KR102576265B1 - 무인 항공체의 자율 무선 배터리 충전 장치, 방법 및 프로그램 - Google Patents

무인 항공체의 자율 무선 배터리 충전 장치, 방법 및 프로그램 Download PDF

Info

Publication number
KR102576265B1
KR102576265B1 KR1020210137468A KR20210137468A KR102576265B1 KR 102576265 B1 KR102576265 B1 KR 102576265B1 KR 1020210137468 A KR1020210137468 A KR 1020210137468A KR 20210137468 A KR20210137468 A KR 20210137468A KR 102576265 B1 KR102576265 B1 KR 102576265B1
Authority
KR
South Korea
Prior art keywords
unmanned aerial
aerial vehicle
wireless
wireless charging
charging plate
Prior art date
Application number
KR1020210137468A
Other languages
English (en)
Other versions
KR20230054540A (ko
Inventor
권영호
Original Assignee
단국대학교 산학협력단
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 단국대학교 산학협력단 filed Critical 단국대학교 산학협력단
Priority to KR1020210137468A priority Critical patent/KR102576265B1/ko
Publication of KR20230054540A publication Critical patent/KR20230054540A/ko
Application granted granted Critical
Publication of KR102576265B1 publication Critical patent/KR102576265B1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J50/00—Circuit arrangements or systems for wireless supply or distribution of electric power
    • H02J50/90—Circuit arrangements or systems for wireless supply or distribution of electric power involving detection or optimisation of position, e.g. alignment
    • 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
    • B64U50/00—Propulsion; Power supply
    • B64U50/30—Supply or distribution of electrical power
    • B64U50/34—In-flight charging
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
    • B64U70/00—Launching, take-off or landing arrangements
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/0202—Control of position or course in two dimensions specially adapted to aircraft
    • 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
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J50/00—Circuit arrangements or systems for wireless supply or distribution of electric power
    • H02J50/10—Circuit arrangements or systems for wireless supply or distribution of electric power using inductive coupling
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J50/00—Circuit arrangements or systems for wireless supply or distribution of electric power
    • H02J50/80—Circuit arrangements or systems for wireless supply or distribution of electric power involving the exchange of data, concerning supply or distribution of electric power, between transmitting devices and receiving devices
    • 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]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T50/00—Aeronautics or air transport
    • Y02T50/50—On board measures aiming to increase energy efficiency

Abstract

뉴럴 네트워크 모델을 이용하여 무인 항공체의 배터리 무선 충전 효율을 높일 수 있는 무인 항공체의 자율 무선 배터리 충전 장치, 방법 및 프로그램에 관한 것으로, 무선 전력을 송출하는 전력 전송 코일을 갖는 무선 충전판 위에 무인 항공체를 착륙시키는 단계, 상기 전력 전송 코일과의 거리 데이터와 상기 무선 전력의 충전 출력 데이터를 기반으로 상태 데이터를 획득하는 단계, 상기 상태 데이터를 사전 학습한 뉴럴 네트워크 모델에 입력하여 행동 데이터를 출력하는 단계, 및 상기 행동 데이터를 기반으로 상기 무인 항공체를 상기 무선 충전판의 전체 영역 중 최적의 충전 위치로 이동시키는 단계를 포함하는 것을 특징으로 한다.

Description

무인 항공체의 자율 무선 배터리 충전 장치, 방법 및 프로그램{APPARATUS, METHOD AND PROGRAM FOR RECHARGING AUTONOMOUS WIRELESS BATTERY OF UAV}
본 발명은 무인 항공체의 자율 무선 배터리 충전 장치에 관한 것으로, 보다 상세하게는 뉴럴 네트워크 모델을 이용하여 무인 항공체의 배터리 무선 충전 효율을 높일 수 있는 무인 항공체의 자율 무선 배터리 충전 장치, 방법 및 프로그램에 관한 것이다.
일반적으로, 무인 항공체는, 드론과 같이 원격의 환경에서 사람이 무선으로 기체를 조종하거나, 자율주행차와 같이 사람의 개입이 최소화된 상태에서 스스로 현 상황을 판단해 특정 임무를 수행하는 기체들을 말한다.
오늘날 무인 항공체 기술이 발전함에 따라, 택배, 운전, 지역 감시, 군사 무기 등 다양한 분야에서 무인 항공체가 사용되고 있다.
무인 항공체인 드론은, 내장된 배터리를 이용해서 임무를 수행하기 때문에, 내장된 배터리의 용량과 무게의 한계로 인하여, 비행 시간이 약 20분 ~ 30분 정도의 한계를 가질 수 밖에 없다.
이를 극복하기 위해 기존에는, 드론의 배터리 전체를 수동으로 갈아 끼우거나 또는 해당 배터리를 유무선으로 충전하는 방식을 사용하였다.
최근에는, 무선 충전 방식인 WPT(Wireless power transfer) 기술을 이용하여 효율적으로 충전판 주변에 있는 드론들을 충전할 수 있었으나, 이러한 무선 충전시스템의 성능은, 송수신 두 코일간의 이격 거리 및 중심간의 불일치의 두 가지의 요소에 의해 충전 성능이 가변되는 문제가 있었다.
이러한 문제를 해결하기 위해, 비행하는 드론을 무선 충전판에 두 송수신 코일이 일치하는 위치로 착륙하기 위하여, 대부분 카메라를 이용하거나 특정 표식을 인식하는 방식 등을 제안해 왔다.
하지만, 이러한 방법들은, 카메라 해상도에 의존하거나 수동으로 사람의 노력이 필요할 수 있고, 밤 또는 흐린 날과 같이 주변 환경이 어두운 환경으로 변할 경우에 정확한 위치로 드론을 이동하여 착륙시키기 어렵다는 문제점이 있었다.
따라서, 향후, 드론이 송수신 두 코일이 일치하는 위치로 자율적으로 이동하여 배터리 무선 충전의 효율을 높일 수 있는 무인 항공체의 자율 무선 배터리 충전 장치의 개발이 요구되고 있다.
대한민국 등록특허공보 10-2273975호(2021년 07월 01일)
상술한 바와 같은 문제점을 해결하기 위한 본 발명의 일 목적은, 사전 학습한 뉴럴 네트워크 모델을 이용하여 무선 충전판의 전력 전송 코일 중심축과 무인 항공체의 전력 수신 코일의 중심축이 일치하는 위치로 무인 항공체를 자율적으로 이동시킴으로써, 배터리 무선 충전의 효율을 높일 수 있는 무인 항공체의 자율 무선 배터리 충전 장치, 방법 및 프로그램을 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 과제를 해결하기 위한 본 발명의 일 실시예에 따른 무인 항공체의 자율 무선 배터리 충전 장치는, 무선 전력을 송출하는 전력 전송 코일을 갖는 무선 충전판 위에 무인 항공체를 착륙시키는 단계, 상기 전력 전송 코일과의 거리 데이터와 상기 무선 전력의 충전 출력 데이터를 기반으로 상태 데이터를 획득하는 단계, 상기 상태 데이터를 사전 학습한 뉴럴 네트워크 모델에 입력하여 행동 데이터를 출력하는 단계, 및 상기 행동 데이터를 기반으로 상기 무인 항공체를 상기 무선 충전판의 전체 영역 중 최적의 충전 위치로 이동시키는 단계를 포함하는 것을 특징으로 한다.
실시 예에 있어서, 상기 무선 충전판 위에 무인 항공체를 착륙시키는 단계는, 상기 무선 충전판의 에지 영역을 검출하고, 상기 검출된 에지 영역을 기반으로 상기 무선 충전판 위에 무인 항공체를 착륙시키는 것을 특징으로 한다.
실시 예에 있어서, 상기 에지 영역을 검출하는 단계는, 에지 검출 알고리즘을 이용하여 상기 무선 충전판의 에지 영역을 검출하는 것을 특징으로 한다.
실시 예에 있어서, 상기 에지 영역을 검출하는 단계는, 상기 무선 충전판의 테두리에 적어도 하나의 표시등이 존재하는지를 확인하고, 상기 무선 충전판의 테두리에 적어도 하나의 표시등이 존재하면 상기 표시등을 연결하는 연결선을 생성하며, 상기 연결선에 기반하여 상기 무선 충전판의 에지 영역을 검출하는 것을 특징으로 한다.
실시 예에 있어서, 상기 무선 충전판 위에 무인 항공체를 착륙시키는 단계는, 상기 무선 충전판의 테두리에 적어도 하나의 표시등이 존재하는지를 확인하고, 상기 무선 충전판의 테두리에 적어도 하나의 표시등이 존재하지 않으면 GPS(Global Positioning System) 신호를 기반으로 상기 무선 충전판 위에 무인 항공체를 착륙시키는 것을 특징으로 한다.
실시 예에 있어서, 상기 상태 데이터를 획득하는 단계는, 상기 무선 충전판 위에 무인 항공체가 착륙되면 상기 무인 항공체의 착륙 위치에서 상기 무인 항공체의 전력 수신 코일과 상기 무선 충전판의 전력 전송 코일과의 거리차를 산출하여 거리 데이터를 획득하고, 상기 무선 충전판의 전력 전송 코일로부터 송출된 무선 전력이 상기 무인 항공체의 전력 수신 코일에 수신되면 상기 무선 전력의 충전 출력 데이터를 획득하며, 상기 획득한 거리 데이터와 충전 출력 데이터를 기반으로 상태 데이터를 획득하는 것을 특징으로 한다.
실시 예에 있어서, 상기 뉴럴 네트워크 모델은, DQN(Deep Q-Networks)를 포함하는 것을 특징으로 한다.
실시 예에 있어서, 상기 행동 데이터를 출력하는 단계는, 우측 방향, 좌측 방향, 상측 방향, 하측 방향 중 어느 한 방향에 상응하는 코드를 포함하는 행동 데이터를 출력하는 것을 특징으로 한다.
실시 예에 있어서, 상기 무인 항공체를 최적의 충전 위치로 이동시키는 단계는, 상기 행동 데이터를 기반으로 이동 방향을 결정하고, 상기 결정된 이동 방향으로 미리 설정된 이동 거리만큼 상기 무인 항공체를 이동시키며, 상기 이동 위치에서 상기 무인 항공체의 전력 수신 코일의 제1 중심축과 상기 무선 충전판의 전력 전송 코일의 제2 중심축이 일치하는지를 확인하고, 상기 제1 중심축과 제2 중심축이 일치하면 상기 최적의 충전 위치로 인지하는 것을 특징으로 한다.
실시 예에 있어서, 상기 제1 중심축과 제2 중심축이 일치하는지를 확인하는 단계는, 상기 제1 중심축과 제2 중심축이 일치하지 않으면 상기 행동 데이터를 기반으로 이동 방향을 결정하고, 상기 결정된 이동 방향으로 미리 설정된 이동 거리만큼 상기 무인 항공체를 이동시키는 단계를 반복 수행하는 것을 특징으로 한다.
실시 예에 있어서, 상기 최적의 충전 위치로 인지하는 단계는, 상기 행동 데이터를 기반으로 이동 방향을 결정하고, 상기 결정된 이동 방향으로 미리 설정된 이동 거리만큼 상기 무인 항공체를 이동시키는 단계를 종료하는 것을 특징으로 한다.
본 발명의 일 실시예에 따른 컴퓨터 판독가능 저장 매체 저장된 컴퓨터 프로그램은, 상기 컴퓨터 프로그램이 하나 이상의 프로세서에서 실행되는 경우, 무인 항공체의 자율 무선 배터리 충전을 위한 이하의 동작들을 수행하도록 하며, 상기 동작들은, 무선 전력을 송출하는 전력 전송 코일을 갖는 무선 충전판 위에 무인 항공체를 착륙시키는 동작, 상기 전력 전송 코일과의 거리 데이터와 상기 무선 전력의 충전 출력 데이터를 기반으로 상태 데이터를 획득하는 동작, 상기 상태 데이터를 사전 학습한 뉴럴 네트워크 모델에 입력하여 행동 데이터를 출력하는 동작, 및 상기 행동 데이터를 기반으로 상기 무인 항공체를 상기 무선 충전판의 전체 영역 중 최적의 충전 위치로 이동시키는 동작을 포함하는 것을 특징으로 한다.
본 발명의 일 실시예에 따른 무인 항공체의 자율 무선 배터리 충전 방법을 제공하기 위한 컴퓨팅 장치는, 하나 이상의 코어를 포함하는 프로세서, 및 메모리를 포함하고, 상기 프로세서는, 무선 전력을 송출하는 전력 전송 코일을 갖는 무선 충전판 위에 무인 항공체를 착륙시키고, 상기 전력 전송 코일과의 거리 데이터와 상기 무선 전력의 충전 출력 데이터를 기반으로 상태 데이터를 획득하며, 상기 상태 데이터를 사전 학습한 뉴럴 네트워크 모델에 입력하여 행동 데이터를 출력하고, 그리고 상기 행동 데이터를 기반으로 상기 무인 항공체를 상기 무선 충전판의 전체 영역 중 최적의 충전 위치로 이동시키는 것을 특징으로 한다.
상술한 과제를 해결하기 위한 본 발명의 다른 실시 예에 따른 무인 항공체의 자율 무선 배터리 충전 방법을 제공하는 컴퓨터 프로그램은, 하드웨어인 컴퓨터와 결합되어 상술한 방법 중 어느 하나의 방법을 수행하기 위해 매체에 저장된다.
이 외에도, 본 발명을 구현하기 위한 다른 방법, 다른 시스템 및 상기 방법을 실행하기 위한 컴퓨터 프로그램을 기록하는 컴퓨터 판독 가능한 기록 매체가 더 제공될 수 있다.
상기와 같이 본 발명에 따르면, 사전 학습한 뉴럴 네트워크 모델을 이용하여 무선 충전판의 전력 전송 코일 중심축과 무인 항공체의 전력 수신 코일의 중심축이 일치하는 위치로 무인 항공체를 자율적으로 이동시킴으로써, 배터리 무선 충전의 효율을 높일 수 있다.
즉, 본 발명은, 무선 충전판에 부착된 전력 전송 코일과 무선 충전을 위해 무인 항공체에 부착된 전력 수신 코일 중심간에 차이 및 편차를 없앰으로써, 무인 항공체가 무선 충전판에 착륙했을 때 무선 충전 전송 효율을 높이기 위하여 무선 충전에 관련된 값을 학습데이터로 하여 DQN 뉴럴 네트워크 모델을 이용해서 무인 항공체를 전력 전송 코일과 전력 수신 코일의 중심이 정확하게 일치하는 곳으로 이동시킬 수 있다.
따라서, 본 발명은, 해당 기술을 이용하여 무인 항공체를 무선 충전판 위에 착륙시킨 후 무인 항공체가 자율적으로 DQN 뉴럴 네트워크 모델을 이용하여 무선 충전판의 전력 전송 코일과 무인 항공체에 부착되어 있는 전력 수신 코일이 일치하는 부분으로 이동하여 무선 충전을 통한 배터리 충전 효율을 높일 수 있다.
즉, 무인 항공체가 배터리 충전을 위해서 무선 충전판 위에 전력 전송 코일의 중심에 정확하게 착륙하는 것은, 카메라 또는 사람이 수동으로 조정하는 것으로 많은 노력이 들지만, 본 발명은, 무인 항공체가 자율적으로 무선 충전판 위에 최적의 배터리 충전 효율을 위한 위치로 비행하므로 배터리 충전 효율을 높일 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, 본 발명의 일 실시예에 따라, 무인 항공체의 자율 무선 배터리 충전 방법을 제공하기 위한 동작을 수행하는 컴퓨팅 장치의 블록 구성도이다.
도 2는, 무선 전력을 송출하는 무선 충전판을 설명하기 위한 도면이다.
도 3 내지 도 6은, 무선 충전판의 최적 충전 위치로 이동하는 무인 항공체의 제어 과정을 설명하기 위한 도면이다.
도 7은, 무선 충전판의 전력 전송 코일과 무인 항공체의 전력 수신 코일간의 거리차에 상응하는 전송 효율을 보여주는 그래프이다.
도 8은, 본 발명에 따른 무인 항공체의 자율 무선 배터리 충전 방법을 설명하기 위한 흐름도이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 발명은 이하에서 개시되는 실시예들에 제한되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 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 실시예들을 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.
이하, 첨부된 도면을 참조하여 본 발명의 실시예를 상세하게 설명한다.
설명에 앞서 본 명세서에서 사용하는 용어의 의미를 간략히 설명한다. 그렇지만 용어의 설명은 본 명세서의 이해를 돕기 위한 것이므로, 명시적으로 본 발명을 한정하는 사항으로 기재하지 않은 경우에 본 발명의 기술적 사상을 한정하는 의미로 사용하는 것이 아님을 주의해야 한다.
본 명세서에서 신경망, 인공 신경망, 네트워크 함수는 종종 상호 교환 가능하게 사용될 수 있다.
또한, 본 명세서에 걸쳐, 뉴럴 네트워크(neural network), 신경망 네트워크, 네트워크 함수는, 동일한 의미로 사용될 수 있다. 뉴럴 네트워크는, 일반적으로 “노드”라 지칭될 수 있는 상호 연결된 계산 단위들의 집합으로 구성될 수 있다. 이러한 “노드”들은, “뉴런(neuron)”들로 지칭될 수도 있다. 뉴럴 네트워크는, 적어도 둘 이상의 노드들을 포함하여 구성된다. 뉴럴 네트워크들을 구성하는 노드(또는 뉴런)들은 하나 이상의 “링크”에 의해 상호 연결될 수 있다.
도 1은, 본 발명의 일 실시예에 따라, 무인 항공체의 자율 무선 배터리 충전 방법을 제공하기 위한 동작을 수행하는 컴퓨팅 장치의 블록 구성도를 도시한 도면이다.
도 1에 도시된 컴퓨팅 장치(100)의 구성은 간략화하여 나타낸 예시일 뿐이다. 본 발명의 일 실시예에서 컴퓨팅 장치(100)는 컴퓨팅 장치(100)의 컴퓨팅 환경을 수행하기 위한 다른 구성들이 포함될 수 있고, 개시된 구성들 중 일부만이 컴퓨팅 장치(100)를 구성할 수도 있다.
컴퓨팅 장치(100)는, 프로세서(110), 메모리(130), 네트워크부(150)를 포함할 수 있다.
본 발명에서, 프로세서(110)는, 무선 전력을 송출하는 전력 전송 코일을 갖는 무선 충전판 위에 무인 항공체를 착륙시키고, 전력 전송 코일과의 거리 데이터와 무선 전력의 충전 출력 데이터를 기반으로 상태 데이터를 획득하며, 상태 데이터를 사전 학습한 뉴럴 네트워크 모델에 입력하여 행동 데이터를 출력하고, 행동 데이터를 기반으로 무인 항공체를 무선 충전판의 전체 영역 중 최적의 충전 위치로 이동시킬 수 있다.
그리고, 프로세서(110)는, 무선 충전판 위에 무인 항공체를 착륙시킬 때, 무선 충전판의 에지 영역을 검출하고, 검출된 에지 영역을 기반으로 무선 충전판 위에 무인 항공체를 착륙킬 수 있다.
여기서, 프로세서(110)는, 에지 영역을 검출할 때, 에지 검출 알고리즘을 이용하여 무선 충전판의 에지 영역을 검출할 수 있다.
일 예로, 에지 검출 알고리즘은, 캐니(canny) 에지 검출 알고리즘을 포함할 수 있는데, 이는 일 실시예일 뿐, 이에 한정되지는 않는다.
또한, 프로세서(110)는, 에지 영역을 검출할 때, 무선 충전판의 테두리에 적어도 하나의 다수의 표시등이 존재하는지를 확인하고, 무선 충전판의 테두리에 적어도 하나의 표시등이 존재하면 표시등을 연결하는 연결선을 생성하며, 연결선에 기반하여 무선 충전판의 에지 영역을 검출할 수 있다.
일 예로, 적어도 하나의 표시등은, 무선 충전판의 네 모서리에 각각 위치할 수 있는데, 이는 일 실시예일 뿐, 이에 한정되지는 않는다.
여기서, 표시등의 역할은, 낮 이외에 밤, 흐린 날씨 및 우천 시에도 무선 충전판 위에 무인 비행체가 안전하게 착륙을 유도하도록 하기 위함이다.
경우에 따라, 프로세서(110)는, 무선 충전판 위에 무인 항공체를 착륙시킬 때, 무선 충전판의 테두리에 적어도 하나의 표시등이 존재하는지를 확인하고, 무선 충전판의 테두리에 적어도 하나의 표시등이 존재하지 않으면 GPS(Global Positioning System) 신호를 기반으로 무선 충전판 위에 무인 항공체를 착륙시킬 수도 있다.
이어, 프로세서(110)는, 상태 데이터를 획득할 때, 무선 충전판 위에 무인 항공체가 착륙되면 무인 항공체의 착륙 위치에서 무인 항공체의 전력 수신 코일과 무선 충전판의 전력 전송 코일과의 거리차를 산출하여 거리 데이터를 획득하고, 무선 충전판의 전력 전송 코일로부터 송출된 무선 전력이 무인 항공체의 전력 수신 코일에 수신되면 무선 전력의 충전 출력 데이터를 획득하며, 획득한 거리 데이터와 충전 출력 데이터를 기반으로 상태 데이터를 획득할 수 있다.
여기서, 프로세서(110)는, 무인 항공체의 전력 수신 코일의 중심축과 무선 충전판의 전력 전송 코일의 중심축 사이의 거리값을 다수의 단위 거리값으로 분류하고, 분류된 단위 거리값에 일대일 대응하여 상태 레벨값을 설정하며, 설정된 상태 레벨값을 상태 데이터로 결정할 수 있다.
이때, 프로세서(110)는, 거리값을 다수의 단위 거리값으로 분류할 때, 거리값을 cm 단위의 단위 거리값으로 분류할 수 있다.
예를 들면, 프로세서(110)는, 거리값을 다수의 단위 거리값으로 분류할 때, 거리값을 약 10cm 단위의 단위 거리값으로 분류할 수 있는데, 이는 일 실시예일 뿐, 이에 한정되지는 않는다.
일 예로, 상태 데이터가 s는, 하기 표 1과 같이 7개의 상태 레벨값으로 설정할 수 있다.
s x(cm) V
0 0 3.65
1 10 2.95
2 20 2
3 30 1.6
4 40 1.3
5 50 0.12
6 60 0.01
여기서, x는, 무인 항공체의 전력 수신 코일의 중심축과 무선 충전판의 전력 전송 코일의 중심축 사이의 거리차값이고, V는, 무선 전력의 충전 출력 데이터일 수 있다.
다음, 프로세서(110)는, 상태 데이터를 사전 학습한 뉴럴 네트워크 모델에 입력하여 행동 데이터를 출력할 수 있다.
일 예로, 프로세서(110)는, 상태 데이터를 사전 학습한 뉴럴 네트워크 모델에 입력하여 우측 방향, 좌측 방향, 상측 방향, 하측 방향 중 어느 한 이동 방향에 상응하는 코드를 포함하는 행동 데이터를 출력할 수 있다.
예를 들면, 행동 데이터 a는, 하기 표 2와 같이 상하좌우로 이동하기 위한 코드를 가질 수 있다.
이동 오른쪽 왼쪽 위 아래
코드 1 2 3 4
그리고, 뉴럴 네트워크 모델은, DQN(Deep Q-Networks)를 포함할 수 있다.
일 예로, 뉴럴 네트워크 모델은, 다이내믹(dynamic) ε-그리디(greedy) 알고리즘 (0 < ε < 1)을 이용하여 시간 t = 0, 1, 2, 3,..일 경우, 해당 상태 데이터 s를 입력받아 Q(st, at)｜a ∈ ｛0, 1, 2, ... N｝에서 Q값을 획득하며, 최종 Q 함수 (여기서, γ은, 학습률이고, r은 보상이며, 각 상태에 따른 보상은 충전률 증가로서, 무선 전력의 충전 전압값에 따른 충전 시간의 단축임)를 기반으로 최종 Q 값을 산출할 수 있다.
또한, 뉴럴 네트워크 모델은,
로 이루어지는 수식을 기반으로 Q 함수의 학습 종료 조건을 결정할 수 있다.
여기서, 뉴럴 네트워크 모델은,
로 이루어지는 수식을 기반으로 Q 함수의 최적화를 위한 목적 함수를 결정할 수 있다.
다음, 프로세서(110)는, 무인 항공체를 최적의 충전 위치로 이동시킬 때, 행동 데이터를 기반으로 이동 방향을 결정하고, 결정된 이동 방향으로 미리 설정된 이동 거리만큼 무인 항공체를 이동시키며, 이동 위치에서 무인 항공체의 전력 수신 코일의 제1 중심축과 무선 충전판의 전력 전송 코일의 제2 중심축이 일치하는지를 확인하고, 제1 중심축과 제2 중심축이 일치하면 최적의 충전 위치로 인지할 수 있다.
일 예로, 프로세서(110)는, 미리 설정된 이동 거리만큼 상기 무인 항공체를 이동시킬 때, cm 거리 단위로 미리 설정된 이동 거리만큼 소정 시간 간격으로 무인 항공체를 이동시킬 수 있는데, 이는 일 실시예일 뿐, 이에 한정되지는 않는다.
여기서, 프로세서(110)는, 제1 중심축과 제2 중심축이 일치하는지를 확인할 때, 제1 중심축과 제2 중심축이 일치하지 않으면 행동 데이터를 기반으로 이동 방향을 결정하고, 결정된 이동 방향으로 미리 설정된 이동 거리만큼 무인 항공체를 이동시키는 과정을 반복 수행할 수 있다.
그리고, 프로세서(110)는, 제1 중심축과 제2 중심축이 일치하여 최적의 충전 위치로 인지할 때, 행동 데이터를 기반으로 이동 방향을 결정하고 결정된 이동 방향으로 미리 설정된 이동 거리만큼 무인 항공체를 이동시키는 과정을 종료할 수 있다.
