KR102379866B1 - 무인 비행체 및 무인 비행체의 제어 방법 - Google Patents

무인 비행체 및 무인 비행체의 제어 방법 Download PDF

Info

Publication number
KR102379866B1
KR102379866B1 KR1020200091774A KR20200091774A KR102379866B1 KR 102379866 B1 KR102379866 B1 KR 102379866B1 KR 1020200091774 A KR1020200091774 A KR 1020200091774A KR 20200091774 A KR20200091774 A KR 20200091774A KR 102379866 B1 KR102379866 B1 KR 102379866B1
Authority
KR
South Korea
Prior art keywords
aerial vehicle
unmanned aerial
recognition rate
optical zoom
zoom function
Prior art date
Application number
KR1020200091774A
Other languages
English (en)
Other versions
KR20220013507A (ko
Inventor
서동욱
Original Assignee
주식회사 엘지유플러스
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 엘지유플러스 filed Critical 주식회사 엘지유플러스
Priority to KR1020200091774A priority Critical patent/KR102379866B1/ko
Publication of KR20220013507A publication Critical patent/KR20220013507A/ko
Application granted granted Critical
Publication of KR102379866B1 publication Critical patent/KR102379866B1/ko

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64C—AEROPLANES; HELICOPTERS
    • B64C39/00—Aircraft not otherwise provided for
    • B64C39/02—Aircraft not otherwise provided for characterised by special use
    • B64C39/024—Aircraft not otherwise provided for characterised by special use of the remote controlled vehicle type, i.e. RPV
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
    • B64U20/00—Constructional aspects of UAVs
    • B64U20/80—Arrangement of on-board electronics, e.g. avionics systems or wiring
    • B64U20/87—Mounting of imaging devices, e.g. mounting of gimbals
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64D—EQUIPMENT FOR FITTING IN OR TO AIRCRAFT; FLIGHT SUITS; PARACHUTES; ARRANGEMENT OR MOUNTING OF POWER PLANTS OR PROPULSION TRANSMISSIONS IN AIRCRAFT
    • B64D47/00—Equipment not otherwise provided for
    • B64D47/08—Arrangements of cameras
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
    • B64U10/00—Type of UAV
    • B64U10/10—Rotorcrafts
    • B64U10/13—Flying platforms
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/04—Control of altitude or depth
    • G05D1/06—Rate of change of altitude or depth
    • G05D1/0607—Rate of change of altitude or depth specially adapted for aircraft
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/10—Simultaneous control of position or course in three dimensions
    • G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/40—Control within particular dimensions
    • G05D1/46—Control of position or course in three dimensions
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/40—Control within particular dimensions
    • G05D1/48—Control of altitude or depth
    • G05D1/485—Control of rate of change of altitude or depth
    • 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
    • G06T7/20—Analysis of motion
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/69—Control of means for changing angle of the field of view, e.g. optical zoom objectives or electronic zooming
    • H04N5/23296—
    • B64C2201/127—
    • B64C2201/141—
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
    • B64U2101/00—UAVs specially adapted for particular uses or applications
    • B64U2101/30—UAVs specially adapted for particular uses or applications for imaging, photography or videography
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
    • B64U2201/00—UAVs characterised by their flight controls
    • B64U2201/10—UAVs characterised by their flight controls autonomous, i.e. by navigating independently from ground or air stations, e.g. by using inertial navigation systems [INS]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • General Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Theoretical Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Automation & Control Theory (AREA)
  • Multimedia (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mechanical Engineering (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Signal Processing (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
  • Studio Devices (AREA)
  • Traffic Control Systems (AREA)

Abstract

일 실시예에 따르면, 무인 비행체의 제어 방법은 카메라를 포함하는 무인 비행체의 비행 고도에서, 카메라에 의해 적어도 하나의 객체를 촬영하고, 영상에 포함된 객체들을 인식하도록 미리 학습된 인공 신경망을 기초로 객체에 대한 인식률 저하가 발생했는지 여부를 결정하고, 인식률의 저하가 발생했다는 결정에 따라, 카메라의 광학 줌 기능을 활성화하며, 광학 줌 기능에 의해 확대된 객체의 영상을 획득한다.

