古河電気工業株式会社 画像検査装置、画像検査方法及び画像検査プログラム
KR20200093559A (ko) * 2019-01-22 2020-08-05 주식회사 고영테크놀러지 기판 검사 장치 및 스크린 프린터의 결함 유형 결정 방법
KR102191773B1 (ko) 2018-08-31 2020-12-16 한국전자통신연구원 레고형 딥러닝 학습엔진 생성 장치 및 방법

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140008191A (ko) 2012-07-11 2014-01-21 현대자동차주식회사 자동차 시트의 주름 평가 시험방법
JP2016015118A (ja) * 2014-06-09 2016-01-28 パナソニックＩｐマネジメント株式会社 皺検出装置および皺検出方法
JP2017110909A (ja) * 2015-12-14 2017-06-22 東日本旅客鉄道株式会社 ひび割れ幅計測装置
JP2017198510A (ja) * 2016-04-26 2017-11-02 古河電気工業株式会社 画像検査装置、画像検査方法及び画像検査プログラム
KR102191773B1 (ko) 2018-08-31 2020-12-16 한국전자통신연구원 레고형 딥러닝 학습엔진 생성 장치 및 방법
KR20200093559A (ko) * 2019-01-22 2020-08-05 주식회사 고영테크놀러지 기판 검사 장치 및 스크린 프린터의 결함 유형 결정 방법

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022260431A1 (ko) * 2021-06-09 2022-12-15 주식회사 한울시스템 시트에 대한 주름 영역을 결정하는 방법 및 디바이스
US11724931B2 (en) * 2021-09-23 2023-08-15 Lear Corporation Vehicle seat correction system and method of correcting a defect in a vehicle seat

Similar Documents

Publication Publication Date Title
KR102327595B1 (ko) 시트에 대한 주름 영역을 결정하는 방법 및 디바이스
US11789491B2 (en) Method for detecting foreign object and related electronic devices
US8649560B2 (en) Method and interface of recognizing user's dynamic organ gesture and electric-using apparatus using the interface
CN105046254A (zh) 字符识别方法及装置
US8548196B2 (en) Method and interface of recognizing user's dynamic organ gesture and elec tric-using apparatus using the interface
US10503969B2 (en) Hand-raising detection device, non-transitory computer readable medium, and hand-raising detection method
US8649559B2 (en) Method and interface of recognizing user's dynamic organ gesture and electric-using apparatus using the interface
US8902161B2 (en) Device and method for detecting finger position
KR102327594B1 (ko) 시트에 대한 주름 영역을 결정하는 방법 및 디바이스
EP3213504A1 (en) Image data segmentation
CN109724890A (zh) 硬度测试器和程序
CN104766354A (zh) 一种增强现实绘图的方法及移动终端
CN111586311A (zh) 图像采集的方法
US9846816B2 (en) Image segmentation threshold value deciding method, gesture determining method, image sensing system and gesture determining system
CN111046706B (zh) 指纹辨识方法以及使用其的电子装置
KR101558487B1 (ko) 타이어 정보 제공 방법
EP4354122A1 (en) Method and device for determining wrinkled region for seat
CN110705350B (zh) 证件识别方法及装置
KR101556353B1 (ko) 휴대 단말기를 이용한 타이어 정보 제공 방법
JP2015176252A (ja) 画像処理装置および画像処理方法
US11480664B2 (en) Optical detection device of detecting a distance relative to a target object
CN113544741A (zh) 形状检测方法、形状检测系统以及程序
CN113034529A (zh) 基于迷你手机检测机的设备图像提取方法及装置
CN110532913A (zh) 电子装置以及生物特征感测方法
CN111611881A (zh) 生物特征采集装置和电子设备

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant