KR102593827B1 - 라이다 센서를 이용한 건설 현장의 작업관리 솔루션 제공방법, 장치 및 컴퓨터프로그램 - Google Patents
라이다 센서를 이용한 건설 현장의 작업관리 솔루션 제공방법, 장치 및 컴퓨터프로그램 Download PDFInfo
- Publication number
- KR102593827B1 KR102593827B1 KR1020220142654A KR20220142654A KR102593827B1 KR 102593827 B1 KR102593827 B1 KR 102593827B1 KR 1020220142654 A KR1020220142654 A KR 1020220142654A KR 20220142654 A KR20220142654 A KR 20220142654A KR 102593827 B1 KR102593827 B1 KR 102593827B1
- Authority
- KR
- South Korea
- Prior art keywords
- point cloud
- data
- design drawing
- collected
- matching
- Prior art date
Links
- 238000010276 construction Methods 0.000 title claims abstract description 182
- 238000000034 method Methods 0.000 title claims abstract description 80
- 238000004590 computer program Methods 0.000 title claims abstract description 19
- 238000013461 design Methods 0.000 claims abstract description 192
- 230000008569 process Effects 0.000 claims description 26
- 230000008859 change Effects 0.000 claims description 13
- 238000001914 filtration Methods 0.000 claims description 3
- 238000013528 artificial neural network Methods 0.000 description 26
- 238000013473 artificial intelligence Methods 0.000 description 24
- 230000006870 function Effects 0.000 description 20
- 238000004891 communication Methods 0.000 description 17
- 239000000284 extract Substances 0.000 description 10
- 238000009434 installation Methods 0.000 description 8
- 238000012549 training Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 5
- 241000282326 Felis catus Species 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000013136 deep learning model Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000008451 emotion Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000009435 building construction Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 239000010813 municipal solid waste Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/08—Construction
-
- 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
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0633—Workflow analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
- G06T7/521—Depth or shape recovery from laser ranging, e.g. using interferometry; from the projection of structured light
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Geometry (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Computer Hardware Design (AREA)
- Architecture (AREA)
- Development Economics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Structural Engineering (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Civil Engineering (AREA)
- Educational Administration (AREA)
- Electromagnetism (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Computer Networks & Wireless Communication (AREA)
- Optics & Photonics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Image Analysis (AREA)
Abstract
라이다 센서를 이용한 건설 현장의 작업관리 솔루션 제공방법, 장치 및 컴퓨터프로그램이 제공된다. 본 발명의 다양한 실시예에 따른 라이다 센서를 이용한 건설 현장의 작업관리 솔루션 제공방법은, 컴퓨팅 장치에 의해 수행되는 방법에 있어서, 건설 현장에 대응하는 센서 데이터를 수집하는 단계 및 상기 수집된 센서 데이터와 상기 건설 현장에 대응하는 설계 도면 데이터를 이용하여 상기 건설 현장에 대한 작업관리 솔루션을 제공하는 단계를 포함한다.
Description
본 발명의 다양한 실시예는 라이다 센서를 이용한 건설 현장의 작업관리 솔루션 제공방법, 장치 및 컴퓨터프로그램에 관한 것이다.
건설사 또는 건축주를 위해, 공사에 관해 시공을 의뢰하기 위한 업체를 선정하고 공사 상황을 관리하기 위한 다양한 기술들이 개발되고 있다. 현재, 시공 업체들 각각으로부터 견적서를 받고, 건설사 또는 건축주가 직접 견적서를 검토하여 시공 업체를 선정하며, 선정된 시공 업체로부터 현재 공사 진행 상황에 대한 정보가 제공되는 것이 일반적이다.
여기서, 현재 공사 진행 상황에 대한 정보는 시공 업체가 공사를 착수한 시점부터 현재까지 어느 정도까지 작업을 진행했는지에 대한 정보를 의미한다.
견적서에 기재된 바와 달리 공사의 진행이 늦어질 경우, 공사 기한이 연장되어 추가 비용이 발생할 수 있는 바, 예정된 기한 내에 작업이 완료되기 위해서는 공사의 진행 상황을 지속적으로 체크하는 것이 필수적이며, 이를 위해 보다 정확한 공사 진행 상황을 판단하는 것이 필요하다.
한편, 종래에는 공사를 진행하는 시공 업체 측에서 공사의 작업 진행률을 판단하고, 이를 건설사 또는 건축주에게 안내하는 방식으로 진행되고 있으나, 이와 같은 방식의 경우, 다소 주관적으로 작업 진행률을 산출하기 때문에, 그 값이 다소 부정확하다는 문제가 있다.
본 발명이 해결하고자 하는 과제는 상술된 종래의 문제점을 해소하기 위한 목적으로, 건설 현장에 대한 설계 도면 데이터와 건설 현장으로부터 실시간으로 수집되는 포인트 클라우드 데이터를 이용하여 건설 현장의 현재 작업 진행률을 산출함으로써, 건설 현장에 대한 작업 진행률을 보다 정확하게 산출할 수 있는 라이다 센서를 이용한 건설 현장의 작업관리 솔루션 제공방법, 장치 및 컴퓨터프로그램을 제공하는 것이다.
본 발명이 해결하고자 하는 다른 과제는 안전 조치와 관련된 정보가 기록된 설계 도면 데이터와 포인트 클라우드 데이터를 이용하여 건설 현장 내에 안전 조치 준수 여부를 판단하고, 이에 따라 안전 가이드를 제공함으로써, 건설 현장 내에서의 사고가 발생되는 것을 방지할 수 있는 라이다 센서를 이용한 건설 현장의 작업관리 솔루션 제공방법, 장치 및 컴퓨터프로그램을 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 라이다 센서를 이용한 건설 현장의 작업관리 솔루션 제공방법은 컴퓨팅 장치에 의해 수행되는 방법에 있어서, 건설 현장에 대응하는 센서 데이터를 수집하는 단계 및 상기 수집된 센서 데이터와 상기 건설 현장에 대응하는 설계 도면 데이터를 이용하여 상기 건설 현장에 대한 작업관리 솔루션을 제공하는 단계를 포함할 수 있다.
다양한 실시예에서, 상기 수집된 센서 데이터는, 라이다 센서를 통해 상기 건설 현장을 스캔함에 따라 수집되는 포인트 클라우드 데이터(Point Cloud Data, PCD)를 포함하며, 상기 작업관리 솔루션을 제공하는 단계는, 상기 수집된 포인트 클라우드 데이터와 상기 설계 도면 데이터를 정합시키는 단계, 상기 수집된 포인트 클라우드 데이터와 상기 설계 도면 데이터의 정합 결과에 기초하여, 상기 건설 현장에 대한 작업 진행률을 산출하는 단계 및 상기 작업관리 솔루션으로서, 상기 산출된 작업 진행률에 관한 정보를 제공하는 단계를 포함할 수 있다.
다양한 실시예에서, 상기 정합시키는 단계는, 상기 설계 도면 데이터로부터 복수의 제1 특징점을 추출하는 단계, 상기 수집된 포인트 클라우드 데이터로부터 상기 추출된 복수의 제1 특징점에 대응하는 복수의 제2 특징점을 추출하는 단계 및 상기 추출된 복수의 제1 특징점과 상기 추출된 제2 특징점을 매칭함에 따라 상기 수집된 포인트 클라우드 데이터와 상기 설계 도면 데이터를 정합시키는 단계를 포함할 수 있다.
다양한 실시예에서, 상기 정합시키는 단계는, 상기 설계 도면 데이터에 포함된 복수의 제1 객체 중 기준 객체로서, 적어도 하나의 제1 객체를 선택하는 단계, 상기 수집된 포인트 클라우드를 분석하여 복수의 제2 객체를 식별하고, 상기 식별된 복수의 제2 객체 중 상기 선택된 적어도 하나의 제1 객체에 대응하는 적어도 하나의 제2 객체를 선택하는 단계 및 상기 선택된 적어도 하나의 제1 객체에 대응하는 좌표값과 상기 선택된 적어도 하나의 제2 객체에 대응하는 좌표값을 매칭함에 따라 상기 수집된 포인트 클라우드 데이터와 상기 설계 도면 데이터를 정합시키는 단계를 포함할 수 있다.
다양한 실시예에서, 상기 작업 진행률을 산출하는 단계는, 상기 수집된 포인트 클라우드 데이터와 상기 설계 도면 데이터의 정합 결과에 기초하여, 상기 건설 현장에 대한 작업 진행률로서, 상기 설계 도면 데이터에 포함된 객체 - 상기 객체는 상기 건설 현장 내에서 작업을 수행함에 따라 생성되는 작업의 결과물임 - 에 대응하는 제1 영역에 대한 부피 값 대비 상기 제1 영역 내에서 상기 수집된 포인트 클라우드 데이터에 포함된 포인트들이 차지하고 있는 제2 영역에 대한 제2 부피 값의 비율을 산출하는 단계를 포함할 수 있다.
다양한 실시예에서, 상기 수집된 센서 데이터는, 카메라 센서를 통해 상기 건설 현장을 촬영함에 따라 수집되는 이미지 데이터를 포함하며, 상기 비율을 산출하는 단계는, 제1 시점에서 수집된 포인트 클라우드 데이터와 상기 설계 도면 데이터의 정합 결과에 기초하여 산출된 제1 비율과 상기 제1 시점 이후의 제2 시점에 수집된 포인트 클라우드 데이터와 상기 설계 도면 데이터의 정합 결과에 기초하여 산출된 제2 비율이 동일한 경우, 상기 제1 시점에 수집된 이미지 데이터와 상기 제2 시점에 수집된 이미지 데이터를 비교하여 상기 제1 영역에 대한 색상 변화량을 산출하고, 상기 산출된 색상 변화량에 기초하여 상기 객체에 대한 작업 진행률 변동량을 산출하는 단계를 포함할 수 있다.