Description

무인 비행체 및 무인 비행체의 제어 방법{UNMANNED AIR VEHICLE AND CONTROL METHOD OF UNMANNED AIR VEHICLE}
실시예들은 무인 비행체 및 무인 비행체의 제어 방법에 관한 것이다.
드론(drone)은 수직 이착륙이 가능하고, 전후 방향 이동 및 정지 비행이 가능하므로 군사 목적 이외의 다양한 분야에서 활용도가 높아지고 있다. 특히, 드론에 카메라를 장착함으로써 항공 영상을 손쉽게 얻을 수 있으므로 방송사, 민간 업체, 및 개인에 의한 촬영용 드론의 사용이 크게 증가하고 있다. 다만, 드론을 사용하여 항공 영상을 촬영하는 경우, 제한된 높이 내에서 촬영이 이루어져야 정확한 객체 인식이 가능하다. 예를 들어, 드론을 사용하여 원거리에서 객체를 촬영하거나, 우천, 설천, 안개, 미세 먼지 등이 발생하는 경우, 객체에 대한 인식률이 크게 떨어지므로 드론의 사용이 제한될 수 있다.
전술한 배경기술은 발명자가 본원의 개시 내용을 도출하는 과정에서 보유하거나 습득한 것으로서, 반드시 본 출원 전에 일반 공중에 공개된 공지기술이라고 할 수는 없다.
일 실시예에 따르면, 객체에 대한 인식률 저하를 자동으로 감지하여 무인 비행체가 높은 고도에서 비행할 때에 발생하는 객체의 인식률 저하를 개선할 수 있다.
일 실시예에 따르면, 객체에 대한 인식률 저하가 감지되면, 카메라의 광학 줌 기능을 활성화하거나, 또는 무인 비행체의 비행 고도를 낮게 제어함으로써 객체의 인식률을 높일 수 있다.
일 실시예에 따르면, 객체의 인식률을 향상시키기 위해 비행 고도를 낮춤으로써 촬영 면적이 좁아지는 경우, 비행 경로를 자동으로 수정하여 촬영 면적을 넓힐 수 있다.
일 실시예에 따르면, 무인 비행체의 제어 방법은 카메라를 포함하는 무인 비행체의 비행 고도에서, 상기 카메라에 의해 적어도 하나의 객체를 촬영하는 단계; 영상에 포함된 객체들을 인식하도록 미리 학습된 인공 신경망을 기초로, 상기 객체에 대한 인식률 저하가 발생했는지 여부를 결정하는 단계; 상기 인식률의 저하가 발생했다는 결정에 따라, 상기 카메라의 광학 줌(zoom) 기능을 활성화하는 단계; 및 상기 광학 줌 기능에 의해 확대된 객체의 영상을 획득하는 단계를 포함한다.
상기 인식률의 저하가 발생했는지 여부를 결정하는 단계는 상기 인공 신경망을 이용하여 상기 객체를 인식한 결과에 따른 유사도 점수를 산출하는 단계; 및 상기 유사도 점수의 통계치에 의해 상기 인식률의 저하가 발생했는지 여부를 결정하는 단계를 포함할 수 있다.
상기 인식률의 저하가 발생했는지 여부를 결정하는 단계는 상기 인공 신경망을 이용하여 상기 객체를 인식한 결과에 따른 상기 객체의 인식률과 미리 설정된 기준 인식률을 비교하는 단계; 및 상기 인식률의 비교 결과를 기초로, 상기 인식률의 저하가 발생했는지 여부를 결정하는 단계를 포함할 수 있다.
상기 기준 인식률은 35 픽셀 이상일 수 있다.
상기 광학 줌 기능을 활성화하는 단계는 상기 인식률의 저하가 발생했다는 결정에 따라, 상기 카메라의 광학 줌 기능의 활성화 여부 및 상기 광학 줌 기능의 활성화에 따른 줌 레벨 중 적어도 하나를 결정하는 단계를 포함할 수 있다.
상기 무인 비행체의 제어 방법은 상기 광학 줌 기능의 활성화 여부 및 상기 줌 레벨을 기초로, 상기 무인 비행체의 비행 기술 및 촬영 면적 중 적어도 하나를 변경하는 단계를 더 포함할 수 있다.
상기 무인 비행체의 제어 방법은 상기 광학 줌 기능의 활성화에 따른 줌 레벨에 기초하여 상기 무인 비행체의 비행 경로를 조정하는 단계를 더 포함할 수 있다.
상기 무인 비행체의 비행 경로는 상기 무인 비행체의 촬영 면적 및 상기 무인 비행체의 비행 기술 중 적어도 하나를 포함할 수 있다.
상기 무인 비행체의 비행 경로를 조정하는 단계는 상기 광학 줌 기능이 활성화된 경우, 상기 무인 비행체의 원 촬영 면적을 확대하는 단계; 및 상기 광학 줌 기능이 비활성화된 경우, 상기 무인 비행체의 원 촬영 면적을 유지하는 단계를 포함할 수 있다.
상기 무인 비행체의 제어 방법은 상기 무인 비행체 주변의 장애물의 존재 여부를 기초로, 상기 무인 비행체의 비행 고도를 결정하는 단계를 더 포함할 수 있다.
일 실시예에 따르면, 무인 비행체는 무인 비행체의 비행 고도에서 적어도 하나의 객체를 촬영하는 카메라; 및 영상에 포함된 객체들을 인식하도록 미리 학습된 인공 신경망을 기초로, 상기 객체에 대한 인식률 저하가 발생했는지 여부를 결정하고, 상기 인식률의 저하가 발생했다는 결정에 따라, 상기 카메라의 광학 줌 기능을 활성화하며, 상기 광학 줌 기능에 의해 확대된 객체의 영상을 획득하는 프로세서를 포함한다.
상기 프로세서는 상기 인공 신경망을 이용하여 상기 객체를 인식한 결과에 따른 유사도 점수를 산출하고, 상기 유사도 점수의 통계치에 의해 상기 인식률의 저하가 발생했는지 여부를 결정할 수 있다.
상기 프로세서는 상기 인공 신경망을 이용하여 상기 객체를 인식한 결과에 따른 상기 객체의 인식률과 미리 설정된 기준 인식률을 비교하고, 상기 인식률의 비교 결과를 기초로, 상기 인식률의 저하가 발생했는지 여부를 결정할 수 있다.
상기 기준 인식률은 35 픽셀 이상일 수 있다.
상기 프로세서는 상기 인식률의 저하가 발생했다는 결정에 따라, 상기 카메라의 광학 줌 기능의 활성화 여부 및 상기 광학 줌 기능의 활성화에 따른 줌 레벨 중 적어도 하나를 결정할 수 있다.
상기 프로세서는 상기 광학 줌 기능의 활성화 여부 및 상기 줌 레벨을 기초로, 상기 무인 비행체의 비행 기술 및 촬영 면적 중 적어도 하나를 변경할 수 있다.
상기 프로세서는 상기 광학 줌 기능의 활성화에 따른 줌 레벨에 기초하여 상기 무인 비행체의 비행 경로를 조정할 수 있다.
상기 무인 비행체의 비행 경로는 상기 무인 비행체의 촬영 면적 및 상기 무인 비행체의 비행 기술 중 적어도 하나를 포함할 수 있다.
상기 프로세서는 상기 광학 줌 기능이 활성화된 경우, 상기 무인 비행체의 원 촬영 면적을 확대하고, 상기 광학 줌 기능이 비활성화된 경우, 상기 무인 비행체의 원 촬영 면적을 유지할 수 있다.
상기 프로세서는 상기 무인 비행체 주변의 장애물의 존재 여부를 기초로, 상기 무인 비행체의 비행 고도를 결정할 수 있다.
일 측에 따르면, 객체에 대한 인식률 저하를 자동으로 감지하여 무인 비행체가 높은 고도에서 비행할 때에 발생하는 객체의 인식률 저하를 개선할 수 있다.
일 측에 따르면, 객체에 대한 인식률 저하가 감지되면, 카메라의 광학 줌 기능을 활성화하거나, 또는 무인 비행체의 비행 고도를 낮게 제어함으로써 객체의 인식률을 높일 수 있다.
일 측에 따르면, 객체의 인식률을 향상시키기 위해 비행 고도를 낮춤으로써 촬영 면적이 좁아지는 경우, 비행 경로를 자동으로 수정하여 촬영 면적을 넓힐 수 있다.
도 1은 일 실시예에 따른 무인 비행체의 제어 방법을 나타낸 흐름도.
도 2는 일 실시예에 따라 카메라의 광학 줌 기능을 활성화하는 방법을 설명하기 위한 도면.
도 3은 일 실시예에 따른 광학 줌 기능의 활성화에 따른 줌 레벨에 기초하여 무인 비행체의 비행 경로가 조정되는 것을 설명하기 위한 도면.
도 4는 다른 실시예에 따른 무인 비행체의 제어 방법을 나타낸 흐름도.
도 5는 일 실시예에 따른 무인 비행체의 블록도.
이하에서, 첨부된 도면을 참조하여 실시예들을 상세하게 설명한다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다.
아래 설명하는 실시예들에는 다양한 변경이 가해질 수 있다. 아래 설명하는 실시예들은 실시 형태에 대해 한정하려는 것이 아니며, 이들에 대한 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
실시예에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 실시예를 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성 요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조 부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 실시예의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
도 1은 일 실시예에 따른 무인 비행체의 제어 방법을 나타낸 흐름도이다. 도 1을 참조하면, 일 실시예에 따른 단계들(110 내지 140)은 무인 비행체 또는 무인 비행체의 제어 장치에 의해 수행될 수 있다. 일 실시예에 따른 무인 비행체는 예를 들어, 드론(drone)과 같이 사람이 탑승하지 않고 자동 또는 원격 조종으로 움직이는 비행체를 모두 포괄하는 의미로 이해될 수 있다.
단계(110)에서, 무인 비행 장치는 카메라를 포함하는 무인 비행체의 비행 고도에서, 카메라에 의해 적어도 하나의 객체를 촬영한다. 무인 비행체의 비행 고도는 예를 들어, 항공 안전법에 정해진 고도 150m 이하의 높이에 해당할 수 있다.
단계(120)에서, 무인 비행체는 영상에 포함된 객체들을 인식하도록 미리 학습된 인공 신경망을 기초로, 단계(110)에서 촬영된 객체에 대한 인식률 저하가 발생했는지 여부를 결정한다. 인공 신경망은 입력된 영상에 포함된 객체들의 클래스들을 인식 및 분류하도록 미리 학습된 분류기(classifier)를 포함할 수도 있다. 인공 신경망은 예를 들어, 컨볼루션 신경망(Convolution Neural Network; CNN), 심층 신경망(Deep Neural Network; DNN), 또는 회귀 신경망(Recurrent Neural Network; RNN) 등으로 구성될 수 있으며, 반드시 이에 한정되지는 않는다.
무인 비행체는 예를 들어, 인공 신경망을 이용하여 객체를 인식한 결과에 따른 유사도 점수를 산출할 수 있다. 무인 비행체는 유사도 점수의 통계치(예를 들어, 평균, 분산, 표준 편차 등)에 의해 인식률의 저하가 발생했는지 여부를 결정할 수 있다. 무인 비행체는 유사도 점수의 통계치가 미리 설정된 기준값보다 낮은 경우, 인식률의 저하가 발생했다고 결정할 수 있다. 이때, 인공 신경망은 무인 비행체 자체에 포함될 수도 있고, 또는 무인 비행체와 구별되는 무인 비행체의 제어 장치에 포함될 수도 있다.
또는, 무인 비행체는 예를 들어, 인공 신경망을 이용하여 객체를 인식한 결과에 따른 객체의 인식률과 미리 설정된 기준 인식률을 비교할 수 있다. 무인 비행체는 인식률의 비교 결과를 기초로, 인식률의 저하가 발생했는지 여부를 결정할 수 있다. 이때, 기준 인식률은 예를 들어, 35픽셀 이상일 수 있다.
단계(130)에서, 무인 비행체는 단계(120)에서 인식률의 저하가 발생했다는 결정에 따라, 카메라의 광학 줌(zoom) 기능을 활성화한다. 무인 비행체는 인식률의 저하가 발생했다는 결정에 따라, 카메라의 광학 줌 기능의 활성화 여부 및 광학 줌 기능의 활성화에 따른 줌 레벨 중 적어도 하나를 결정할 수 있다. 일 실시예에 따른 무인 비행체는 객체 인식률의 저하 시에 객체에 대한 유사도 점수를 이용해서 이를 자동으로 감지하여 카메라의 줌 기능을 활성화하거나, 또는 비행 고도를 낮춰서 인식률을 높일 수 있다. 무인 비행체가 카메라의 광학 줌 기능을 활성화하는 방법은 아래의 도 2를 참조하여 구체적으로 설명한다.
실시예에 따라서, 무인 비행체는 광학 줌 기능의 활성화 여부 및 줌 레벨을 기초로, 무인 비행체의 비행 기술 및 촬영 면적 중 적어도 하나를 변경할 수 있다. 나아가, 무인 비행체는 광학 줌 기능의 활성화에 따른 줌 레벨에 기초하여 무인 비행체의 비행 경로를 조정할 수 있다. 무인 비행체의 비행 경로는 예를 들어, 무인 비행체의 촬영 면적 및 무인 비행체의 비행 기술 중 적어도 하나를 포함할 수 있다. 예를 들어, 광학 줌 기능이 활성화된 경우, 무인 비행체는 무인 비행체의 원(original) 촬영 면적을 확대하고, 확대된 면적을 비행하면서 카메라를 통해 영상을 촬영할 수 있다. 또는, 광학 줌 기능이 비활성화된 경우, 무인 비행체는 무인 비행체의 원 촬영 면적을 유지하고, 원 촬영 면적을 비행하면서 카메라를 통해 영상을 촬영할 수 있다.
실시예에 따라서, 무인 비행체는 무인 비행체 주변의 장애물의 존재 여부를 기초로, 무인 비행체의 비행 고도를 결정할 수도 있다. 무인 비행체는 센서 또는 카메라를 통해 무인 비행체 주변에 장애물이 감지되면, 무인 비행체의 비행 고도를 높이도록 결정할 수 있다. 이와 달리, 무인 비행체 주변에 장애물이 감지되지 않는 경우, 무인 비행체는 비행 고도를 원래 설정된 높이로 유지할 수 있다.
무인 비행체가 광학 줌 기능의 활성화에 따른 줌 레벨에 기초하여 무인 비행체의 비행 경로를 조정하는 방법은 아래의 도 3을 참조하여 구체적으로 설명한다.
단계(140)에서, 무인 비행체는 단계(130)에서 활성화된 광학 줌 기능에 의해 확대된 객체의 영상을 획득한다.
도 2는 일 실시예에 따라 카메라의 광학 줌 기능을 활성화하는 방법을 설명하기 위한 도면이다. 도 2의 (a)는 무인 비행체가 지상 40m 상공에서 줌 레벨없이 객체를 촬영한 결과를 도시한다. 도 2의 (b)는 무인 비행체가 지상 50m 상공에서 줌 레벨없이 객체를 촬영한 결과를 도시하고, 도 2의 (c)는 무인 비행체가 지상 50m 상공에서 2~3배의 줌 레벨로 객체를 촬영한 결과를 도시한다.
이하, 설명의 편의를 위하여 무인 비행체의 일 예시인 드론을 예로 들어 설명하지만, 반드시 이에 한정되는 것은 아니다.
드론은 CCTV 대비 근거리 영상이 아닌 원거리 영상을 통해 객체를 인식해야 하고, 근거리 대비 원거리에서는 객체의 크기가 작아지므로 근거리 영상에 비해 객체의 인식률 저하가 빈번하게 발생할 수 있다. 이러한 인식률 저하로 인해 드론을 이용한 객체 인식 서비스를 활용하려는 지역 및 고객이 제한될 수 있다.
일 실시예에서는 영상에 포함된 객체들을 인식하도록 미리 학습된 인공 신경망을 무인 비행체에 적용함으로써 무인 비행체에 포함된 카메라를 통해 촬영된 객체를 인식하고, 객체에 대한 인식률의 저하가 발생했는지 여부를 결정할 수 있다.
인공 신경망을 통한 객체 인식을 드론에 적용하여 서비스를 진행하기 위해서는 객체의 인식률이 예를 들어, 90%~95% 이상이 되어야 한다. 또한, 드론은 비행 지역의 장애물(예를 들어, 건물, 전선, 나무, 송전탑 등)에 따라서 비행 높이를 다양하게 설정할 수 있어야 한다. 예를 들어, 특정 지역에서는 고도 30m에서 비행해도 장애물이 없을 수 있지만, 다른 지역에서는 고도 50m 이상으로 비행해야 장애물이 없을 수 있으므로 장애물 여부에 따라 비행 높이가 다양하게 설정될 수 있다.
항공 안전법에 의해 인정되는 드론의 최대 비행 가능 높이는 고도 150m 미만이며, 드론이 높이 비행하면 할수록 객체의 크기가 상대적으로 작아져서 객체 인식률이 떨어지게 된다. 촬영된 영상에서 객체를 인식하기 위해서는 예를 들어, 객체가 최소 객체 크기(예를 들어, 기준 인식률) 이상이 되어야 인식률이 확보될 수 있다. 기준 인식률은 예를 들어, 35픽셀일 수 있다.
일 실시예에서 따른 드론이 도 2의 (a)와 같이, 고도 40m의 높이에서 비행하면서 객체(210)의 크기가 35 픽셀 이상인 객체를 인식할 수 있다고 가정하자.
하지만, 드론의 비행 지역에 따라서 촬영 장소 부근에 장애물이 많아 고도 40m에서 비행이 불가능하고, 도 2의 (b)와 같이 고도 50m에서 비행해야 할 수도 있다. 전술한 것과 같이, 고도 40m의 높이에서 객체 인식이 가능한 드론이 도 2의 (b)와 같이 고도 50m에서 비행을 하면 영상을 촬영한 경우, 객체(220)의 크기가 35 픽셀 이하가 되므로 인식률의 저하가 발생할 수 있다. 인공 신경망은 카메라를 통해 촬영된 영상 내에의 포함된 객체(들)의 유사도 점수의 평균을 통해 객체 인식률의 저하가 발생했는지 여부를 감지할 수 있다. 인공 신경망은 미리 학습된 객체(예를 들어, 사람, 자동차, 중장비, 화재, 얼굴, 번호판 인식 등)와 카메라를 통해 촬영된 영상에 포함된 객체 간의 유사도 점수를 통해 각 개체의 클래스(class)의 유사 여부를 분류할 수 있다. 이때, 미리 학습된 객체와 촬영된 객체 간의 유사도 점수가 미리 설정된 기준값보다 높을수록 두 객체가 같은 부류일 가능성이 높다는 것을 의미한다.
일 실시예에 따른 드론은 객체 인식률의 저하가 발생했다는 결정에 따라, 자동으로 카메라의 광학 줌 기능을 활성화할 수 있다. 드론은 예를 들어, 도 2의 (c)와 같이, 광학 줌 기능에 의해 2배(x2) 내지 3배(x3), 또는 N배(xn)까지 객체의 크기를 확대하여 객체 인식률을 높일 수 있다. 도 2의 (c)와 같이, 광학 줌 기능에 의해 확대된 객체(230)의 크기가 35 픽셀 이상이 되면, 무인 비행체는 객체(230)를 명확하게 인식할 수 있다.
도 3은 일 실시예에 따른 광학 줌 기능의 활성화에 따른 줌 레벨에 기초하여 무인 비행체의 비행 경로가 조정되는 것을 설명하기 위한 도면이다. 도 3을 참조하면, 일 실시예에 따른 광학 줌 기능의 활성화에 따른 줌 레벨의 설정이 없는 경우의 비행 경로(310)와 줌 레벨이 2~3배인 경우의 비행 경로(320), 및 줌 레벨이 4~5배인 경우의 비행 경로(330)가 도시된다.
예를 들어, 객체 인식률의 저하 시에 카메라의 광학 줌 기능을 활성화하여 인식률을 높이면, 상대적으로 드론이 정찰 또는 촬영 가능한 면적이 좁아질 수 있다. 일 실시예에 따른 무인 비행체는 객체에 대한 인식률을 높이기 위한 카메라의 줌 인(Zoom-in) 기능으로 인해 촬영 면적 또는 정찰 범위가 좁아진 경우, 비행 경로를 자동으로 변경함으로써 좁아진 촬영 면적을 넓힐 수 있다. 이때, 무인 비행체는 예를 들어, 비행 경로(310)과 같은 직선 비행이 아니라 비행 경로(320) 및/또는 비행 경로(330)과 같은 곡선 비행을 통해 촬영 면적 또는 정찰 범위를 넓힐 수 있다.
무인 비행체는 예를 들어, 광학 줌 기능의 활성화에 따른 줌 레벨에 기초하여 무인 비행체의 비행 경로를 조정할 수 있다. 무인 비행체의 비행 경로는 예를 들어, 무인 비행체의 촬영 면적 및 무인 비행체의 비행 기술 등을 포함할 수 있다.
예를 들어, 광학 줌 기능이 비활성화된 경우, 무인 비행체는 무인 비행체의 원 촬영 면적을 유지하면서 비행 경로(310)와 같은 직선 비행에 의해 비행할 수 있다. 또는 무인 비행체는 예를 들어, 광학 줌 기능이 활성화된 경우, 비행 경로(320) 및/또는 비행 경로(330)과 같은 곡선 비행을 통해 무인 비행체의 원 촬영 면적을 확대할 수 있다. 무인 비행체는 예를 들어, 줌 레벨이 2~3배인 경우인 경우, 비행 경로(320)와 같은 곡선 비행을 통해 무인 비행체의 원 촬영 면적을 확대할 수 있다. 또는, 무인 비행체는 예를 들어, 줌 레벨이 4~5배인 경우, 비행 경로(330)와 같은 곡선 비행을 통해 무인 비행체의 원 촬영 면적을 확대할 수 있다.
일 실시예에 따른 무인 비행체는 광학 줌 기능의 활성화에 따른 줌 레벨에 따라 비행 경로를 달리 조정할 수 있으며, 이를 통해 촬영 면적 또는 정찰 범위를 자동으로 확보할 수 있다.
도 4는 다른 실시예에 따른 무인 비행체의 제어 방법을 나타낸 흐름도이다. 도 4를 참조하면, 일 실시예에 따른 단계들(410 내지 460)은 무인 비행체 또는 무인 비행체의 제어 장치에 의해 수행될 수 있다.
단계(410)에서, 무인 비행체는 카메라를 포함하는 무인 비행체의 비행 고도에서, 카메라에 의해 적어도 하나의 객체를 촬영한다.
단계(420)에서, 무인 비행체는 영상에 포함된 객체들을 인식하도록 미리 학습된 인공 신경망을 이용하여 단계(410)에서 촬영된 객체를 인식한 결과에 따른 유사도 점수의 통계치를 산출할 수 있다.
단계(430)에서, 무인 비행체는 단계(420)에서 산출한 유사도 범수의 통계치에 의해 인식률의 저하가 발생했는지 여부를 결정할 수 있다.
단계(440)에서, 무인 비행체는 단계(430)에서 인식률의 저하가 발생했다는 결정에 따라, 카메라의 광학 줌 기능의 활성화 여부 및 광학 줌 기능의 활성화에 따른 줌 레벨 중 적어도 하나를 결정할 수 있다.
단계(450)에서, 무인 비행체는 광학 줌 기능의 활성화에 따른 줌 레벨에 따라 무인 비행체의 비행 경로를 조정할 수 있다.
단계(460)에서, 무인 비행체는 단계(450)에서 조정된 비행 경로에 따라 객체의 영상을 획득할 수 있다. 무인 비행체는 단계(460)에서 획득한 객체의 영상을 출력할 수 있다. 무인 비행체는 단계(460)에서 획득한 객체의 영상을 예를 들어, 무선 통신 장치 또는 통신 인터페이스를 통해 무인 비행체의 외부로 출력하거나, 또는 무인 비행체의 제어 장치에 포함된 디스플레이 장치로 출력할 수 있다.
도 5는 일 실시예에 따른 무인 비행체의 블록도이다. 도 5를 참조하면, 일 실시예에 따른 무인 비행체(500)는 카메라(510), 프로세서(530), 및 메모리(550)를 포함한다. 또한, 도면에 도시하지 않았지만, 무인 비행체(500)는 무선 통신 장치 및 센서들을 더 포함할 수 있다. 카메라(510), 프로세서(530), 메모리(550), 무선 통신 장치 및 센서들은 통신 버스(505)를 통해 서로 통신할 수 있다.
카메라(510)는 무인 비행체의 비행 고도에서 적어도 하나의 객체를 촬영한다. 카메라(510)는 하나일 수도 있고, 복수 개일 수도 있다.
프로세서(530)는 영상에 포함된 객체들을 인식하도록 미리 학습된 인공 신경망을 기초로, 객체에 대한 인식률 저하가 발생했는지 여부를 결정한다. 프로세서(530)는 인식률의 저하가 발생했다는 결정에 따라, 카메라의 광학 줌 기능을 활성화한다. 프로세서(530)는 광학 줌 기능에 의해 확대된 객체의 영상을 획득한다.
프로세서(530)는 예를 들어, 인공 신경망을 이용하여 객체를 인식한 결과에 따른 유사도 점수를 산출할 수 있다. 프로세서(530)는 유사도 점수의 통계치에 의해 인식률의 저하가 발생했는지 여부를 결정할 수 있다. 또는 프로세서(530)는 인공 신경망을 이용하여 객체를 인식한 결과에 따른 객체의 인식률과 미리 설정된 기준 인식률을 비교하고, 인식률의 비교 결과를 기초로, 인식률의 저하가 발생했는지 여부를 결정할 수 있다. 이때, 기준 인식률은 예를 들어, 35 픽셀 이상일 수 있다.
프로세서(530)는 예를 들어, 인식률의 저하가 발생했다는 결정에 따라, 카메라의 광학 줌 기능의 활성화 여부 및 광학 줌 기능의 활성화에 따른 줌 레벨 중 적어도 하나를 결정할 수 있다.
프로세서(530)는 광학 줌 기능의 활성화 여부 및 줌 레벨을 기초로, 무인 비행체의 비행 기술 및 촬영 면적 중 적어도 하나를 변경할 수 있다.
프로세서(530)는 광학 줌 기능의 활성화에 따른 줌 레벨에 기초하여 무인 비행체의 비행 경로를 조정할 수 있다. 무인 비행체의 비행 경로는 예를 들어, 무인 비행체의 촬영 면적 및 무인 비행체의 비행 기술 중 적어도 하나를 포함할 수 있다.
프로세서(530)는 광학 줌 기능이 활성화된 경우, 무인 비행체의 원 촬영 면적을 확대하고, 광학 줌 기능이 비활성화된 경우, 무인 비행체의 원 촬영 면적을 유지할 수 있다. 프로세서(530)는 무인 비행체 주변의 장애물의 존재 여부를 기초로, 무인 비행체의 비행 고도를 결정할 수 있다.
이 밖에도, 프로세서(530)는 무인 비행체의 위치 제어, 촬영 제어, 촬영 데이터의 수신, 서비스 화면의 구성, 데이터 입력, 데이터 송수신, 및 데이터 저장 등과 같은 서비스 전반의 동작을 수행할 수 있다.
프로세서(530)는 프로그램을 실행하고, 무인 비행체(500)를 제어할 수 있다. 프로세서(530)에 의하여 실행되는 프로그램 코드는 메모리(550)에 저장될 수 있다.
메모리(550)는 상술한 프로세서(530)에서의 처리 과정에서 생성되는 다양한 정보들을 저장할 수 있다. 이 밖에도, 메모리(550)는 각종 데이터와 프로그램 등을 저장할 수 있다. 메모리(550)는 휘발성 메모리 또는 비휘발성 메모리를 포함할 수 있다. 메모리(550)는 하드 디스크 등과 같은 대용량 저장 매체를 구비하여 각종 데이터를 저장할 수 있다.
이 밖에도, 프로세서(530)는 도 1 내지 도 4를 통해 전술한 적어도 하나의 방법 또는 적어도 하나의 방법에 대응되는 알고리즘을 수행할 수 있다. 프로세서(530)는 목적하는 동작들(desired operations)을 실행시키기 위한 물리적인 구조를 갖는 회로를 가지는 하드웨어로 구현된 데이터 처리 장치일 수 있다. 예를 들어, 목적하는 동작들은 프로그램에 포함된 코드(code) 또는 인스트럭션들(instructions)을 포함할 수 있다. 예를 들어, 하드웨어로 구현된 데이터 처리 장치는 마이크로프로세서(microprocessor), 중앙 처리 장치(central processing unit), 프로세서 코어(processor core), 멀티-코어 프로세서(multi-core processor), 멀티프로세서(multiprocessor), ASIC(Application-Specific Integrated Circuit), FPGA(Field Programmable Gate Array)를 포함할 수 있다.
일 실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 본 발명은 비록 한정된 실시예와 도면에 의해 설명되었으나, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상의 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다. 그러므로, 본 발명의 범위는 설명된 실시예에 국한되어 정해져서는 아니되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등한 것들에 의해 정해져야 한다.
500: 무인 비행체
505: 통신 버스
510: 카메라
530: 프로세서
550: 메모리

Claims (21)

  1. 카메라를 포함하는 무인 비행체의 비행 고도에서, 상기 카메라에 의해 적어도 하나의 객체를 촬영하는 단계;
    영상에 포함된 객체들을 인식하도록 미리 학습된 인공 신경망에 의해 상기 객체를 인식한 결과에 따른 유사도 점수 및 상기 객체를 인식한 결과에 따른 상기 객체의 인식률 중 어느 하나를 기초로, 상기 객체에 대한 인식률 저하가 발생했는지 여부를 결정하는 단계;
    상기 인식률의 저하가 발생했다는 결정에 따라, 상기 카메라의 광학 줌(zoom) 기능을 활성화하는 단계; 및
    상기 광학 줌 기능에 의해 확대된 객체의 영상을 획득하는 단계
    를 포함하는,
    무인 비행체의 제어 방법.
  2. 제1항에 있어서,
    상기 인식률의 저하가 발생했는지 여부를 결정하는 단계는
    상기 인공 신경망을 이용하여 상기 객체를 인식한 결과에 따른 상기 유사도 점수를 산출하는 단계; 및
    상기 유사도 점수의 통계치에 의해 상기 인식률의 저하가 발생했는지 여부를 결정하는 단계
    를 포함하는,
    무인 비행체의 제어 방법.
  3. 제1항에 있어서,
    상기 인식률의 저하가 발생했는지 여부를 결정하는 단계는
    상기 인공 신경망을 이용하여 상기 객체를 인식한 결과에 따른 상기 객체의 인식률과 미리 설정된 기준 인식률을 비교하는 단계; 및
    상기 인식률의 비교 결과를 기초로, 상기 인식률의 저하가 발생했는지 여부를 결정하는 단계
    를 포함하는,
    무인 비행체의 제어 방법.
  4. 제3항에 있어서,
    상기 기준 인식률은 35 픽셀 이상인,
    무인 비행체의 제어 방법.
  5. 카메라를 포함하는 무인 비행체의 비행 고도에서, 상기 카메라에 의해 적어도 하나의 객체를 촬영하는 단계;
    영상에 포함된 객체들을 인식하도록 미리 학습된 인공 신경망을 기초로, 상기 객체에 대한 인식률 저하가 발생했는지 여부를 결정하는 단계;
    상기 인식률의 저하가 발생했다는 결정에 따라, 상기 카메라의 광학 줌(zoom) 기능을 활성화하는 단계; 및
    상기 광학 줌 기능에 의해 확대된 객체의 영상을 획득하는 단계
    를 포함하고,
    상기 광학 줌 기능을 활성화하는 단계는
    상기 인식률의 저하가 발생했다는 결정에 따라, 상기 카메라의 광학 줌 기능의 활성화 여부 및 상기 광학 줌 기능의 활성화에 따른 줌 레벨 중 적어도 하나를 결정하는 단계
    를 포함하는,
    무인 비행체의 제어 방법.
  6. 제5항에 있어서,
    상기 광학 줌 기능의 활성화 여부 및 상기 줌 레벨을 기초로, 상기 무인 비행체의 비행 기술 및 촬영 면적 중 적어도 하나를 변경하는 단계
    를 더 포함하는,
    무인 비행체의 제어 방법.
  7. 제5항에 있어서,
    상기 광학 줌 기능의 활성화에 따른 줌 레벨에 기초하여 상기 무인 비행체의 비행 경로를 조정하는 단계
    를 더 포함하는,
    무인 비행체의 제어 방법.
  8. 제7항에 있어서,
    상기 무인 비행체의 비행 경로는
    상기 무인 비행체의 촬영 면적 및 상기 무인 비행체의 비행 기술 중 적어도 하나를 포함하는,
    무인 비행체의 제어 방법.
  9. 제7항에 있어서,
    상기 무인 비행체의 비행 경로를 조정하는 단계는
    상기 광학 줌 기능이 활성화된 경우, 상기 무인 비행체의 원 촬영 면적을 확대하는 단계; 및
    상기 광학 줌 기능이 비활성화된 경우, 상기 무인 비행체의 원 촬영 면적을 유지하는 단계
    를 포함하는,
    무인 비행체의 제어 방법.
  10. 제1항에 있어서,
    상기 무인 비행체 주변의 장애물의 존재 여부를 기초로, 상기 무인 비행체의 비행 고도를 결정하는 단계
    를 더 포함하는,
    무인 비행체의 제어 방법.
  11. 하드웨어와 결합되어 제1항 내지 제10항 중 어느 하나의 항의 방법을 실행시키기 위하여 컴퓨터 판독 가능한 기록 매체에 저장된 컴퓨터 프로그램.
  12. 무인 비행체의 비행 고도에서 적어도 하나의 객체를 촬영하는 카메라; 및
    영상에 포함된 객체들을 인식하도록 미리 학습된 인공 신경망에 의해 상기 객체를 인식한 결과에 따른 유사도 점수 및 상기 객체를 인식한 결과에 따른 상기 객체의 인식률 중 어느 하나를 기초로, 상기 객체에 대한 인식률 저하가 발생했는지 여부를 결정하고, 상기 인식률의 저하가 발생했다는 결정에 따라, 상기 카메라의 광학 줌 기능을 활성화하며, 상기 광학 줌 기능에 의해 확대된 객체의 영상을 획득하는 프로세서
    를 포함하는,
    무인 비행체.
  13. 제12항에 있어서,
    상기 프로세서는
    상기 인공 신경망을 이용하여 상기 객체를 인식한 결과에 따른 상기 유사도 점수를 산출하고, 상기 유사도 점수의 통계치에 의해 상기 인식률의 저하가 발생했는지 여부를 결정하는,
    무인 비행체.
  14. 제12항에 있어서,
    상기 프로세서는
    상기 인공 신경망을 이용하여 상기 객체를 인식한 결과에 따른 상기 객체의 인식률과 미리 설정된 기준 인식률을 비교하고, 상기 인식률의 비교 결과를 기초로, 상기 인식률의 저하가 발생했는지 여부를 결정하는,
    무인 비행체.
  15. 제14항에 있어서,
    상기 기준 인식률은 35 픽셀 이상인,
    무인 비행체.
  16. 무인 비행체의 비행 고도에서 적어도 하나의 객체를 촬영하는 카메라; 및
    영상에 포함된 객체들을 인식하도록 미리 학습된 인공 신경망을 기초로, 상기 객체에 대한 인식률 저하가 발생했는지 여부를 결정하고, 상기 인식률의 저하가 발생했다는 결정에 따라, 상기 카메라의 광학 줌 기능을 활성화하며, 상기 광학 줌 기능에 의해 확대된 객체의 영상을 획득하는 프로세서
    를 포함하고,
    상기 프로세서는
    상기 인식률의 저하가 발생했다는 결정에 따라, 상기 카메라의 광학 줌 기능의 활성화 여부 및 상기 광학 줌 기능의 활성화에 따른 줌 레벨 중 적어도 하나를 결정하는,
    무인 비행체.
  17. 제16항에 있어서,
    상기 프로세서는
    상기 광학 줌 기능의 활성화 여부 및 상기 줌 레벨을 기초로, 상기 무인 비행체의 비행 기술 및 촬영 면적 중 적어도 하나를 변경하는,
    무인 비행체.
  18. 제16항에 있어서,
    상기 프로세서는
    상기 광학 줌 기능의 활성화에 따른 줌 레벨에 기초하여 상기 무인 비행체의 비행 경로를 조정하는,
    무인 비행체.
  19. 제18항에 있어서,
    상기 무인 비행체의 비행 경로는
    상기 무인 비행체의 촬영 면적 및 상기 무인 비행체의 비행 기술 중 적어도 하나를 포함하는,
    무인 비행체.
  20. 제18항에 있어서,
    상기 프로세서는
    상기 광학 줌 기능이 활성화된 경우, 상기 무인 비행체의 원 촬영 면적을 확대하고, 상기 광학 줌 기능이 비활성화된 경우, 상기 무인 비행체의 원 촬영 면적을 유지하는,
    무인 비행체.
  21. 제12항에 있어서,
    상기 프로세서는
    상기 무인 비행체 주변의 장애물의 존재 여부를 기초로, 상기 무인 비행체의 비행 고도를 결정하는,
    무인 비행체.
KR1020200091774A 2020-07-23 2020-07-23 무인 비행체 및 무인 비행체의 제어 방법 KR102379866B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200091774A KR102379866B1 (ko) 2020-07-23 2020-07-23 무인 비행체 및 무인 비행체의 제어 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200091774A KR102379866B1 (ko) 2020-07-23 2020-07-23 무인 비행체 및 무인 비행체의 제어 방법

Publications (2)

Publication Number Publication Date
KR20220013507A KR20220013507A (ko) 2022-02-04
KR102379866B1 true KR102379866B1 (ko) 2022-03-29

Family

ID=80268521

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200091774A KR102379866B1 (ko) 2020-07-23 2020-07-23 무인 비행체 및 무인 비행체의 제어 방법

Country Status (1)

Country Link
KR (1) KR102379866B1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024177387A1 (ko) * 2023-02-23 2024-08-29 삼성전자주식회사 텍스트 인식을 위한 전자 장치 및 방법

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090040302A1 (en) 2005-04-19 2009-02-12 Stuart Thompson Automated surveillance system
US20190253611A1 (en) 2016-10-24 2019-08-15 SZ DJI Technology Co., Ltd. Systems and methods for controlling an image captured by an imaging device
JP2020510943A (ja) 2017-02-08 2020-04-09 エスゼット ディージェイアイ テクノロジー カンパニー リミテッドＳｚ Ｄｊｉ Ｔｅｃｈｎｏｌｏｇｙ Ｃｏ．，Ｌｔｄ 可動物体を制御する方法及びシステム
WO2020145785A1 (ko) 2019-01-11 2020-07-16 엘지전자 주식회사 무선통신시스템에서 사이드 링크 단말이 신호를 전송하는 방법 및 장치

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102155154B1 (ko) * 2018-02-01 2020-09-11 주식회사 스칼라웍스 드론을 이용한 예술사진 촬영방법 및 그 기능을 갖는 드론
KR102192899B1 (ko) * 2018-08-16 2020-12-18 주식회사 날비컴퍼니 이미지에 보케 효과를 적용하는 방법 및 기록매체
KR20190110965A (ko) * 2019-09-11 2019-10-01 엘지전자 주식회사 이미지 해상도를 향상시키기 위한 방법 및 장치

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090040302A1 (en) 2005-04-19 2009-02-12 Stuart Thompson Automated surveillance system
US20190253611A1 (en) 2016-10-24 2019-08-15 SZ DJI Technology Co., Ltd. Systems and methods for controlling an image captured by an imaging device
JP2020510943A (ja) 2017-02-08 2020-04-09 エスゼット ディージェイアイ テクノロジー カンパニー リミテッドＳｚ Ｄｊｉ Ｔｅｃｈｎｏｌｏｇｙ Ｃｏ．，Ｌｔｄ 可動物体を制御する方法及びシステム
WO2020145785A1 (ko) 2019-01-11 2020-07-16 엘지전자 주식회사 무선통신시스템에서 사이드 링크 단말이 신호를 전송하는 방법 및 장치

Also Published As

Publication number Publication date
KR20220013507A (ko) 2022-02-04

Similar Documents

Publication Publication Date Title
US20220114739A1 (en) Real-time visual object tracking for unmanned aerial vehicles (uavs)
KR101645722B1 (ko) 자동추적 기능을 갖는 무인항공기 및 그 제어방법
US8761964B2 (en) Computing device and method for controlling unmanned aerial vehicle in flight space
CN111263954B (zh) 基于根据自运动的感官预测检测移动障碍物的系统和方法
US9396399B1 (en) Unusual event detection in wide-angle video (based on moving object trajectories)
JP2024053085A (ja) 飛行体制御装置、飛行体制御方法、及びプログラム
US11010622B2 (en) Infrastructure-free NLoS obstacle detection for autonomous cars
EP3346418A1 (en) Method and system for vehicle localization from camera image
US20130287261A1 (en) Electronic device and method for managing traffic flow
KR101530255B1 (ko) 객체 자동 추적 장치가 구비된 cctv 시스템
KR101853903B1 (ko) Cctv, 드론 및 광펜스를 포함한 침입 감지 방법 및 시스템
CN102809969A (zh) 无人飞行载具控制系统及方法
KR20170022872A (ko) 자동추적 기능을 갖는 무인항공기
KR102229220B1 (ko) 다수의 차량을 통한 센서 퓨전, v2x 통신 가능한 애플리케이션을 이용한 협업 주행을 위해 주변에 위치하는 카메라 각각에 대응되는 각각의 객체 검출기에 의해 검출되는 객체 검출 정보를 통합하는 방법 및 장치
KR102132823B1 (ko) 어라운드 뷰 모니터링 시스템 및 가용 주차 공간 검출 방법
KR102683758B1 (ko) 전자 장치 및 그 제어 방법
TW201818715A (zh) 組合視訊監控系統及實體威懾裝置
US11887375B2 (en) Techniques for capturing enhanced images for pattern identifications
KR102441563B1 (ko) 이미지 학습 기반의 착륙 제어 장치 및 방법
KR102379866B1 (ko) 무인 비행체 및 무인 비행체의 제어 방법
CN110633692A (zh) 一种用于无人机航拍的行人识别方法和相关装置
CN111105429B (zh) 一种一体化无人机检测方法
WO2021146969A1 (zh) 距离测量方法、可移动平台、设备和存储介质
JP2019068325A (ja) 動体追尾装置及びそのプログラム
WO2018123013A1 (ja) 制御装置、移動体、制御方法、及びプログラム

Legal Events

Date Code Title Description
PA0109 Patent application

Patent event code: PA01091R01D

Comment text: Patent Application

Patent event date: 20200723

PA0201 Request for examination
PE0902 Notice of grounds for rejection

Comment text: Notification of reason for refusal

Patent event date: 20210723

Patent event code: PE09021S01D

E701 Decision to grant or registration of patent right
PE0701 Decision of registration

Patent event code: PE07011S01D

Comment text: Decision to Grant Registration

Patent event date: 20220125

PG1501 Laying open of application
GRNT Written decision to grant
PR0701 Registration of establishment

Comment text: Registration of Establishment

Patent event date: 20220324

Patent event code: PR07011E01D

PR1002 Payment of registration fee

Payment date: 20220324

End annual number: 3

Start annual number: 1

PG1601 Publication of registration