또한, 전술한 뉴럴 네트워크 모델은, 딥 뉴럴 네트워크일 수 있다. 본 명세서에 걸쳐, 신경망, 네트워크 함수, 뉴럴 네트워크(neural network)는 동일한 의미로 사용될 수 있다. 딥 뉴럴 네트워크(DNN: deep neural network, 심층신경망)는, 입력 레이어와 출력 레이어 외에 복수의 히든 레이어를 포함하는 신경망을 의미할 수 있다. 딥 뉴럴 네트워크를 이용하면 데이터의 잠재적인 구조(latent structures)를 파악할 수 있다. 즉, 사진, 글, 비디오, 음성, 음악의 잠재적인 구조(예를 들어, 어떤 물체가 사진에 있는지, 글의 내용과 감정이 무엇인지, 음성의 내용과 감정이 무엇인지 등)를 파악할 수 있다. 딥 뉴럴 네트워크는 컨벌루셔널 뉴럴 네트워크 (CNN: convolutional neural network), 리커런트 뉴럴 네트워크(RNN: recurrent neural network), 제한 볼츠만 머신(RBM: restricted boltzmann machine), 심층 신뢰 네트워크(DBN: deep belief network), Q 네트워크, U 네트워크, 샴 네트워크 등을 포함할 수 있다.
컨벌루셔널 뉴럴 네트워크는, 딥 뉴럴 네트워크의 일종으로서, 컨벌루셔널 레이어를 포함하는 신경망을 포함한다. 컨벌루셔널 뉴럴 네트워크는, 최소한의 전처리(preprocess)를 사용하도록 설계된 다계층 퍼셉트론(multilayer perceptrons)의 한 종류이다. CNN은, 하나 또는 여러 개의 컨벌루셔널 레이어와 이와 결합된 인공 신경망 계층들로 구성될 수 있다. CNN은, 가중치와 풀링 레이어(pooling layer)들을 추가로 활용할 수 있다. 이러한 구조 덕분에 CNN은, 2차원 구조의 입력 데이터를 충분히 활용할 수 있다. 컨벌루셔널 뉴럴 네트워크는, 이미지에서 오브젝트를 인식하기 위하여 사용될 수 있다. 컨벌루셔널 뉴럴 네트워크는, 이미지 데이터를 차원을 가진 행렬로 나타내어 처리할 수 있다. 예를 들어 RGB(red-green-blue)로 인코딩 된 이미지 데이터의 경우, R, G, B 색상별로 각각 2차원(예를 들어, 2 차원 이미지 인 경우) 행렬로 나타내 질 수 있다. 즉, 이미지 데이터의 각 픽셀의 색상 값이 행렬의 성분이 될 수 있으며 행렬의 크기는 이미지의 크기와 같을 수 있다. 따라서, 이미지 데이터는, 3개의 2차원 행렬로(3차원의 데이터 어레이)로 나타내질 수 있다.
컨벌루셔널 뉴럴 네트워크에서, 컨벌루셔널 필터를 이동해가며 컨벌루셔널 필터와 이미지의 각 위치에서의 행렬 성분끼리 곱하는 것으로 컨벌루셔널 과정(컨벌루셔널 레이어의 입출력)을 수행할 수 있다. 컨벌루셔널 필터는, n*n 형태의 행렬로 구성될 수 있다. 컨벌루셔널 필터는, 일반적으로 이미지의 전체 픽셀의 수보다 작은 고정된 형태의 필터로 구성될 수 있다. 즉, m*m 이미지를 컨벌루셔널 레이어(예를 들어, 컨벌루셔널 필터의 사이즈가 n*n인 컨벌루셔널 레이어)입력시키는 경우, 이미지의 각 픽셀을 포함하는 n*n 픽셀을 나타내는 행렬이 컨벌루셔널 필터와 성분 곱 (즉, 행렬의 각 성분끼리의 곱) 될 수 있다. 컨벌루셔널 필터와의 곱에 의하여 이 미지에서 컨벌루셔널 필터와 매칭되는 성분이 추출될 수 있다. 예를 들어, 이미지에서 상하 직선 성분을 추출하기 위한 3*3 컨벌루셔널 필터는 [[0,1,0], [0,1,0], [0,1,0]] 와 같이 구성될 수 있다. 이미지에서 상하 직선 성분을 추출하기 위한 3*3 컨벌루셔널 필터가 입력 이미지에 적용되면 이미지에서 컨벌루셔널 필터와 매칭되는 상하 직선 성분이 추출되어 출력될 수 있다. 컨벌루셔널 레이어는 이미지를 나타낸 각각의 채널에 대한 각각의 행렬(즉, R, G, B 코딩 이미지의 경우, R, G, B 색상)에 컨벌루셔널 필터를 적용할 수 있다. 컨벌루셔널 레이어는 입력 이미지에 컨벌루셔널 필터를 적용하여 입력 이미지에서 컨벌루셔널 필터와 매칭되는 피쳐를 추출할 수 있다. 컨벌루셔널 필터의 필터 값(즉, 행렬의 각 성분의 값)은 컨벌루셔널 뉴럴 네트워크의 학습 과정에서 역전파에 의하여 업데이트 될 수 있다.
컨벌루셔널 레이어의 출력에는, 서브샘플링 레이어가 연결되어 컨벌루셔널 레이어의 출력을 단순화하여 메모리 사용량과 연산량을 줄일 수 있다. 예를 들어, 2*2 맥스 풀링 필터를 가지는 풀링 레이어에 컨벌루셔널 레이어의 출력을 입력시키는 경우, 이미지의 각 픽셀에서 2*2 패치마다 각 패치에 포함되는 최대값을 출력하여 이미지를 압축할 수 있다. 전술한 풀링은 패치에서 최소값을 출력하거나, 패치의 평균값을 출력하는 방식일 수도 있으며 임의의 풀링 방식이 본 발명에 포함될 수 있다.
컨벌루셔널 뉴럴 네트워크는, 하나 이상의 컨벌루셔널 레이어, 서브 샘플링 레이어를 포함할 수 있다. 컨벌루셔널 뉴럴 네트워크는 컨벌루셔널 과정과 서브샘플링 과정(예를 들어, 전술한 맥스 풀링 등)을 반복적으로 수행하여 이미지에서 피쳐를 추출할 수 있다. 반복적인 컨벌루션널 과정과 서브샘플링 과정을 통해 뉴럴 네트워크는 이미지의 글로벌 피쳐를 추출할 수 있다.
컨벌루셔널 레이어 또는 서브샘플링 레이어의 출력은 풀 커넥티드 레이어(fully connected layer)에 입력될 수 있다. 풀 커넥티드 레이어는 하나의 레이어에 있는 모든 뉴런과 이웃한 레이어에 있는 모든 뉴런이 연결되는 레이어이다. 풀 커넥티드 레이어는 뉴럴 네트워크에서 각 레이어의 모든 노드가 다른 레이어의 모든 노드에 연결된 구조를 의미할 수 있다.
본 발명의 일 실시예에 따르면, 프로세서(110)는, 하나 이상의 코어로 구성될 수 있으며, 컴퓨팅 장치의 중앙 처리 장치(CPU: central processing unit), 범용 그래픽 처리 장치 (GPGPU: general purpose graphics processing unit), 텐서 처리 장치(TPU: tensor processing unit) 등의 데이터 분석, 딥러닝을 위한 프로세서를 포함할 수 있다. 프로세서(110)는, 메모리(130)에 저장된 컴퓨터 프로그램을 판독하여 본 발명의 일 실시예에 따른 기계 학습을 위한 데이터 처리를 수행할 수 있다. 본 발명의 일실시예에 따라 프로세서(110)는, 신경망의 학습을 위한 연산을 수행할 수 있다. 프로세서(110)는, 딥러닝(DL: deep learning)에서 학습을 위한 입력 데이터의 처리, 입력 데이터에서의 피처 추출, 오차 계산, 역전파(backpropagation)를 이용한 신경망의 가중치 업데이트 등의 신경망의 학습을 위한 계산을 수행할 수 있다. 프로세서(110)의 CPU, GPGPU, 및 TPU 중 적어도 하나가 네트워크 함수의 학습을 처리할 수 있다. 예를 들어, CPU 와 GPGPU가 함께 네트워크 함수의 학습, 네트워크 함수를 이용한 데이터 분류를 처리할 수 있다. 또한, 본 발명의 일 실시예에서 복수의 컴퓨팅 장치의 프로세서를 함께 사용하여 네트워크 함수의 학습, 네트워크 함수를 이용한 데이터 분류를 처리할 수 있다. 또한, 본 발명의 일 실시예에 따른 컴퓨팅 장치에서 수행되는 컴퓨터 프로그램은, CPU, GPGPU 또는 TPU 실행가능 프로그램일 수 있다.
본 발명의 일 실시예에 따르면, 메모리(130)는, 자율 무선 배터리 충전 방법을 제공하기 위한 컴퓨터 프로그램을 저장할 수 있으며, 저장된 컴퓨터 프로그램은 프로세서(120)에 의하여 구동될 수 있다. 메모리(130)는, 프로세서(110)가 생성하거나 결정한 임의의 형태의 정보 및 네트워크부(150)가 수신한 임의의 형태의 정보를 저장할 수 있다.
본 발명의 일 실시예에 따르면, 메모리(130)는, 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 램(Random Access Memory, RAM), SRAM(Static Random Access Memory), 롬(Read-Only Memory, ROM), EEPROM(Electrically Erasable Programmable Read-Only Memory), PROM(Programmable Read-Only Memory), 자기 메모리, 자기 디스크, 광디스크 중 적어도 하나의 타입의 저장매체를 포함할 수 있다. 컴퓨팅 장치(100)는 인터넷(internet) 상에서 상기 메모리(130)의 저장 기능을 수행하는 웹 스토리지(web storage)와 관련되어 동작할 수도 있다. 전술한 메모리에 대한 기재는 예시일 뿐, 이에 제한되지 않는다.
본 발명의 일 실시예에 따른 네트워크부(150)는, 폐렴 판독 결과 정보 등을 다른 컴퓨팅 장치, 서버 등과 송수신할 수 있다. 또한, 네트워크부(150)는, 복수의 컴퓨팅 장치 사이의 통신을 가능하게 하여 복수의 컴퓨팅 장치 각각에서 자율 무선 배터리 충전 관련 뉴럴 네트워크 모델의 학습을 위한 동작들이 분산 수행되도록 할 수 있다. 네트워크부(150)는, 복수의 컴퓨팅 장치 사이의 통신을 가능하게 하여 네트워크 함수를 사용한 모델 학습을 위한 연산을 분산 처리하도록 할 수 있다.
본 발명의 일 실시예에 따른 네트워크부(150)는, 근거리(단거리), 원거리, 유선 및 무선 등과 같은 현재 사용 및 구현되는 임의의 형태의 유무선 통신 기술에 기반하여 동작할 수 있으며, 다른 네트워크들에서도 사용될 수 있다.
본 발명의 컴퓨팅 장치(100)는, 출력부 및 입력부를 더 포함할 수도 있다.
본 발명의 일 실시예에 따른 출력부는, 자율 무선 배터리 충전 결과를 제공하기 위한 사용자 인터페이스(UI, user interface)를 표시할 수 있다. 출력부는, 프로세서(110)가 생성하거나 결정한 임의의 형태의 정보 및 네트워크부(150)가 수신한 임의의 형태의 정보를 출력할 수 있다.
본 발명의 일 실시예에서, 출력부는, 액정 디스플레이(liquid crystal display, LCD), 박막 트랜지스터 액정 디스플레이(thin film transistor-liquid crystal display, TFT LCD), 유기 발광 다이오드(organic light-emitting diode, OLED), 플렉시블 디스플레이(flexible display), 3차원 디스플레이(3D display) 중에서 적어도 하나를 포함할 수 있다. 이들 중 일부 디스플레이 모듈은, 그를 통해 외부를 볼 수 있도록 투명형 또는 광 투과형으로 구성될 수 있다. 이는 투명 디스플레이 모듈이라 지칭될 수 있는데, 상기 투명 디스플레이 모듈의 대표적인 예로는 TOLED(Transparent OLED) 등이 있다.
본 발명의 일 실시예에 따른 입력부는, 사용자 입력을 수신할 수 있다. 입력부는, 사용자 입력을 수신받기 위한 사용자 인터페이스 상의 키 및/또는 버튼들, 또는 물리적인 키 및/또는 버튼들을 구비할 수 있다. 입력부를 통한 사용자 입력에 따라 본 발명의 실시예들에 따른 디스플레이를 제어하기 위한 컴퓨터 프로그램이 실행될 수 있다.
본 발명의 실시예들에 따른 입력부는, 사용자의 버튼 조작 또는 터치 입력을 감지하여 신호를 수신하거나, 카메라 또는 마이크로폰을 통하여 사용자 등의 음성 또는 동작을 수신하여 이를 입력 신호로 변환할 수도 있다. 이를 위해 음성 인식(Speech Recognition) 기술 또는 동작 인식(Motion Recognition) 기술들이 사용될 수 있다.
본 발명의 실시예들에 따른 입력부는, 컴퓨팅 장치(100)와 연결된 외부 입력 장비로서 구현될 수도 있다. 예를 들어, 입력 장비는 사용자 입력을 수신하기 위한 터치 패드, 터치 펜, 키보드 또는 마우스 중 적어도 하나일 수 있으나, 이는 예시일 뿐이며 이에 제한되는 것은 아니다.
본 발명의 일 실시예에 따른 입력부는, 사용자 터치 입력을 인식할 수 있다. 본 발명의 일 실시예에 따른 입력부는, 출력부와 동일한 구성일 수도 있다. 입력부는, 사용자의 선택 입력을 수신하도록 구현되는 터치 스크린으로 구성될 수 있다. 터치 스크린은, 접촉식 정전용량 방식, 적외선 광 감지 방식, 표면 초음파(SAW) 방식, 압전 방식, 저항막 방식 중 어느 하나의 방식이 사용될 수 있다. 전술한 터치 스크린에 대한 자세한 기재는, 본 발명의 일 실시예에 따른 예시일 뿐이며, 다양한 터치 스크린 패널이 컴퓨팅 장치(100)에 채용될 수 있다. 터치 스크린으로 구성된 입력부는, 터치 센서를 포함할 수 있다. 터치 센서는, 입력부의 특정 부위에 가해진 압력 또는 입력부의 특정 부위에 발생하는 정전 용량 등의 변화를 전기적인 입력신호로 변환하도록 구성될 수 있다. 터치 센서는, 터치 되는 위치 및 면적뿐만 아니라, 터치 시의 압력까지도 검출할 수 있도록 구성될 수 있다. 터치 센서에 대한 터치입력이 있는 경우, 그에 대응하는 신호(들)는 터치 제어기로 보내진다. 터치 제어기는, 그 신호(들)를 처리한 다음 대응하는 데이터를 프로세서(110)로 전송할 수 있다. 이로써, 프로세서(110)는 입력부의 어느 영역이 터치 되었는지 여부 등을 인식할 수 있게 된다.
본 발명의 일 실시예에서, 서버는, 서버의 서버 환경을 수행하기 위한 다른 구성들이 포함될 수도 있다. 서버는 임의의 형태의 장치는 모두 포함할 수 있다. 서버는, 디지털 기기로서, 랩탑 컴퓨터, 노트북 컴퓨터, 데스크톱 컴퓨터, 웹 패드, 이동 전화기와 같이 프로세서를 탑재하고 메모리를 구비한 연산 능력을 갖춘 디지털 기기일 수 있다.
본 발명의 일 실시예에 따른 자율 무선 배터리 충전 결과를 표시하는 사용자 인터페이스를 사용자 단말로 제공하기 위한 동작을 수행하는 서버(미도시)는, 네트워크부, 프로세서 및 메모리를 포함할 수 있다.
서버는, 본 발명의 실시예들에 따른 사용자 인터페이스를 생성할 수 있다. 서버는, 클라이언트(예를 들어, 사용자 단말)에게 네트워크를 통해 정보를 제공하는 컴퓨팅 시스템일 수 있다. 서버는, 생성한 사용자 인터페이스를 사용자 단말로 전송할 수 있다. 이러한 경우, 사용자 단말은, 서버에 액세스할 수 있는 임의의 형태의 컴퓨팅 장치(100)일 수 있다. 서버의 프로세서는, 네트워크부를 통해 사용자 단말로 사용자 인터페이스를 전송할 수 있다. 본 발명의 실시예들에 따른 서버는 예를 들어, 클라우드 서버일 수 있다. 서버는 서비스를 처리하는 웹 서버일 수 있다. 전술한 서버의 종류는 예시일 뿐이며 이에 제한되지 않는다.
이와 같이, 본 발명은, 사전 학습한 뉴럴 네트워크 모델을 이용하여 무선 충전판의 전력 전송 코일 중심축과 무인 항공체의 전력 수신 코일의 중심축이 일치하는 위치로 무인 항공체를 자율적으로 이동시킴으로써, 배터리 무선 충전의 효율을 높일 수 있다.
즉, 본 발명은, 무선 충전판에 부착된 전력 전송 코일과 무선 충전을 위해 무인 항공체에 부착된 전력 수신 코일 중심간에 차이 및 편차를 없앰으로써, 무인 항공체가 무선 충전판에 착륙했을 때 무선 충전 전송 효율을 높이기 위하여 무선 충전에 관련된 값을 학습데이터로 하여 DQN 뉴럴 네트워크 모델을 이용해서 무인 항공체를 전력 전송 코일과 전력 수신 코일의 중심이 정확하게 일치하는 곳으로 이동시킬 수 있다.
따라서, 본 발명은, 해당 기술을 이용하여 무인 항공체를 무선 충전판 위에 착륙시킨 후 무인 항공체가 자율적으로 DQN 뉴럴 네트워크 모델을 이용하여 무선 충전판의 전력 전송 코일과 무인 항공체에 부착되어 있는 전력 수신 코일이 일치하는 부분으로 이동하여 무선 충전을 통한 배터리 충전 효율을 높일 수 있다.
즉, 무인 항공체가 배터리 충전을 위해서 무선 충전판 위에 전력 전송 코일의 중심에 정확하게 착륙하는 것은, 카메라 또는 사람이 수동으로 조정하는 것으로 많은 노력이 들지만, 본 발명은, 무인 항공체가 자율적으로 무선 충전판 위에 최적의 배터리 충전 효율을 위한 위치로 비행하므로 배터리 충전 효율을 높일 수 있다.
도 2는, 무선 전력을 송출하는 무선 충전판을 설명하기 위한 도면이다.
도 2에 도시된 바와 같이, 본 발명은, 무선 충전판(200) 위에 무인 항공체를 착륙시키고, 사전 학습한 뉴럴 네트워크 모델을 이용하여 무선 충전판의 전력 전송 코일 중심축과 무인 항공체의 전력 수신 코일의 중심축이 일치하는 위치로 무인 항공체를 자율적으로 이동시킬 수 잇다.
여기서, 무선 충전판(200)은, 테두리에 다수의 표시등(220)이 위치하고, 가장자리 영역에 다수의 표시등(220)을 연결하는 연결선(230)이 형성되며, 중앙 영역에 전력 전송 코일(210)이 형성될 수 있다.
일 예로, 다수의 표시등(220)은, 무선 충전판(200)의 네 모서리에 각각 위치할 수 있는데, 이는 일 실시예일 뿐, 이에 한정되지는 않는다.
여기서, 표시등(220)의 역할은, 낮 이외에 밤, 흐린 날씨 및 우천 시에도 무선 충전판 위에 무인 비행체가 안전하게 착륙을 유도하도록 하기 위함이다.
본 발명은, 무선 충전판(200)의 에지 영역을 검출하고, 검출된 에지 영역을 기반으로 무선 충전판(200) 위에 무인 항공체를 착륙킬 수 있다.
여기서, 프로세서(110)는, 에지 영역을 검출할 때, 무선 충전판(200)의 테두리에 적어도 하나의 표시등(220)이 존재하는지를 확인하고, 무선 충전판(200)의 테두리에 적어도 하나의 표시등(220)이 존재하면 표시등(220)을 연결하는 연결선(210)을 생성하며, 연결선(210)에 기반하여 무선 충전판(200)의 에지 영역을 검출할 수 있다.
도 3 내지 도 6은, 무선 충전판의 최적 충전 위치로 이동하는 무인 항공체의 제어 과정을 설명하기 위한 도면이다.
도 3 및 도 4에 도시된 바와 같이, 본 발명은, 무인 항공체(300)의 배터리 충전을 위하여 무선 충전판(200) 위에 무인 항공체(300)를 착륙시킬 수 있다.
여기서, 본 발명은, 무선 충전판(200) 위에 무인 항공체(300)를 착륙시킬 때, 캐니(canny) 에지 검출 알고리즘을 이용하여 무선 충전판(200)의 에지 영역을 검출하고, 검출된 에지 영역을 기반으로 무선 충전판(200) 위에 무인 항공체(300)를 착륙킬 수 있다.
즉, 본 발명은, 에지 영역을 검출할 때, 무선 충전판(200)의 테두리에 적어도 하나의 표시등(220)이 존재하는지를 확인하고, 무선 충전판(200)의 테두리에 적어도 하나의 표시등(220)이 존재하면 표시등(220)을 연결하는 연결선(230)을 생성하며, 연결선(230)에 기반하여 무선 충전판(200)의 에지 영역을 검출할 수 있다.
경우에 따라, 본 발명은, 무선 충전판(200) 위에 무인 항공체(300)를 착륙시킬 때, 무선 충전판(200)의 테두리에 적어도 하나의 표시등(220)이 존재하는지를 확인하고, 무선 충전판(200)의 테두리에 적어도 하나의 표시등(220)이 존재하지 않으면 GPS(Global Positioning System) 신호를 기반으로 무선 충전판(200) 위에 무인 항공체(300)를 착륙시킬 수도 있다.
이어, 본 발명은, 도 4와 같이, 무선 충전판(200) 위에 무인 항공체(300)가 착륙되면 무인 항공체(300)의 착륙 위치에서 무인 항공체(300)의 전력 수신 코일과 무선 충전판(200)의 전력 전송 코일(210)과의 거리차를 산출하여 거리 데이터를 획득하고, 무선 충전판(200)의 전력 전송 코일(210)로부터 송출된 무선 전력이 무인 항공체(300)의 전력 수신 코일에 수신되면 무선 전력의 충전 출력 데이터를 획득하며, 획득한 거리 데이터와 충전 출력 데이터를 기반으로 상태 데이터를 획득할 수 있다.
여기서, 본 발명은, 무인 항공체(300)의 전력 수신 코일의 중심축과 무선 충전판(200)의 전력 전송 코일(210)의 중심축(212) 사이의 거리값을 다수의 단위 거리값으로 분류하고, 분류된 단위 거리값에 일대일 대응하여 상태 레벨값을 설정하며, 설정된 상태 레벨값을 상태 데이터로 결정할 수 있다.
이때, 본 발명은, 거리값을 다수의 단위 거리값으로 분류할 때, 거리값을 cm 단위의 단위 거리값으로 분류할 수 있는데, 이는 일 실시예일 뿐, 이에 한정되지는 않는다.
도 5 및 도 6에 도시된 바와 같이, 본 발명은, 상태 데이터를 사전 학습한 뉴럴 네트워크 모델에 입력하여 우측 방향, 좌측 방향, 상측 방향, 하측 방향 중 어느 한 이동 방향에 상응하는 코드를 포함하는 행동 데이터를 출력할 수 있다.
다음, 본 발명은, 행동 데이터를 기반으로 무인 항공체(300)의 이동 방향을 결정하고, 결정된 이동 방향으로 미리 설정된 이동 거리 d 만큼 무인 항공체(300)를 이동시키며, 이동 위치에서 무인 항공체(300)의 전력 수신 코일의 제1 중심축과 무선 충전판(200)의 전력 전송 코일(210)의 제2 중심축(212)이 일치하는지를 확인하고, 제1 중심축과 제2 중심축(212)이 일치하면 최적의 충전 위치로 인지할 수 있다.
일 예로, 본 발명은, 미리 설정된 이동 거리 d 만큼 무인 항공체를 이동시킬 때, cm 거리 단위로 미리 설정된 이동 거리만큼 소정 시간 간격으로 무인 항공체를 이동시킬 수 있는데, 이는 일 실시예일 뿐, 이에 한정되지는 않는다.
여기서, 본 발명은, 도 5와 같이, 제1 중심축과 제2 중심축(212)이 일치하는지를 확인할 때, 제1 중심축과 제2 중심축(212)이 일치하지 않으면 행동 데이터를 기반으로 무인 항공체(300)의 이동 방향을 결정하고, 결정된 이동 방향으로 미리 설정된 이동 거리 d 만큼 무인 항공체(300)를 이동시키는 과정을 반복 수행할 수 있다.
그리고, 본 발명은, 도 6과 같이, 제1 중심축과 제2 중심축(212)이 일치하여 최적의 충전 위치로 인지할 때, 행동 데이터를 기반으로 무인 항공체(300)의 이동 방향을 결정하고 결정된 이동 방향으로 미리 설정된 이동 거리 d 만큼 무인 항공체(300)를 이동시키는 과정을 종료할 수 있다.
이처럼, 본 발명은, 무인 항공체(300)를 무선 충전판(200)에서 무선 충전 효율이 가장 좋은 위치, 즉 코일간 중심축이 일치하는 위치로 자율적으로 이동하도록, DQN 뉴럴 네트워크 모델을 이용하여 자동으로 무인 항공체(300)를 무선 충전판에서 무선 충전 효율이 가장 좋은 위치로 이동시킬 수 있다.
여기서, 무인 항공체(300)의 이동은, 약 1분마다 한 번에 약 5cm씩 이동시킬 수 있는데, 이는 일 실시예일 뿐, 이에 한정되지는 않는다.
무인 항공체(300)의 전력 수신 코일의 제1 중심축과 무선 충전판(200)의 전력 전송 코일(210)의 제2 중심축(212)이 일치할 경우, 배터리 충전 효율이 약 88%로 최고치를 가질 수 있다.
도 7은, 무선 충전판의 전력 전송 코일과 무인 항공체의 전력 수신 코일간의 거리차에 상응하는 전송 효율을 보여주는 그래프이다.
도 7에 도시된 바와 같이, 본 발명은, 무선 충전판 위에 무인 항공체가 착륙되면 무인 항공체의 착륙 위치에서 무인 항공체의 전력 수신 코일과 무선 충전판의 전력 전송 코일과의 거리차가 작아질수록 충전 전력 전송 효율이 증가하는 것을 알 수 있다.
예를 들면, 본 발명은, 무인 항공체의 전력 수신 코일의 제1 중심축과 무선 충전판의 전력 전송 코일의 제2 중심축이 일치하는 위치, 즉, 두 코일간의 거리차가 0일 경우, 배터리 충전 효율이 약 88%로 최고치를 가지게 된다.
도 8은, 본 발명에 따른 무인 항공체의 자율 무선 배터리 충전 방법을 설명하기 위한 흐름도이다.
도 8에 도시된 바와 같이, 본 발명은, 무선 전력을 송출하는 전력 전송 코일을 갖는 무선 충전판 위에 무인 항공체를 착륙시킬 수 있다(S10).
이어, 본 발명은, 전력 전송 코일과의 거리 데이터와 무선 전력의 충전 출력 데이터를 기반으로 상태 데이터를 획득할 수 있다(S20).
여기서, 본 발명은, 무선 충전판 위에 무인 항공체가 착륙되면 무인 항공체의 착륙 위치에서 무인 항공체의 전력 수신 코일과 무선 충전판의 전력 전송 코일과의 거리차를 산출하여 거리 데이터를 획득하고, 무선 충전판의 전력 전송 코일로부터 송출된 무선 전력이 무인 항공체의 전력 수신 코일에 수신되면 무선 전력의 충전 출력 데이터를 획득하며, 획득한 거리 데이터와 충전 출력 데이터를 기반으로 상태 데이터를 획득할 수 있다.
다음, 본 발명은, 상태 데이터를 사전 학습한 뉴럴 네트워크 모델에 입력하여 행동 데이터를 출력할 수 있다(S30).
여기서, 뉴럴 네트워크 모델은, DQN(Deep Q-Networks)를 포함할 수 있다.
또한, 행동 데이터는, 우측 방향, 좌측 방향, 상측 방향, 하측 방향 중 어느 한 방향에 상응하는 코드를 포함할 수 있다.
그리고, 본 발명은, 행동 데이터를 기반으로 무인 항공체의 이동 방향을 결정하고, 결정된 이동 방향으로 미리 설정된 이동 거리만큼 무인 항공체를 이동시킬 수 있다(S40).
일 예로, 본 발명은, 미리 설정된 이동 거리 d 만큼 무인 항공체를 이동시킬 때, cm 거리 단위로 미리 설정된 이동 거리만큼 소정 시간 간격으로 무인 항공체를 이동시킬 수 있다.
이어, 본 발명은, 이동 위치에서 무인 항공체의 전력 수신 코일의 제1 중심축과 무선 충전판의 전력 전송 코일의 제2 중심축이 일치하는지를 확인할 수 있다(S50).
다음, 본 발명은, 제1 중심축과 제2 중심축이 일치하면 무인 항공체의 현재 이동 위치를 최적의 충전 위치로 인지하고, 무인 항공체의 이동을 종료할 수 있다(S60).
이와 같이, 본 발명은, 사전 학습한 뉴럴 네트워크 모델을 이용하여 무선 충전판의 전력 전송 코일 중심축과 무인 항공체의 전력 수신 코일의 중심축이 일치하는 위치로 무인 항공체를 자율적으로 이동시킴으로써, 배터리 무선 충전의 효율을 높일 수 있다.
즉, 본 발명은, 무선 충전판에 부착된 전력 전송 코일과 무선 충전을 위해 무인 항공체에 부착된 전력 수신 코일 중심간에 차이 및 편차를 없앰으로써, 무인 항공체가 무선 충전판에 착륙했을 때 무선 충전 전송 효율을 높이기 위하여 무선 충전에 관련된 값을 학습데이터로 하여 DQN 뉴럴 네트워크 모델을 이용해서 무인 항공체를 전력 전송 코일과 전력 수신 코일의 중심이 정확하게 일치하는 곳으로 이동시킬 수 있다.
따라서, 본 발명은, 해당 기술을 이용하여 무인 항공체를 무선 충전판 위에 착륙시킨 후 무인 항공체가 자율적으로 DQN 뉴럴 네트워크 모델을 이용하여 무선 충전판의 전력 전송 코일과 무인 항공체에 부착되어 있는 전력 수신 코일이 일치하는 부분으로 이동하여 무선 충전을 통한 배터리 충전 효율을 높일 수 있다.
즉, 무인 항공체가 배터리 충전을 위해서 무선 충전판 위에 전력 전송 코일의 중심에 정확하게 착륙하는 것은, 카메라 또는 사람이 수동으로 조정하는 것으로 많은 노력이 들지만, 본 발명은, 무인 항공체가 자율적으로 무선 충전판 위에 최적의 배터리 충전 효율을 위한 위치로 비행하므로 배터리 충전 효율을 높일 수 있다.
이상에서 전술한 본 발명의 일 실시예에 따른 방법은, 하드웨어인 서버와 결합되어 실행되기 위해 프로그램(또는 어플리케이션)으로 구현되어 매체에 저장될 수 있다.
상기 전술한 프로그램은, 상기 컴퓨터가 프로그램을 읽어 들여 프로그램으로 구현된 상기 방법들을 실행시키기 위하여, 상기 컴퓨터의 프로세서(CPU)가 상기 컴퓨터의 장치 인터페이스를 통해 읽힐 수 있는 C, C++, JAVA, 기계어 등의 컴퓨터 언어로 코드화된 코드(Code)를 포함할 수 있다. 이러한 코드는 상기 방법들을 실행하는 필요한 기능들을 정의한 함수 등과 관련된 기능적인 코드(Functional Code)를 포함할 수 있고, 상기 기능들을 상기 컴퓨터의 프로세서가 소정의 절차대로 실행시키는데 필요한 실행 절차 관련 제어 코드를 포함할 수 있다. 또한, 이러한 코드는 상기 기능들을 상기 컴퓨터의 프로세서가 실행시키는데 필요한 추가 정보나 미디어가 상기 컴퓨터의 내부 또는 외부 메모리의 어느 위치(주소 번지)에서 참조되어야 하는지에 대한 메모리 참조관련 코드를 더 포함할 수 있다. 또한, 상기 컴퓨터의 프로세서가 상기 기능들을 실행시키기 위하여 원격(Remote)에 있는 어떠한 다른 컴퓨터나 서버 등과 통신이 필요한 경우, 코드는 상기 컴퓨터의 통신 모듈을 이용하여 원격에 있는 어떠한 다른 컴퓨터나 서버 등과 어떻게 통신해야 하는지, 통신 시 어떠한 정보나 미디어를 송수신해야 하는지 등에 대한 통신 관련 코드를 더 포함할 수 있다.
상기 저장되는 매체는, 레지스터, 캐쉬, 메모리 등과 같이 짧은 순간 동안 데이터를 저장하는 매체가 아니라 반영구적으로 데이터를 저장하며, 기기에 의해 판독(reading)이 가능한 매체를 의미한다. 구체적으로는, 상기 저장되는 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광 데이터 저장장치 등이 있지만, 이에 제한되지 않는다. 즉, 상기 프로그램은 상기 컴퓨터가 접속할 수 있는 다양한 서버 상의 다양한 기록매체 또는 사용자의 상기 컴퓨터상의 다양한 기록매체에 저장될 수 있다. 또한, 상기 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장될 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 실시예를 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 실시예들은 모든 면에서 예시적인 것이며, 제한적이 아닌 것으로 이해해야만 한다.
100: 컴퓨팅 장치
110: 프로세서
130: 메모리
150: 네트워크부
200: 무선 충전판
300: 무인 항공체

Claims (15)

  1. 무선 전력을 송출하는 전력 전송 코일을 갖는 무선 충전판 위에 무인 항공체를 착륙시키는 단계;
    상기 전력 전송 코일과의 거리 데이터와 상기 무선 전력의 충전 출력 데이터를 기반으로 상태 데이터를 획득하는 단계;
    상기 상태 데이터를 사전 학습한 뉴럴 네트워크 모델에 입력하여 행동 데이터를 출력하는 단계; 및
    상기 행동 데이터를 기반으로 상기 무인 항공체를 상기 무선 충전판의 전체 영역 중 최적의 충전 위치로 이동시키는 단계를 포함하고,
    상기 무인 항공체를 최적의 충전 위치로 이동시키는 단계는,
    상기 행동 데이터를 기반으로 이동 방향을 결정하는 단계;
    상기 결정된 이동 방향으로 cm 거리 단위로 미리 설정된 이동 거리만큼 소정 시간 간격으로 상기 무인 항공체를 이동시키는 단계; 및
    상기 이동된 위치에서 상기 무인 항공체의 전력 수신 코일의 제1 중심축 및 상기 무선 충전판의 전력 전송 코일의 제2 중심축이 일치하면, 상기 최적의 충전 위치로 인지하는 단계를 포함하는 것을 특징으로 하는 무인 항공체의 자율 무선 배터리 충전 방법.
  2. 제1 항에 있어서,
    상기 무선 충전판 위에 무인 항공체를 착륙시키는 단계는,
    상기 무선 충전판의 에지 영역을 검출하고, 상기 검출된 에지 영역을 기반으로 상기 무선 충전판 위에 무인 항공체를 착륙시키는 것을 특징으로 하는 무인 항공체의 자율 무선 배터리 충전 방법.
  3. 제2 항에 있어서,
    상기 에지 영역을 검출하는 단계는,
    에지 검출 알고리즘을 이용하여 상기 무선 충전판의 에지 영역을 검출하는 것을 특징으로 하는 무인 항공체의 자율 무선 배터리 충전 방법.
  4. 제2 항에 있어서,
    상기 에지 영역을 검출하는 단계는,
    상기 무선 충전판의 테두리에 적어도 하나의 표시등이 존재하는지를 확인하고, 상기 무선 충전판의 테두리에 적어도 하나의 표시등이 존재하면 상기 표시등을 연결하는 연결선을 생성하며, 상기 연결선에 기반하여 상기 무선 충전판의 에지 영역을 검출하는 것을 특징으로 하는 무인 항공체의 자율 무선 배터리 충전 방법.
  5. 제4 항에 있어서,
    상기 적어도 하나의 표시등은,
    상기 무선 충전판의 네 모서리에 각각 위치하는 것을 특징으로 하는 무인 항공체의 자율 무선 배터리 충전 방법.
  6. 제1 항에 있어서,
    상기 무선 충전판 위에 무인 항공체를 착륙시키는 단계는,
    상기 무선 충전판의 테두리에 적어도 하나의 표시등이 존재하는지를 확인하고, 상기 무선 충전판의 테두리에 적어도 하나의 표시등이 존재하지 않으면 GPS(Global Positioning System) 신호를 기반으로 상기 무선 충전판 위에 무인 항공체를 착륙시키는 것을 특징으로 하는 무인 항공체의 자율 무선 배터리 충전 방법.
  7. 제1 항에 있어서,
    상기 상태 데이터를 획득하는 단계는,
    상기 무선 충전판 위에 무인 항공체가 착륙되면 상기 무인 항공체의 착륙 위치에서 상기 무인 항공체의 전력 수신 코일과 상기 무선 충전판의 전력 전송 코일과의 거리차를 산출하여 거리 데이터를 획득하고, 상기 무선 충전판의 전력 전송 코일로부터 송출된 무선 전력이 상기 무인 항공체의 전력 수신 코일에 수신되면 상기 무선 전력의 충전 출력 데이터를 획득하며, 상기 획득한 거리 데이터와 충전 출력 데이터를 기반으로 상태 데이터를 획득하는 것을 특징으로 하는 무인 항공체의 자율 무선 배터리 충전 방법.
  8. 제1 항에 있어서,
    상기 뉴럴 네트워크 모델은,
    DQN(Deep Q-Networks)를 포함하는 것을 특징으로 하는 무인 항공체의 자율 무선 배터리 충전 방법.
  9. 제1 항에 있어서,
    상기 행동 데이터를 출력하는 단계는,
    우측 방향, 좌측 방향, 상측 방향, 하측 방향 중 어느 한 방향에 상응하는 코드를 포함하는 행동 데이터를 출력하는 것을 특징으로 하는 무인 항공체의 자율 무선 배터리 충전 방법.
  10. 삭제
  11. 삭제
  12. 제1 항에 있어서,
    상기 무인 항공체를 최적의 충전 위치로 이동시키는 단계는,
    상기 제1 중심축과 제2 중심축이 일치하지 않으면 상기 행동 데이터를 기반으로 이동 방향을 결정하고, 상기 결정된 이동 방향으로 미리 설정된 이동 거리만큼 상기 무인 항공체를 이동시키는 단계를 반복 수행하는 것을 특징으로 하는 무인 항공체의 자율 무선 배터리 충전 방법.
  13. 제1 항에 있어서,
    상기 최적의 충전 위치로 인지하는 단계는,
    상기 행동 데이터를 기반으로 이동 방향을 결정하고, 상기 결정된 이동 방향으로 미리 설정된 이동 거리만큼 상기 무인 항공체를 이동시키는 단계를 종료하는 것을 특징으로 하는 무인 항공체의 자율 무선 배터리 충전 방법.
  14. 컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램으로서,
    상기 컴퓨터 프로그램은 하나 이상의 프로세서에서 실행되는 경우, 제1 항 내지 제9 항, 제12 항, 및 제13 항 중 어느 한 항에 따른 무인 항공체의 자율 무선 배터리 충전 방법을 구현하는 것을 특징으로 하는 컴퓨터 판독가능 저장매체에 저장된 컴퓨터 프로그램.
  15. 무인 항공체의 자율 무선 배터리 충전 방법을 제공하기 위한 컴퓨팅 장치로서,
    하나 이상의 코어를 포함하는 프로세서; 및
    메모리;
    를 포함하고,
    상기 메모리에는 상기 프로세서에 의해 구동 가능한 컴퓨터 프로그램이 저장되어 있고, 상기 컴퓨터 프로그램이 상기 프로세서에 의해 실행되어, 상기 프로세서에 의해 제1 항 내지 제9 항, 제12 항, 및 제13 항 중 어느 한 항의 방법이 수행되도록 하는 것을 특징으로 하는 컴퓨팅 장치.
KR1020210137468A 2021-10-15 2021-10-15 무인 항공체의 자율 무선 배터리 충전 장치, 방법 및 프로그램 KR102576265B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210137468A KR102576265B1 (ko) 2021-10-15 2021-10-15 무인 항공체의 자율 무선 배터리 충전 장치, 방법 및 프로그램

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210137468A KR102576265B1 (ko) 2021-10-15 2021-10-15 무인 항공체의 자율 무선 배터리 충전 장치, 방법 및 프로그램

Publications (2)

Publication Number Publication Date
KR20230054540A KR20230054540A (ko) 2023-04-25
KR102576265B1 true KR102576265B1 (ko) 2023-09-07

Family

ID=86101463

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210137468A KR102576265B1 (ko) 2021-10-15 2021-10-15 무인 항공체의 자율 무선 배터리 충전 장치, 방법 및 프로그램

Country Status (1)

Country Link
KR (1) KR102576265B1 (ko)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016037219A1 (en) * 2014-09-10 2016-03-17 Burchat Clinton Graeme Delivery system

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170039356A (ko) * 2015-10-01 2017-04-11 엘지이노텍 주식회사 무인비행체 무선충전 시스템 및 이의 구동 방법
DE112018003598T5 (de) * 2017-07-14 2020-04-16 Semiconductor Energy Laboratory Co., Ltd. Stromversorgungsvorrichtung und kontaktfreies Stromversorgungssystem
KR102273975B1 (ko) 2018-07-20 2021-07-08 주식회사 아모센스 드론 스테이션

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016037219A1 (en) * 2014-09-10 2016-03-17 Burchat Clinton Graeme Delivery system

Also Published As

Publication number Publication date
KR20230054540A (ko) 2023-04-25

Similar Documents

Publication Publication Date Title
EP3940638B1 (en) Image region positioning method, model training method, and related apparatus
US10846873B2 (en) Methods and apparatus for autonomous robotic control
US11170301B2 (en) Machine learning via double layer optimization
JP7185039B2 (ja) 画像分類モデルの訓練方法、画像処理方法及びその装置、並びにコンピュータプログラム
US10503976B2 (en) Methods and apparatus for autonomous robotic control
US20180330238A1 (en) Systems and methods to enable continual, memory-bounded learning in artificial intelligence and deep learning continuously operating applications across networked compute edges
KR20210073569A (ko) 이미지 시맨틱 세그멘테이션 네트워크를 트레이닝하기 위한 방법, 장치, 디바이스 및 저장 매체
CN109919085B (zh) 基于轻量型卷积神经网络的人人交互行为识别方法
US20190228294A1 (en) Method and system for processing neural network model using plurality of electronic devices
CN111738403A (zh) 一种神经网络的优化方法及相关设备
CN113536970A (zh) 一种视频分类模型的训练方法及相关装置
KR102576265B1 (ko) 무인 항공체의 자율 무선 배터리 충전 장치, 방법 및 프로그램
KR102619200B1 (ko) 인공지능 기반 환경설비 자동제어를 위한 뉴럴 네트워크 모델 생성 방법 및 컴퓨터 프로그램
US20230026787A1 (en) Learning feature importance for improved visual explanation
KR20210060252A (ko) 실종자 탐색 방법 및 시스템
KR102636586B1 (ko) 자율 주행 차량의 주행 테스트 제어 장치 및 방법
CN114913339A (zh) 特征图提取模型的训练方法和装置
CN113065575A (zh) 一种图像处理方法及相关装置
CN113159081A (zh) 一种图像处理方法以及相关设备
CN111241986A (zh) 一种基于端到端关系网络的视觉slam闭环检测方法
US11948326B2 (en) Fixed or movable electronic device with NPU and ISP
US20240070455A1 (en) Systems and methods for neural architecture search
US20220309774A1 (en) Method and apparatus for classifying images using an artificial intelligence model
KR20240008481A (ko) 인공지능 기반 고정 볼트 이상 탐지 장치 및 방법
Shek et al. Single Board Computing for Image Recognition on an Autonomous Drone

Legal Events

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