다양한 실시예에서, 상기 정합시키는 단계는, 기 설정된 분류 기준 - 상기 기 설정된 분류 기준은 작업의 종류, 작업의 결과물, 작업 공간의 속성 중 적어도 하나를 포함함 - 에 기초하여 상기 설계 도면 데이터를 분할함에 따라 복수의 설계 도면 레이어를 생성하는 단계, 상기 수집된 포인트 클라우드 데이터와 상기 복수의 설계 도면 레이어 각각을 정합시키는 단계를 포함하며, 상기 작업 진행률을 산출하는 단계는, 상기 수집된 포인트 클라우드 데이터와 상기 복수의 설계 도면 레이어 각각의 정합 결과에 기초하여, 상기 기 설정된 분류 기준별 작업 진행률을 개별적으로 산출하는 단계를 포함할 수 있다.
다양한 실시예에서, 상기 정합시키는 단계는, 상기 수집된 포인트 클라우드 데이터를 분석하여 복수의 객체를 식별하는 단계, 상기 식별된 복수의 객체 중 상기 건설 현장 내에서 작업을 수행함에 따라 생성되는 작업의 결과물과 관련되지 않은 적어도 하나의 객체를 선택하고, 상기 선택된 적어도 하나의 객체를 필터링하는 단계 및 상기 적어도 하나의 객체가 필터링된 포인트 클라우드 데이터와 상기 설계 도면 데이터를 정합시키는 단계를 포함할 수 있다.
다양한 실시예에서, 상기 건설 현장은 건물의 건축 현장이며, 상기 설계 도면 데이터는 상기 건물의 외부 설계를 위한 제1 설계 도면 데이터 및 상기 건물의 내부 설계를 위한 제2 설계 도면 데이터를 포함하고, 상기 수집된 포인트 클라우드 데이터는 상기 건물의 외부를 스캔함에 따라 수집된 제1 포인트 클라우드 데이터 및 상기 건물의 내부를 스캔함에 따라 수집된 제2 포인트 클라우드 데이터를 포함하며, 상기 작업 진행률을 산출하는 단계는, 상기 제1 설계 도면 데이터와 상기 제1 포인트 클라우드 데이터의 정합 결과에 기초하여 상기 건물 외부에 대한 제1 작업 진행률을 산출하고, 상기 제2 설계 도면 데이터와 상기 제2 포인트 클라우드 데이터의 정합 결과에 기초하여 상기 건물 내부에 대한 제2 작업 진행률을 산출하는 단계를 포함할 수 있다.
다양한 실시예에서, 상기 수집된 센서 데이터는, 라이다 센서를 통해 상기 건설 현장을 스캔함에 따라 수집되는 포인트 클라우드 데이터(Point Cloud Data, PCD)를 포함하며, 상기 작업관리 솔루션을 제공하는 단계는, 상기 수집된 포인트 클라우드 데이터와 상기 설계 도면 데이터를 정합시키는 단계, 상기 수집된 포인트 클라우드 데이터와 상기 설계 도면 데이터의 정합 결과에 기초하여, 상기 건설 현장 내에서의 안전 조치 준수 여부를 판단하는 단계 및 상기 작업관리 솔루션으로서, 상기 판단된 안전 조치 준수 여부에 따른 안전 가이드를 제공하는 단계를 포함할 수 있다.
상술한 과제를 해결하기 위한 본 발명의 다른 실시예에 따른 라이다 센서를 이용한 건설 현장의 작업관리 솔루션 제공장치는 프로세서, 네트워크 인터페이스, 메모리 및 상기 메모리에 로드(load) 되고, 상기 프로세서에 의해 실행되는 컴퓨터 프로그램을 포함하되, 상기 컴퓨터 프로그램은, 건설 현장에 대응하는 센서 데이터를 수집하는 인스트럭션(instruction) 및 상기 수집된 센서 데이터와 상기 건설 현장에 대응하는 설계 도면 데이터를 이용하여 상기 건설 현장에 대한 작업관리 솔루션을 제공하는 인스트럭션을 포함될 수 있다.
상술한 과제를 해결하기 위한 본 발명의 또 다른 실시예에 따른 컴퓨터프로그램은 컴퓨팅 장치와 결합되어, 건설 현장에 대응하는 센서 데이터를 수집하는 단계 및 상기 수집된 센서 데이터와 상기 건설 현장에 대응하는 설계 도면 데이터를 이용하여 상기 건설 현장에 대한 작업관리 솔루션을 제공하는 단계를 포함하는 라이다 센서를 이용한 건설 현장의 작업관리 솔루션 제공방법을 실행시키기 위하여 컴퓨팅 장치로 판독 가능한 기록매체에 저장될 수 있다.
본 발명의 기타 구체적인 사항들은 상세한 설명 및 도면들에 포함되어 있다.
본 발명의 다양한 실시예에 따르면, 건설 현장에 대한 설계 도면 데이터와 건설 현장으로부터 실시간으로 수집되는 포인트 클라우드 데이터를 이용하여 건설 현장의 현재 작업 진행률을 산출함으로써, 건설 현장에 대한 작업 진행률을 보다 정확하게 산출할 수 있다는 이점이 있다.
또한, 안전 조치와 관련된 정보가 기록된 설계 도면 데이터와 포인트 클라우드 데이터를 이용하여 건설 현장 내에 안전 조치 준수 여부를 판단하고, 이에 따라 안전 가이드를 제공함으로써, 건설 현장 내에서의 사고가 발생되는 것을 방지할 수 있다는 이점이 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 따른 라이다 센서를 이용한 건설 현장의 작업관리 솔루션 제공시스템을 도시한 도면이다.
도 2는 본 발명의 다른 실시예에 따른 라이다 센서를 이용한 건설 현장의 작업관리 솔루션 제공장치의 하드웨어 구성도이다.
도 3은 본 발명의 또 다른 실시예에 따른 라이다 센서를 이용한 건설 현장의 작업관리 솔루션 제공방법의 순서도이다.
도 4는 다양한 실시예에서, 작업관리 솔루션으로서, 작업의 진행률에 관한 정보를 제공하는 방법을 설명하기 위한 순서도이다.
도 5는 다양한 실시예에서, 부피 기반의 공정률 산출 방법을 설명하기 위한 순서도이다.
도 6은 이미지 픽셀 값 기반의 공정률 산출 방법을 설명하기 위한 순서도이다.
도 7은 다양한 실시예에서, 작업관리 솔루션으로서, 안전 가이드를 제공하는 방법을 설명하기 위한 순서도이다.
도 8 내지 도 19는 다양한 실시예에서, 라이다 센서를 이용한 건설 현장의 작업관리 솔루션 제공장치가 제공하는 사용자 인터페이스(User Interface, UI)를 도시한 도면이다.
도 2는 본 발명의 다른 실시예에 따른 라이다 센서를 이용한 건설 현장의 작업관리 솔루션 제공장치의 하드웨어 구성도이다.
도 3은 본 발명의 또 다른 실시예에 따른 라이다 센서를 이용한 건설 현장의 작업관리 솔루션 제공방법의 순서도이다.
도 4는 다양한 실시예에서, 작업관리 솔루션으로서, 작업의 진행률에 관한 정보를 제공하는 방법을 설명하기 위한 순서도이다.
도 5는 다양한 실시예에서, 부피 기반의 공정률 산출 방법을 설명하기 위한 순서도이다.
도 6은 이미지 픽셀 값 기반의 공정률 산출 방법을 설명하기 위한 순서도이다.
도 7은 다양한 실시예에서, 작업관리 솔루션으로서, 안전 가이드를 제공하는 방법을 설명하기 위한 순서도이다.
도 8 내지 도 19는 다양한 실시예에서, 라이다 센서를 이용한 건설 현장의 작업관리 솔루션 제공장치가 제공하는 사용자 인터페이스(User Interface, UI)를 도시한 도면이다.
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.
명세서에서 사용되는 "부" 또는 “모듈”이라는 용어는 소프트웨어, FPGA 또는 ASIC과 같은 하드웨어 구성요소를 의미하며, "부" 또는 “모듈”은 어떤 역할들을 수행한다. 그렇지만 "부" 또는 “모듈”은 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. "부" 또는 “모듈”은 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 "부" 또는 “모듈”은 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로 코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 및 변수들을 포함한다. 구성요소들과 "부" 또는 “모듈”들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 "부" 또는 “모듈”들로 결합되거나 추가적인 구성요소들과 "부" 또는 “모듈”들로 더 분리될 수 있다.
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 동작시 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.
본 명세서에서, 컴퓨터는 적어도 하나의 프로세서를 포함하는 모든 종류의 하드웨어 장치를 의미하는 것이고, 실시 예에 따라 해당 하드웨어 장치에서 동작하는 소프트웨어적 구성도 포괄하는 의미로서 이해될 수 있다. 예를 들어, 컴퓨터는 스마트폰, 태블릿 PC, 데스크톱, 노트북 및 각 장치에서 구동되는 사용자 클라이언트 및 애플리케이션을 모두 포함하는 의미로서 이해될 수 있으며, 또한 이에 제한되는 것은 아니다.
이하, 첨부된 도면을 참조하여 본 발명의 실시예를 상세하게 설명한다.
본 명세서에서 설명되는 각 단계들은 컴퓨터에 의하여 수행되는 것으로 설명되나, 각 단계의 주체는 이에 제한되는 것은 아니며, 실시 예에 따라 각 단계들의 적어도 일부가 서로 다른 장치에서 수행될 수도 있다.
도 1은 본 발명의 일 실시예에 따른 라이다 센서를 이용한 건설 현장의 작업관리 솔루션 제공시스템을 도시한 도면이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 라이다 센서를 이용한 건설 현장의 작업관리 솔루션 제공시스템은 작업관리 솔루션 제공장치(100), 사용자 단말(200), 외부 서버(300) 및 네트워크(400)를 포함할 수 있다.
여기서, 도 1에 도시된 라이다 센서를 이용한 건설 현장의 작업관리 솔루션 제공시스템은 일 실시예에 따른 것이고, 그 구성 요소가 도 1에 도시된 실시예에 한정되는 것은 아니며, 필요에 따라 부가, 변경 또는 삭제될 수 있다.
일 실시예에서, 작업관리 솔루션 제공장치(100)(이하, "컴퓨팅 장치(100)")는 건설 현장에 대한 작업관리 솔루션을 제공할 수 있다.
다양한 실시예에서, 컴퓨팅 장치(100)는 건설 현장에 대한 작업 진행률을 산출하고, 건설 현장에 대한 작업관리 솔루션으로서, 건설 현장의 작업 진행률에 관한 정보를 제공할 수 있다.
다양한 실시예에서, 컴퓨팅 장치(100)는 건설 현장에 대한 안전 조치 준수 여부를 판단할 수 있고, 건설 현장에 대한 작업관리 솔루션으로서, 건설 현장의 안전 조치 여부에 따른 안전 가이드를 제공할 수 있다.
다양한 실시예에서, 컴퓨팅 장치(100)는 네트워크(400)를 통해 사용자 단말(200)과 연결될 수 있으며, 사용자 단말(200)로 라이다 센서를 이용한 건설 현장의 작업관리 솔루션을 제공할 수 있다.
여기서, 사용자 단말(200)은 휴대성과 이동성이 보장되는 무선 통신 장치로서, 내비게이션, PCS(Personal Communication System), GSM(Global System for Mobile communications), PDC(Personal Digital Cellular), PHS(Personal Handyphone System), PDA(Personal Digital Assistant), IMT(International Mobile Telecommunication)-2000, CDMA(Code Division Multiple Access)-2000, W-CDMA(W-Code Division Multiple Access), Wibro(Wireless Broadband Internet) 단말, 스마트폰(Smartphone), 스마트 패드(Smartpad), 태블릿 PC(Tablet PC) 등과 같은 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치를 포함할 수 있으나, 이에 한정되지 않는다.
또한, 여기서, 네트워크(400)는 복수의 단말 및 서버들과 같은 각각의 노드 상호 간에 정보 교환이 가능한 연결 구조를 의미할 수 있다. 예를 들어, 네트워크(400)는 근거리 통신망(LAN: Local Area Network), 광역 통신망(WAN: Wide Area Network), 인터넷(WWW: World Wide Web), 유무선 데이터 통신망, 전화망, 유무선 텔레비전 통신망 등을 포함할 수 있다.
또한, 여기서, 무선 데이터 통신망은 3G, 4G, 5G, 3GPP(3rd Generation Partnership Project), 5GPP(5th Generation Partnership Project), LTE(Long Term Evolution), WIMAX(World Interoperability for Microwave Access), 와이파이(Wi-Fi), 인터넷(Internet), LAN(Local Area Network), Wireless LAN(Wireless Local Area Network), WAN(Wide Area Network), PAN(Personal Area Network), RF(Radio Frequency), 블루투스(Bluetooth) 네트워크, NFC(Near-Field Communication) 네트워크, 위성 방송 네트워크, 아날로그 방송 네트워크, DMB(Digital Multimedia Broadcasting) 네트워크 등을 포함할 수 있으나, 이에 한정되지는 않는다.
일 실시예에서, 외부 서버(300)는 네트워크(400)를 통해 컴퓨팅 장치(100)와 연결될 수 있으며, 컴퓨팅 장치(100)가 라이다 센서를 이용한 건설 현장의 작업관리 솔루션 제공방법을 제공하기 위해 필요한 각종 정보 및 데이터(예컨대, 건설 현장에 대한 설계 도면 데이터)를 저장 및 관리하거나, 컴퓨팅 장치(100)가 라이다 센서를 이용한 건설 현장의 작업관리 솔루션 제공방법을 수행함에 따라 생성되는 각종 정보 및 데이터(예컨대, 건설 현장에 대한 작업관리 솔루션)를 제공받아 저장 및 관리할 수 있다.
다양한 실시예에서, 외부 서버(300)는 컴퓨팅 장치(100)의 외부에 별도로 구비되는 저장 서버일 수 있으나, 이에 한정되지 않는다. 이하, 도 2를 참조하여, 라이다 센서를 이용한 건설 현장의 작업관리 솔루션 제공방법을 수행하는 컴퓨팅 장치(100)의 하드웨어 구성에 대해 설명하도록 한다.
도 2는 본 발명의 다른 실시예에 따른 라이다 센서를 이용한 건설 현장의 작업관리 솔루션 제공장치의 하드웨어 구성도이다.
도 2를 참조하면, 다양한 실시예에서, 컴퓨팅 장치(100)는 하나 이상의 프로세서(110), 프로세서(110)에 의하여 수행되는 컴퓨터 프로그램(151)을 로드(Load)하는 메모리(120), 버스(130), 통신 인터페이스(140) 및 컴퓨터 프로그램(151)을 저장하는 스토리지(150)를 포함할 수 있다. 여기서, 도 2에는 본 발명의 실시예와 관련 있는 구성요소들만 도시되어 있다. 따라서, 본 발명이 속한 기술분야의 통상의 기술자라면 도 2에 도시된 구성요소들 외에 다른 범용적인 구성 요소들이 더 포함될 수 있음을 알 수 있다.
프로세서(110)는 컴퓨팅 장치(100)의 각 구성의 전반적인 동작을 제어한다. 프로세서(110)는 CPU(Central Processing Unit), MPU(Micro Processor Unit), MCU(Micro Controller Unit), GPU(Graphic Processing Unit) 또는 본 발명의 기술 분야에 잘 알려진 임의의 형태의 프로세서를 포함하여 구성될 수 있다.
또한, 프로세서(110)는 본 발명의 실시예들에 따른 방법을 실행하기 위한 적어도 하나의 애플리케이션 또는 프로그램에 대한 연산을 수행할 수 있으며, 컴퓨팅 장치(100)는 하나 이상의 프로세서를 구비할 수 있다.
다양한 실시예에서, 프로세서(110)는 프로세서(110) 내부에서 처리되는 신호(또는, 데이터)를 일시적 및/또는 영구적으로 저장하는 램(RAM: Random Access Memory, 미도시) 및 롬(ROM: Read-Only Memory, 미도시)을 더 포함할 수 있다. 또한, 프로세서(110)는 그래픽 처리부, 램 및 롬 중 적어도 하나를 포함하는 시스템온칩(SoC: system on chip) 형태로 구현될 수 있다.
메모리(120)는 각종 데이터, 명령 및/또는 정보를 저장한다. 메모리(120)는 본 발명의 다양한 실시예에 따른 방법/동작을 실행하기 위하여 스토리지(150)로부터 컴퓨터 프로그램(151)을 로드할 수 있다. 메모리(120)에 컴퓨터 프로그램(151)이 로드되면, 프로세서(110)는 컴퓨터 프로그램(151)을 구성하는 하나 이상의 인스트럭션들을 실행함으로써 상기 방법/동작을 수행할 수 있다. 메모리(120)는 RAM과 같은 휘발성 메모리로 구현될 수 있을 것이나, 본 개시의 기술적 범위가 이에 한정되는 것은 아니다.
버스(130)는 컴퓨팅 장치(100)의 구성 요소 간 통신 기능을 제공한다. 버스(130)는 주소 버스(address Bus), 데이터 버스(Data Bus) 및 제어 버스(Control Bus) 등 다양한 형태의 버스로 구현될 수 있다.
통신 인터페이스(140)는 컴퓨팅 장치(100)의 유무선 인터넷 통신을 지원한다. 또한, 통신 인터페이스(140)는 인터넷 통신 외의 다양한 통신 방식을 지원할 수도 있다. 이를 위해, 통신 인터페이스(140)는 본 발명의 기술 분야에 잘 알려진 통신 모듈을 포함하여 구성될 수 있다. 몇몇 실시예에서, 통신 인터페이스(140)는 생략될 수도 있다.
스토리지(150)는 컴퓨터 프로그램(151)을 비 임시적으로 저장할 수 있다. 컴퓨팅 장치(100)를 통해 라이다 센서를 이용한 건설 현장의 작업관리 솔루션 제공 프로세스를 수행하는 경우, 스토리지(150)는 라이다 센서를 이용한 건설 현장의 작업관리 솔루션 제공 프로세스를 제공하기 위하여 필요한 각종 정보를 저장할 수 있다.
스토리지(150)는 ROM(Read Only Memory), EPROM(Erasable Programmable ROM), EEPROM(Electrically Erasable Programmable ROM), 플래시 메모리 등과 같은 비휘발성 메모리, 하드 디스크, 착탈형 디스크, 또는 본 발명이 속하는 기술 분야에서 잘 알려진 임의의 형태의 컴퓨터로 읽을 수 있는 기록 매체를 포함하여 구성될 수 있다.
컴퓨터 프로그램(151)은 메모리(120)에 로드될 때 프로세서(110)로 하여금 본 발명의 다양한 실시예에 따른 방법/동작을 수행하도록 하는 하나 이상의 인스트럭션들을 포함할 수 있다. 즉, 프로세서(110)는 상기 하나 이상의 인스트럭션들을 실행함으로써, 본 발명의 다양한 실시예에 따른 상기 방법/동작을 수행할 수 있다.
일 실시예에서, 컴퓨터 프로그램(151)은 건설 현장에 대응하는 센서 데이터를 수집하는 단계 및 상기 수집된 센서 데이터와 상기 건설 현장에 대응하는 설계 도면 데이터를 이용하여 상기 건설 현장에 대한 작업관리 솔루션을 제공하는 단계를 포함하는 라이다 센서를 이용한 건설 현장의 작업관리 솔루션 제공방법을 수행하도록 하는 하나 이상의 인스트럭션을 포함할 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.
본 발명의 구성 요소들은 하드웨어인 컴퓨터와 결합되어 실행되기 위해 프로그램(또는 애플리케이션)으로 구현되어 매체에 저장될 수 있다. 본 발명의 구성 요소들은 소프트웨어 프로그래밍 또는 소프트웨어 요소들로 실행될 수 있으며, 이와 유사하게, 실시 예는 데이터 구조, 프로세스들, 루틴들 또는 다른 프로그래밍 구성들의 조합으로 구현되는 다양한 알고리즘을 포함하여, C, C++, 자바(Java), 어셈블러(assembler) 등과 같은 프로그래밍 또는 스크립팅 언어로 구현될 수 있다. 기능적인 측면들은 하나 이상의 프로세서들에서 실행되는 알고리즘으로 구현될 수 있다. 이하, 도 3 내지 도 7을 참조하여, 컴퓨팅 장치(100)에 의해 수행되는 라이다 센서를 이용한 건설 현장의 작업관리 솔루션 제공방법에 대해 설명하도록 한다.
도 3은 본 발명의 또 다른 실시예에 따른 라이다 센서를 이용한 건설 현장의 작업관리 솔루션 제공방법의 순서도이다.
도 3을 참조하면, S110 단계에서, 컴퓨팅 장치(100)는 건설 현장에 대응하는 센서 데이터를 수집할 수 있다.
여기서, 센서 데이터는, 라이다 센서를 이용하여 건설 현장을 스캔함에 따라 생성되는 포인트 클라우드 데이터(Point Cloud Data, PCD) 및 카메라 센서를 통해 건설 현장을 촬영함에 따라 생성되는 이미지 데이터(Image Data)를 포함할 수 있으나, 이에 한정되지 않는다.
또한, 여기서, 건설 현장은 복수의 층을 포함하는 건물의 건축 현상을 의미하는 것일 수 있으나, 이에 한정되지 않는다.
또한, 여기서, 포인트 클라우드 데이터를 생성하는 라이다 센서(Lidar)는 건설 현장 내의 고정된 위치에 설치되는 형태로 구현될 수 있으나, 이에 한정되지 않고, 건설 현장 내에서 작업을 수행하는 작업자의 신체 적어도 일부분에 착용되는 형태로 구비되거나, 건설 현장 내에 배치되며, 건설 현장 내부를 주행하는 이동식 장치에 설치 또는 내장되는 형태로 구현될 수 있다.
또한, 여기서, 건설 현장에 대응하는 포인트 클라우드 데이터는 라이다 센서를 이용하여 수집되는 것으로 설명하고 있으나, 이에 한정되지 않고, 레이더 센서(Radar), 심도 카메라 센서(Depth camera) 등과 같이 3차원 포인트 클라우드 형태의 센서 데이터를 수집하는 어떠한 센서든 적용이 가능하다.
S120 단계에서, 컴퓨팅 장치(100)는 S110 단계를 거쳐 수집된 포인트 클라우드와 건설 현장에 대응하는 설계 도면 데이터를 이용하여 건설 현장에 대한 작업관리 솔루션을 제공할 수 있다.
여기서, 건설 현장에 대한 설계 도면 데이터는, 건설하고자 하는 건물의 설계 도면으로서, 예컨대, 도 7에 도시된 바와 같이, 디지털 방식으로 건물의 가상 모델을 설계한 데이터인 BIM(Building Information Modeling) 데이터를 의미할 수 있으나, 이에 한정되지 않는다.
다양한 실시예에서, 컴퓨팅 장치(100)는 포인트 클라우드와 건설 현장에 대응하는 설계 도면 데이터를 이용하여, 작업관리 솔루션으로서, 건설 현장에 대한 작업 진행률에 관한 정보를 제공하거나, 건설 현장에 대한 안전 가이드를 제공할 수 있다. 이하, 도 4 내지 5을 참조하여, 보다 구체적으로 설명하도록 한다.
도 4는 다양한 실시예에서, 작업관리 솔루션으로서, 작업의 진행률에 관한 정보를 제공하는 방법을 설명하기 위한 순서도이다.
도 4를 참조하면, 다양한 실시예에서, 컴퓨팅 장치(100)는 포인트 클라우드와 건설 현장에 대응하는 설계 도면 데이터를 이용하여, 작업관리 솔루션으로서, 건설 현장에 대한 작업 진행률(또는 작업 공정률)에 관한 정보를 제공할 수 있다.
S210 단계에서, 컴퓨팅 장치(100)는 건설 현장을 스캔함에 따라 수집된 포인트 클라우드 데이터와 건설 현장에 대한 설계 도면 데이터를 정합시킬 수 있다.
다양한 실시예에서, 컴퓨팅 장치(100)는 좌표를 기반으로 포인트 클라우드 데이터와 설계 도면 데이터를 정합시킬 수 있다.
일례로, 컴퓨팅 장치(100)는 포인트 클라우드 데이터와 설계 도면 데이터의 특징점을 이용하여 포인트 클라우드 데이터와 설계 도면 데이터를 정합시킬 수 있다.
보다 구체적으로, 먼저, 컴퓨팅 장치(100)는 설계 도면 데이터를 분석함으로써 설계 도면 데이터로부터 복수의 제1 특징점을 추출할 수 있고, 포인트 클라우드 데이터를 분석함으로써 포인트 클라우드 데이터로부터 복수의 제2 특징점을 추출할 수 있다.
여기서, 복수의 제1 특징점 및 복수의 제2 특징점은 설계 도면 데이터와 포인트 클라우드 데이터를 정합시키기 위한 키 포인트(key point)로서, 예컨대, 건설 현장의 모서리 부분이나 코너 부분을 의미할 수 있으나, 이에 한정되지 않는다.
다양한 실시예에서, 컴퓨팅 장치(100)는 기 학습된 제1 인공지능 모델을 통해 설계 도면 데이터 및 포인트 클라우드 데이터를 분석함으로써, 복수의 제1 특징점 및 복수의 제2 특징점을 추출할 수 있다.
여기서, 기 학습된 제1 인공지능 모델은 복수의 특징점에 관한 정보가 레이블링(Labeling)된 설계 도면 데이터 및 포인트 클라우드 데이터를 학습데이터로 하여 학습된 모델로서, 설계 도면 데이터 또는 포인트 클라우드 데이터를 입력받아 설계 도면 데이터 또는 포인트 클라우드 데이터로부터 복수의 특징점을 추출하는 모델일 수 있다.
제1 인공지능 모델(예: 신경망)은 하나 이상의 네트워크 함수로 구성되며, 하나 이상의 네트워크 함수는 일반적으로 ‘노드’라 지칭될 수 있는 상호 연결된 계산 단위들의 집합으로 구성될 수 있다. 이러한 ‘노드’들은 ‘뉴런(neuron)’들로 지칭될 수도 있다. 하나 이상의 네트워크 함수는 적어도 하나 이상의 노드들을 포함하여 구성된다. 하나 이상의 네트워크 함수를 구성하는 노드(또는 뉴런)들은 하나 이상의 ‘링크’에 의해 상호 연결될 수 있다.
제1 인공지능 모델 내에서, 링크를 통해 연결된 하나 이상의 노드들은 상대적으로 입력 노드 및 출력 노드의 관계를 형성할 수 있다. 입력 노드 및 출력 노드의 개념은 상대적인 것으로서, 하나의 노드에 대하여 출력 노드 관계에 있는 임의의 노드는 다른 노드와의 관계에서 입력 노드 관계에 있을 수 있으며, 그 역도 성립할 수 있다. 전술한 바와 같이, 입력 노드 대 출력 노드 관계는 링크를 중심으로 생성될 수 있다. 하나의 입력 노드에 하나 이상의 출력 노드가 링크를 통해 연결될 수 있으며, 그 역도 성립할 수 있다.
하나의 링크를 통해 연결된 입력 노드 및 출력 노드 관계에서, 출력 노드는 입력 노드에 입력된 데이터에 기초하여 그 값이 결정될 수 있다. 여기서 입력 노드와 출력 노드를 상호 연결하는 노드는 가중치(weight)를 가질 수 있다. 가중치는 가변적일 수 있으며, 제1 인공지능 모델이 원하는 기능을 수행하기 위해, 사용자 또는 알고리즘에 의해 가변될 수 있다. 예를 들어, 하나의 출력 노드에 하나 이상의 입력 노드가 각각의 링크에 의해 상호 연결된 경우, 출력 노드는 상기 출력 노드와 연결된 입력 노드들에 입력된 값들 및 각각의 입력 노드들에 대응하는 링크에 설정된 가중치에 기초하여 출력 노드 값을 결정할 수 있다.
전술한 바와 같이, 제1 인공지능 모델은 하나 이상의 노드들이 하나 이상의 링크를 통해 상호연결 되어 제1 인공지능 모델 내에서 입력 노드 및 출력 노드 관계를 형성한다. 제1 인공지능 모델 내에서 노드들과 링크들의 개수 및 노드들과 링크들 사이의 연관관계, 링크들 각각에 부여된 가중치의 값에 따라, 제1 인공지능 모델의 특성이 결정될 수 있다. 예를 들어, 동일한 개수의 노드 및 링크들이 존재하고, 링크들 사이의 가중치 값이 상이한 두 제1 인공지능 모델이 존재하는 경우, 두 개의 제1 인공지능 모델들은 서로 상이한 것으로 인식될 수 있다.
제1 인공지능 모델을 구성하는 노드들 중 일부는, 최초 입력 노드로부터의 거리들에 기초하여, 하나의 레이어(layer)를 구성할 수 있다. 예를 들어, 최초 입력 노드로부터 거리가 n인 노드들의 집합은, n 레이어를 구성할 수 있다. 최초 입력 노드로부터 거리는, 최초 입력 노드로부터 해당 노드까지 도달하기 위해 거쳐야 하는 링크들의 최소 개수에 의해 정의될 수 있다. 그러나, 이러한 레이어의 정의는 설명을 위한 임의적인 것으로서, 제1 인공지능 모델 내에서 레이어의 차수는 전술한 것과 상이한 방법으로 정의될 수 있다. 예를 들어, 노드들의 레이어는 최종 출력 노드로부터 거리에 의해 정의될 수도 있다.
최초 입력 노드는 제1 인공지능 모델 내의 노드들 중 다른 노드들과의 관계에서 링크를 거치지 않고 데이터가 직접 입력되는 하나 이상의 노드들을 의미할 수 있다. 또는, 제1 인공지능 모델 네트워크 내에서, 링크를 기준으로 한 노드 간의 관계에 있어서, 링크로 연결된 다른 입력 노드들 가지지 않는 노드들을 의미할 수 있다. 이와 유사하게, 최종 출력 노드는 제1 인공지능 모델 내의 노드들 중 다른 노드들과의 관계에서, 출력 노드를 가지지 않는 하나 이상의 노드들을 의미할 수 있다. 또한, 히든 노드는 최초 입력 노드 및 최후 출력 노드가 아닌 제1 인공지능 모델을 구성하는 노드들을 의미할 수 있다. 본 발명의 일 실시예에 따른 제1 인공지능 모델은 입력 레이어의 노드가 출력 레이어에 가까운 히든 레이어의 노드보다 많을 수 있으며, 입력 레이어에서 히든 레이어로 진행됨에 따라 노드의 수가 감소하는 형태의 제1 인공지능 모델일 수 있다.
제1 인공지능 모델은 하나 이상의 히든 레이어를 포함할 수 있다. 히든 레이어의 히든 노드는 이전의 레이어의 출력과 주변 히든 노드의 출력을 입력으로 할 수 있다. 각 히든 레이어 별 히든 노드의 수는 동일할 수도 있고 상이할 수도 있다. 입력 레이어의 노드의 수는 입력 데이터의 데이터 필드의 수에 기초하여 결정될 수 있으며 히든 노드의 수와 동일할 수도 있고 상이할 수도 있다. 입력 레이어에 입력된 입력 데이터는 히든 레이어의 히든 노드에 의하여 연산될 수 있고 출력 레이어인 완전 연결 레이어(FCL: fully connected layer)에 의해 출력될 수 있다.
다양한 실시예에서, 제1 인공지능 모델은 딥러닝(Deep learning) 모델일 수 있다.
딥러닝 모델(예: 딥 뉴럴 네트워크(DNN: deep neural network, 심층신경망)는 입력 레이어와 출력 레이어 외에 복수의 히든 레이어를 포함하는 제1 인공지능 모델을 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), 오토 인코더(auto encoder), GAN(Generative Adversarial Networks), 제한 볼츠만 머신(RBM: restricted boltzmann machine), 심층 신뢰 네트워크(DBN: deep belief network), Q 네트워크, U 네트워크, 샴 네트워크 등을 포함할 수 있으나, 이에 한정되지 않는다.
다양한 실시예에서, 네트워크 함수는 오토 인코더를 포함할 수도 있다. 여기서, 오토 인코더는 입력 데이터와 유사한 출력 데이터를 출력하기 위한 인공 신경망의 일종일 수 있다.
오토 인코더는 적어도 하나의 히든 레이어를 포함할 수 있으며, 홀수 개의 히든 레이어가 입출력 레이어 사이에 배치될 수 있다. 각각의 레이어의 노드의 수는 입력 레이어의 노드의 수에서 병목 레이어(인코딩)라는 중간 레이어로 축소되었다가, 병목 레이어에서 출력 레이어(입력 레이어와 대칭)로 축소와 대칭되어 확장될 수도 있다. 차원 감소 레이어와 차원 복원 레이어의 노드는 대칭일 수도 있고 아닐 수도 있다. 또한, 오토 인코더는 비선형 차원 감소를 수행할 수 있다. 입력 레이어 및 출력 레이어의 수는 입력 데이터의 전처리 이후에 남은 센서들의 수와 대응될 수 있다. 오토 인코더 구조에서 인코더에 포함된 히든 레이어의 노드의 수는 입력 레이어에서 멀어질수록 감소하는 구조를 가질 수 있다. 병목 레이어(인코더와 디코더 사이에 위치하는 가장 적은 노드를 가진 레이어)의 노드의 수는 너무 작은 경우 충분한 양의 정보가 전달되지 않을 수 있으므로, 특정 수 이상(예를 들어, 입력 레이어의 절반 이상 등)으로 유지될 수도 있다.
뉴럴 네트워크는 교사 학습(supervised learning), 비교사 학습(unsupervised learning), 및 반교사학습(semi supervised learning) 중 적어도 하나의 방식으로 학습될 수 있다. 뉴럴 네트워크의 학습은 출력의 오류를 최소화하기 위한 것이다. 보다 구체적으로, 뉴럴 네트워크의 학습은 반복적으로 학습 데이터를 뉴럴 네트워크에 입력시키고 학습 데이터에 대한 뉴럴 네트워크의 출력과 타겟의 에러를 계산하고, 에러를 줄이기 위한 방향으로 뉴럴 네트워크의 에러를 뉴럴 네트워크의 출력 레이어에서부터 입력 레이어 방향으로 역전파(backpropagation)하여 뉴럴 네트워크의 각 노드의 가중치를 업데이트 하는 과정이다.
먼저, 교사 학습의 경우 각각의 학습 데이터에 정답이 레이블링 되어있는 학습 데이터를 사용하며(즉, 레이블링된 학습 데이터), 비교사 학습의 경우는 각각의 학습 데이터에 정답이 레이블링 되어 있지 않을 수 있다. 즉, 예를 들어 데이터 분류에 관한 교사 학습의 경우의 학습 데이터는 학습 데이터 각각에 카테고리가 레이블링 된 데이터 일 수 있다. 레이블링된 학습 데이터가 뉴럴 네트워크에 입력되고, 뉴럴 네트워크의 출력(카테고리)과 학습 데이터의 레이블을 비교함으로써 오류(error)가 계산될 수 있다.
다음으로, 데이터 분류에 관한 비교사 학습의 경우 입력인 학습 데이터가 뉴럴 네트워크 출력과 비교됨으로써 오류가 계산될 수 있다. 계산된 오류는 뉴럴 네트워크에서 역방향(즉, 출력 레이어에서 입력 레이어 방향)으로 역전파 되며, 역전파에 따라 뉴럴 네트워크의 각 레이어의 각 노드들의 연결 가중치가 업데이트 될 수 있다. 업데이트 되는 각 노드의 연결 가중치는 학습률(learning rate)에 따라 변화량이 결정될 수 있다. 입력 데이터에 대한 뉴럴 네트워크의 계산과 에러의 역전파는 학습 사이클(epoch)을 구성할 수 있다. 학습률은 뉴럴 네트워크의 학습 사이클의 반복 횟수에 따라 상이하게 적용될 수 있다. 예를 들어, 뉴럴 네트워크의 학습 초기에는 높은 학습률을 사용하여 뉴럴 네트워크가 빠르게 일정 수준의 성능을 확보하도록 하여 효율성을 높이고, 학습 후기에는 낮은 학습률을 사용하여 정확도를 높일 수 있다.
뉴럴 네트워크의 학습에서 일반적으로 학습 데이터는 실제 데이터(즉, 학습된 뉴럴 네트워크를 이용하여 처리하고자 하는 데이터)의 부분집합일 수 있으며, 따라서, 학습 데이터에 대한 오류는 감소하나 실제 데이터에 대해서는 오류가 증가하는 학습 사이클이 존재할 수 있다. 과적합(overfitting)은 이와 같이 학습 데이터에 과하게 학습하여 실제 데이터에 대한 오류가 증가하는 현상이다. 예를 들어, 노란색 고양이를 보여 고양이를 학습한 뉴럴 네트워크가 노란색 이외의 고양이를 보고는 고양이임을 인식하지 못하는 현상이 과적합의 일종일 수 있다. 과적합은 머신러닝 알고리즘의 오류를 증가시키는 원인으로 작용할 수 있다. 이러한 과적합을 막기 위하여 다양한 최적화 방법이 사용될 수 있다. 과적합을 막기 위해서는 학습 데이터를 증가시키거나, 레귤라이제이션(regularization), 학습의 과정에서 네트워크의 노드 일부를 생략하는 드롭아웃(dropout) 등의 방법이 적용될 수 있다.
이후, 컴퓨팅 장치(100)는 복수의 제1 특징점과 복수의 제2 특징점 각각을 매칭함에 따라 설계 도면 데이터와 포인트 클라우드 데이터를 정합시킬 수 있다. 예컨대, 컴퓨팅 장치(100)는 제1 특징점의 좌표값과 제1 특징점에 대응하는 제2 특징점의 좌표값을 일치시킴으로써, 설계 도면 데이터와 포인트 클라우드 데이터를 정합시킬 수 있다.
이때, 컴퓨팅 장치(100)는 설계 도면 데이터와 포인트 클라우드 데이터의 보다 정확한 정합을 위한 목적으로, 3개 이상의 제1 특징점과 3개 이상의 제2 특징점을 매칭시킬 수 있으나, 이에 한정되지 않는다.
다른 예로, 컴퓨팅 장치(100)는 기준 객체를 이용하여 포인트 클라우드 데이터와 설계 도면 데이터를 정합시킬 수 있다.
보다 구체적으로, 먼저, 컴퓨팅 장치(100)는 설계 도면 데이터를 분석함으로써 식별된 복수의 제1 객체 중 적어도 하나의 제1 객체를 기준 객체로 선택할 수 있고, 포인트 클라우드 데이터를 분석함으로써 식별된 복수의 제2 객체 중 적어도 하나의 제2 객체를 기준 객체로 선택할 수 있다.
다양한 실시예에서, 컴퓨팅 장치(100)는 기 학습된 제2 인공지능 모델을 통해 설계 도면 데이터 및 포인트 클라우드 데이터를 분석함으로써, 설계 도면 데이터에 포함된 복수의 제1 객체와 포인트 클라우드 데이터에 포함된 복수의 제2 객체를 식별할 수 있고, 기 설정된 기준에 따라 복수의 제1 객체 중 적어도 하나의 제1 객체와 복수의 제2 객체 중 적어도 하나의 제2 객체를 기준 객체로 선택할 수 있다.
여기서, 기 학습된 제2 인공지능 모델은 복수의 객체에 관한 정보가 레이블링된 설계 도면 데이터 및 포인트 클라우드 데이터를 학습데이터로 하여 학습된 모델로서, 설계 도면 데이터 또는 포인트 클라우드 데이터를 입력받아 설계 도면 데이터 또는 포인트 클라우드 데이터로부터 복수의 객체를 식별하는 객체 식별 모델과 사전에 정의된 룰(if-then)에 따라 복수의 객체 중 기 설정된 기준에 부합하는 적어도 하나의 객체를 기준 객체로 선택하는 룰 베이스 모델을 포함하는 형태로 구현될 수 있으나, 이에 한정되지 않는다.
다양한 실시예에서, 컴퓨팅 장치(100)는 설계 도면 데이터에 포함된 복수의 제1 객체 중 포인트 클라우드 데이터를 수집한 위치를 기준으로 포인트 클라우드 데이터를 수집한 방향으로 최단 거리에 위치하는 제1 객체를 기준 객체로 선택할 수 있고, 포인트 클라우드 데이터에 포함된 복수의 제2 객체 중 포인트 클라우드 데이터를 수집한 위치를 기준으로 포인트 클라우드 데이터를 수집한 방향으로 최단 거리에 위치하는 제2 객체를 기준 객체로 선택할 수 있다.
다양한 실시예에서, 포인트 클라우드 데이터와 설계 도면 데이터의 정합을 위해, 건설 현장 내에는 사전에 데이터 정합을 위한 기준이 되는 대상이 설치될 수 있으며, 설계 도면 데이터를 분석함에 따라 식별된 복수의 제1 객체 중 건설 현장 내에 기 설치된 대상에 대응하는 제1 객체를 기준 객체로 선택할 수 있고, 포인트 클라우드 데이터를 분석함에 따라 식별된 복수의 제2 객체 중 건설 현장 내에 기 설치된 대상에 대응하는 제2 객체를 기준 객체로 선택할 수 있다.
다양한 실시예에서, 포인트 클라우드 데이터와 설계 도면 데이터의 정합을 위해, 건설 현장 내에 배치되는 복수의 객체 중 어느 하나의 객체를 기준 객체로 사전에 정의될 수 있으며, 설계 도면 데이터를 분석함에 따라 식별된 복수의 제1 객체 중 사전에 기준 객체로 정의된 어느 하나의 객체에 대응하는 제1 객체를 선택할 수 있고, 포인트 클라우드 데이터를 분석함에 따라 식별된 복수의 제2 객체 중 사전에 기준 객체로 정의된 어느 하나의 객체에 대응하는 제2 객체를 선택할 수 있다.
다양한 실시예에서, 컴퓨팅 장치(100)는 설계 도면 데이터로부터 선택된 적어도 하나의 제1 객체와 포인트 클라우드 데이터로부터 선택된 적어도 하나의 제2 객체가 동일한 객체를 가리키는 것인지 여부를 검증할 수 있다.
예컨대, 컴퓨팅 장치(100)는 설계 도면 데이터로부터 선택된 적어도 하나의 제1 객체의 속성(예컨대, 적어도 하나의 제1 객체에 대한 종류, 크기 및 형태 등)과 포인트 클라우드 데이터로부터 선택된 적어도 하나의 제2 객체의 속성(예컨대, 적어도 하나의 제2 객체에 대한 종류, 크기 및 형태 등)를 비교함에 따라 적어도 하나의 제1 객체와 적어도 하나의 제2 객체 간의 유사도를 산출할 수 있고, 산출된 유사도가 기준 유사도 이상인 경우, 적어도 하나의 제2 객체와 적어도 하나의 제1 객체가 동일한 객체를 가리키는 것으로 판단할 수 있다.
이후, 컴퓨팅 장치(100)는 설계 도면 데이터로부터 선택된 적어도 하나의 제1 객체에 대응하는 좌표값과 포인트 클라우드 데이터로부터 선택된 적어도 하나의 제2 객체에 대응하는 좌표값을 매칭함에 따라, 설계 도면 데이터와 포인트 클라우드 데이터를 정합시킬 수 있다. 예컨대, 컴퓨팅 장치(100)는 적어도 하나의 제1 객체의 중심 좌표값과 적어도 하나의 제2 객체의 중심 좌표값을 일치시킴으로써, 설계 도면 데이터와 포인트 클라우드 데이터를 정합시킬 수 있으나, 이에 한정되지 않는다.
다양한 실시예에서, 컴퓨팅 장치(100)는 사용자의 수동 입력를 기반으로 포인트 클라우드 데이터와 설계 도면 데이터를 정합시킬 수 있다. 예컨대, 컴퓨팅 장치(100)는 사용자 단말(200)로 설계 도면 데이터 및 포인트 클라우드 데이터를 출력하는 UI를 제공할 수 있고, UI를 통해 설계 도면 데이터 및 포인트 클라우드 데이터 중 적어도 하나를 이동시키거나 회전시키는 보정을 가리키는 사용자 입력을 획득할 수 있으며, 획득한 사용자 입력에 따라 설계 도면 데이터 및 포인트 클라우드 데이터 중 적어도 하나를 보정함으로써, 설계 도면 데이터 및 포인트 클라우드 데이터를 정합시킬 수 있다.
다양한 실시예에서, 컴퓨팅 장치(100)는 기 설정된 분류 기준에 따라 설계 도면 데이터를 분할함에 따라 복수의 설계 도면 레이어를 생성할 수 있고, 포인트 클라우드 데이터와 복수의 설계 도면 레이어 각각을 정합시킬 수 있다.
여기서, 기 설정된 분류 기준은 작업의 종류, 작업의 결과물(예컨대, 작업을 수행함에 따라 생성되는 아이템으로, 구조 기둥, 구조 기초, 구조 보 시스템, 구조 프레임, 기계 장비, 기둥, 난간 및 덕트 등) 및 작업 공간의 속성(예컨대, 작업 공간의 층수 등) 중 적어도 하나를 포함할 수 있으나, 이에 한정되지 않는다.
예컨대, 컴퓨팅 장치(100)는 건설 현장 내에서 수행되는 작업의 결과물이 구조 프레임, 기둥 및 난간을 포함하는 경우, 설계 도면 데이터를 분할함으로써 구조 프레임 설계 도면 레이어, 기둥 설계 도면 레이어 및 난간 설계 도면 레이어를 생성할 수 있고, 포인트 클라우드 데이터와 구조 프레임 설계 도면 레이어, 기둥 설계 도면 레이어 및 난간 설계 도면 레이어 각각을 정합시킬 수 있다.
이때, 컴퓨팅 장치(100)는 설계 도면 데이터와 마찬가지로, 기 설정된 분류 기준에 따라 포인트 클라우드를 분할함에 따라 복수의 단위 포인트 클라우드를 생성할 수 있고, 복수의 단위 포인트 클라우드와 복수의 설계 도면 레이어 각각을 정합시킬 수 있다. 예컨대, 컴퓨팅 장치(100)는 건설 현장 내에서 수행되는 작업의 결과물이 기둥을 포함하는 경우, 포인트 클라우드 데이터를 분석하여 기둥을 식별할 수 있고, 기둥에 대응하는 포인트만을 추출함으로써 기둥에 대응하는 단위 포인트 클라우드 데이터를 생성할 수 있으며, 기둥에 대응하는 단위 포인트 클라우드와 기둥 설계 도면 레이어를 정합시킬 수 있다. 또한, 컴퓨팅 장치(100)는 건설 현장 내에서 수행되는 작업의 결과물이 난간을 포함하는 경우, 포인트 클라우드 데이터를 분석하여 난간을 식별할 수 있고, 난간에 대응하는 포인트만을 추출함으로써 난간에 대응하는 단위 포인트 클라우드 데이터를 생성할 수 있으며, 난간에 대응하는 단위 포인트 클라우드와 난간 설계 도면 레이어를 정합시킬 수 있다.
다양한 실시예에서, 컴퓨팅 장치(100)는 포인트 클라우드 데이터를 분석하여 식별된 복수의 객체 중 건설 현장 내에서 작업을 수행함에 따라 생성되는 작업의 결과물과 관련되지 않은 적어도 하나의 객체를 선택하여 필터링할 수 있고, 적어도 하나의 객체 즉, 작업을 수행한 결과와 관련되지 않은 객체가 필터링된 포인트 클라우드 데이터와 설계 도면 데이터를 정합시킬 수 있다. 예컨대, 컴퓨팅 장치(100)는 포인트 클라우드 데이터를 분석하여 복수의 객체를 식별할 수 있고, 복수의 객체 중 작업의 결과물과 관련되지 않은 적어도 하나의 객체(예컨대, 사용 대기중인 자재, 쓰레기, 작업자, 작업자의 물품 및 도구 등)을 필터링하여 설계 도면 데이터와 정합시킬 수 있다.
다양한 실시예에서, 컴퓨팅 장치(100)는 설계 도면 데이터가 건물의 외부 설계를 위한 제1 설계 도면 데이터 및 건물의 내부 설계를 위한 제2 설계 도면 데이터를 포함하고, 포인트 클라우드 데이터가 건물의 외부를 스캔함에 따라 수집된 제1 포인트 클라우드 데이터 및 건물의 내부를 스캔함에 따라 수집된 제2 포인트 클라우드 데이터를 포함하는 경우, 건물의 외부 작업 진행률 산출을 위해 제1 설계 도면 데이터와 제1 포인트 클라우드 데이터를 정합시킬 수 있고, 건물의 내부 작업 진행률 산출을 위해 제2 설계 도면 데이터와 제2 포인트 클라우드 데이터를 정합시킬 수 있다.
S220 단계에서, 컴퓨팅 장치(100)는 S210 단계를 거쳐 수행된 포인트 클라우드와 설계 도면 데이터의 정합 결과에 기초하여, 건설 현장에 대한 작업 진행률을 산출할 수 있다.
다양한 실시예에서, 컴퓨팅 장치(100)는 포인트 클라우드 데이터와 설계 도면 데이터의 정합 결과에 기초하여, 설계 도면 데이터에 포함된 객체에 대응하는 제1 영역에 대한 부피 값 대비 제1 영역 내에서 포인트 클라우드 데이터에 포함된 포인트들이 차지하고 있는 제2 영역에 대한 제2 부피 값의 비율을 작업 진행률로 산출할 수 있다.
여기서, 객체는 건설 현장 내에서 작업을 수행함에 따라 생성되는 작업의 결과물로서, 예컨대 구조 기둥, 구조 기초, 구조 보 시스템, 구조 프레임, 기계 장비, 기둥, 난간 및 덕트 등을 포함할 수 있으나, 이에 한정되지 않는다. 이하, 도 5를 참조하여, 부피를 기반으로 공정률을 산출하는 보다 구체적인 방법에 대해 설명하도록 한다.
도 5는 다양한 실시예에서, 부피 기반의 공정률 산출 방법을 설명하기 위한 순서도이다.
도 5를 참조하면, S310 단계에서, 컴퓨팅 장치(100)는 정합된 데이터(예컨대, 포인트 클라우드 데이터와 설계 도면 데이터를 정합함에 따라 생성되는 데이터)를 분석하여 공정률을 산출하고자 하는 대상이 되는 객체를 선택하고, 선택된 객체에 대응하는 영역을 추출할 수 있다. 예컨대, 컴퓨팅 장치(100)는 파이프라인에 대한 공정률을 산출하고자 하는 경우, 정합된 데이터로부터 파이프라인에 대응하는 영역만을 추출할 수 있다. 그러나, 이에 한정되지 않는다.
S320 단계에서, 컴퓨팅 장치(100)는 S310 단계를 거쳐 추출된 객체에 대응하는 영역을 분할하여 복수의 단위 영역을 생성할 수 있다. 예컨대, 컴퓨팅 장치(100)는 S310 단계를 거쳐 추출된 객체에 대응하는 영역이 10m 파이프라인 인 경우, 10m 파이프라인을 10개로 분할하여 10개의 단위 영역을 생성할 수 있다. 여기서, 특정 객체에 대응하는 영역을 분할하는 개수는 설명의 편의를 위해 10개인 것으로 설명하고 있으나, 이에 한정되지 않는다.
S330 단계에서, 컴퓨팅 장치(100)는 S330 단계를 거쳐 생성된 복수의 단위 영역 각각에 대하여, 부피를 기반으로 시공 완료 여부를 판단할 수 있다.
예컨대, 컴퓨팅 장치(100)는 복수의 단위 영역 각각에 대하여, 포인트 클라우드 데이터의 포인트들이 포함되어 있는지 여부 및 복수의 단위 영역 각각에 포함된 포인트들의 부피를 판단함으로써, 복수의 단위 영역 각각에 대한 시공 완료 여부를 판단할 수 있다. 일례로, 컴퓨팅 장치(100)는 특정 단위 영역 내에 포인트들이 포함되어 있고, 특정 단위 영역 내에 포함된 포인트들의 부피와 특정 단위 영역의 부피가 기 설정된 오차범위 이내인 경우, 특정 단위 영역에 대한 시공이 완료된 것으로 판단할 수 있으나, 이에 한정되지 않는다.
S340 단계에서, 컴퓨팅 장치(100)는 S330 단계를 거쳐 판단된 복수의 단위 영역 각각의 시공 완료 여부에 기초하여 특정 객체에 대한 공정률을 판단할 수 있다. 예컨대, 컴퓨팅 장치(100)는 하나의 파이프라인에 대응하는 영역을 10개로 분할함에 따라 생성된 10개의 단위 영역 중 3개의 단위 영역에 대해 시공이 완료된 것으로 판단되는 경우, 파이프라인에 대한 공정률을 30%로 산출할 수 있다.
다시 도 4를 참조하면, 다양한 실시예에서, 컴퓨팅 장치(100)는 특정 작업의 결과물에 대하여, 서로 다른 시점에 수집된 포인트 클라우드와 설계 도면 데이터를 정합한 결과에 기초하여 산출된 작업 진행률이 동일할 경우, 특정 작업의 결과물에 대한 색상 변화량에 기초하여 특정 작업의 결과물에 대한 작업 진행률 변동량을 산출할 수 있다.
예컨대, 컴퓨팅 장치(100)는 제1 시점에서 수집된 포인트 클라우드 데이터와 설계 도면 데이터의 정합 결과에 기초하여 산출된 제1 비율(특정 작업의 결과물에 대한 부피 값 비율)과 제1 시점 이후의 제2 시점에 수집된 포인트 클라우드 데이터와 설계 도면 데이터의 정합 결과에 기초하여 산출된 제2 비율(특정 작업의 결과물에 대한 부피 값 비율)이 동일한 경우, 제1 시점에 카메라 센서를 통해 건설 현장을 촬영함에 따라 수집된 이미지 데이터와 제2 시점에 카메라 센서를 통해 건설 현장을 촬영함에 따라 수집된 이미지 데이터를 비교하여 제1 영역에 대한 색상 변화량을 산출하고, 산출된 색상 변화량에 기초하여 특정 작업의 결과물에 대한 작업 진행률 변동량을 산출할 수 있다. 이하, 도 6을 참조하여, 이미지 픽셀 값을 기반으로 공정률을 산출하는 보다 구체적인 방법에 대해 설명하도록 한다.
도 6은 이미지 픽셀 값 기반의 공정률 산출 방법을 설명하기 위한 순서도이다.
도 6을 참조하면, S410 단계에서, 컴퓨팅 장치(100)는 정합된 데이터(예컨대, 포인트 클라우드 데이터와 설계 도면 데이터를 정합함에 따라 생성되는 데이터)를 분석하여 공정률을 산출하고자 하는 대상이 되는 객체를 선택하고, 선택된 객체에 대응하는 영역을 추출할 수 있다. 예컨대, 컴퓨팅 장치(100)는 특정 벽면에 대한 공정률을 산출하고자 하는 경우, 정합된 데이터로부터 특정 벽면에 대응하는 영역만을 추출할 수 있다. 그러나, 이에 한정되지 않는다.
S420 단계에서, 컴퓨팅 장치(100)는 S410 단계를 거쳐 추출된 특정 객체에 대응하는 영역을 픽셀화 함으로써 특정 객체에 대응하는 영역에 대한 2차원 이미지를 생성할 수 있다. 예컨대, 컴퓨팅 장치(100)는 특정 객체에 대응하는 영역에 포함된 포인트들의 RGB 값을 이용하여, 특정 객체에 대응하는 영역을 특정 시점을 기준으로 사전에 정해진 크기로 픽셀화함으로써, 특정 객체에 대응하는 영역을 특정 시점에 대한 2차원 이미지로 변환할 수 있다.
S430 단계에서, 컴퓨팅 장치(100)는 S420 단계를 거쳐 생성된 2차원 이미지와 기준 이미지 간의 픽셀 값을 비교함으로써, 유사도를 산출할 수 있으며, 산출된 유사도를 특정 객체에 대한 공정률로 산출할 수 있다. 예컨대, 컴퓨팅 장치(100)는 특정 객체에 대하여 생성된 2차원 이미지와 기준 이미지 간의 유사도가 50%인 경우, 특정 객체에 대한 공정률을 50%로 산출할 수 있다.
여기서, 기준 이미지는 시공이 완료된 특정 객체에 대한 특정 시점의 이미지를 의미할 수 있으나, 이에 한정되지 않는다.
여기서, 컴퓨팅 장치(100)가 특정 객체에 대한 2차원 이미지와 기준 이미지 간의 픽셀 값 비교를 통해 특정 객체에 대한 공정률을 산출하는 것으로 설명하고 있으나, 이에 한정되지 않고, 컴퓨팅 장치(100)는 특정 객체에 대한 2차원 이미지의 속성(예컨대, 재질)과 기준 이미지의 속성 간의 유사도 비교를 통해 특정 객체에 대한 공정률을 산출할 수 있다.
또한, 여기서, 컴퓨팅 장치(100)가 특정 객체에 대한 2차원 이미지와 기준 이미지 간의 픽셀 값 비교를 통해 특정 객체에 대한 공정률을 산출하는 것으로 설명하고 있으나, 이에 한정되지 않고, 특정 객체에 대한 2차원 이미지와 기준 이미지를 함께 출력하는 사용자 인터페이스를 사용자에게 제공함으로써, 사용자가 직접 육안으로 공정률을 확인할 수 있는 환경을 구축할 수 있다.
다시 도 4를 참조하면, 다양한 실시예에서, 컴퓨팅 장치(100)는 복수의 포인트 클라우드 데이터와 복수의 설계 도면 레이어 각각을 정합한 결과에 기초하여, 작업의 결과물별 작업 진행률을 개별적으로 산출할 수 있고, 작업의 결과물별 작업 진행률을 합산함으로써, 건설 현장에 대한 최종적인 작업 진행률을 산출할 수 있다.
예컨대, 컴퓨팅 장치(100)는 기둥에 대응하는 단위 포인트 클라우드 데이터와 기둥 설계 도면 레이어를 정합한 결과에 기초하여 기둥 설치 작업에 대한 작업 진행률을 산출할 수 있고, 창문에 대응하는 단위 포인트 클라우드 데이터와 창문 설계 도면 레이어를 정합한 결과에 기초하여 창문 설치 작업에 대한 작업 진행률을 산출할 수 있으며, 벽에 대응하는 단위 포인트 클라우드 데이터와 벽 설계 도면 레이어를 정합한 결과에 기초하여 벽 설치 작업에 대한 작업 진행률을 산출할 수 있다. 이후, 컴퓨팅 장치(100)는 기둥 설치 작업에 대한 작업 진행률, 창문 설치 작업에 대한 작업 진행률 및 벽 설치 작업에 대한 작업 진행률을 합산하여 작업 현장에 대한 최종적인 작업 진행률을 산출할 수 있다. 그러나, 이에 한정되지 않는다.
다양한 실시예에서, 컴퓨팅 장치(100)는 제1 설계 도면 데이터와 제1 포인트 클라우드 데이터의 정합 결과에 기초하여 건물 외부에 대한 제1 작업 진행률을 산출할 수 있고, 제2 설계 도면 데이터와 제2 포인트 클라우드 데이터의 정합 결과에 기초하여 건물 내부에 대한 제2 작업 진행률을 산출할 수 있다.
S230 단계에서, 컴퓨팅 장치(100)는 작업관리 솔루션으로서, S220 단계를 거쳐 산출된 작업 진행률에 관한 정보를 제공할 수 있다.
다양한 실시예에서, 컴퓨팅 장치(100)는 네트워크(400)를 통해 사용자 단말(200)과 연결될 수 있으며, 사용자 단말(200)로 UI를 제공할 수 있고, UI를 통해 사용자로부터 작업 진행률 제공 요청을 획득함에 따라 건설 현장에 대한 작업 진행률과 관련된 정보를 제공할 수 있다.
여기서, 건설 현장에 대한 작업 진행률과 관련된 정보는, 복수의 작업에 관한 정보, 복수의 작업 각각의 작업 진행률, 건설 현장에 대한 최종 작업 진행률을 포함할 수 있으나, 이에 한정되지 않는다.
도 7은 다양한 실시예에서, 작업관리 솔루션으로서, 안전 가이드를 제공하는 방법을 설명하기 위한 순서도이다.
도 7을 참조하면, 다양한 실시예에서, 컴퓨팅 장치(100)는 포인트 클라우드와 건설 현장에 대응하는 설계 도면 데이터를 이용하여, 작업관리 솔루션으로서, 건설 현장에 대한 안전 가이드를 제공할 수 있다.
S510 단계에서, 컴퓨팅 장치(100)는 건설 현장을 스캔함에 따라 수집된 포인트 클라우드 데이터와 건설 현장에 대한 설계 도면 데이터를 정합시킬 수 있다.
여기서, 포인트 클라우드 데이터와 설계 도면 데이터를 정합시키는 방법은 도 4의 S210 단계를 거쳐 수행되는 포인트 클라우드 데이터와 설계 도면 데이터의 정합 방법과 동일 또는 유사한 형태로 구현될 수 있으나, 이에 한정되지 않는다.
여기서, 포인트 클라우드 데이터와의 정합을 통해 안전 조치 준수 여부를 판단하기 위한 목적으로, 건설 현장에 대한 설계 도면 데이터에는 사전에 안전 조치 준수에 관련된 정보가 기록될 수 있다. 여기서, 안전 조치 준수에 관련된 정보는 안전 조치가 필요한 위치와 안전 조치의 종류에 관한 정보 예컨대, 안전 펜스 설치 위치에 관한 정보를 포함할 수 있으나, 이에 한정되지 않는다.
S520 단계에서, 컴퓨팅 장치(100)는 S510 단계를 거쳐 포인트 클라우드 데이터와 설계 도면 데이터의 정합 결과에 기초하여, 건설 현장에 대한 안전 조치 준수 여부를 판단할 수 있다.
다양한 실시예에서, 컴퓨팅 장치(100)는 설계 도면 데이터 상의 특정 위치에 안전 펜스를 설치할 것이 기록되어 있는 경우, 설계 도면 데이터와 포인트 클라우드 데이터의 정합 결과에 기초하여 특정 위치에 안전 펜스가 설치되어 있는지 여부를 판단함으로써, 건설 현장에 대한 안전 조치 준수 여부를 판단할 수 있다.
S530 단계에서, 컴퓨팅 장치(100)는 S520 단계를 거쳐 판단된 안전 조치 준수 여부에 기초하여, 작업관리 솔루션으로서, 안전 가이드 정보를 제공할 수 있다.
다양한 실시예에서, 컴퓨팅 장치(100)는 특정 위치에 안전 펜스가 설치되어 있지 않은 것으로 판단되는 경우, 특정 위치에 안전 펜스를 설치할 것을 안내하는 안내 메시지와 안전 펜스의 설치 방법에 관한 정보를 포함하는 안전 가이드를 제공할 수 있다.
전술한 라이다 센서를 이용한 건설 현장의 작업관리 솔루션 제공방법은 도면에 도시된 순서도를 참조하여 설명하였다. 간단한 설명을 위해 라이다 센서를 이용한 건설 현장의 작업관리 솔루션 제공방법은 일련의 블록들로 도시하여 설명하였으나, 본 발명은 상기 블록들의 순서에 한정되지 않고, 몇몇 블록들은 본 명세서에 도시되고 시술된 것과 상이한 순서로 수행되거나 또는 동시에 수행될 수 있다. 또한, 본 명세서 및 도면에 기재되지 않은 새로운 블록이 추가되거나, 일부 블록이 삭제 또는 변경된 상태로 수행될 수 있다. 이하, 도 8 내지 도 19를 참조하여, 컴퓨팅 장치(100)가 제공하는 UI에 대해 설명하도록 한다.
도 8 내지 도 19는 다양한 실시예에서, 라이다 센서를 이용한 건설 현장의 작업관리 솔루션 제공장치가 제공하는 사용자 인터페이스(User Interface, UI)를 도시한 도면이다.
먼저, 도 8 내지 도 12를 참조하면, 본 발명의 다양한 실시예에 따른 라이다 센서를 이용한 건설 현장의 작업관리 솔루션 제공방법을 제공하는 컴퓨팅 장치(100)는 건설 현장에 대한 설계 도면 데이터를 출력하는 UI를 제공할 수 있다.
컴퓨팅 장치(100)가 제공하는 UI는 사용자로부터 건설 현장에 대한 설계 도면 데이터인 빔(BIM) 데이터를 업로드 받거나, 빔 데이터를 생성할 수 있는 환경을 제공할 수 있으며, 업로드된 빔 데이터 또는 생성된 빔 데이터를 출력하는 빔 데이터 뷰어 기능을 제공할 수 있다.
또한, 컴퓨팅 장치(100)가 제공하는 UI는 설계 도면 데이터의 가공 기능을 제공할 수 있으며, 설계 도면 데이터의 가공 기능을 통해 복수의 설계 도면 레이어를 생성할 수 있다. 예컨대, 설계 도면 데이터의 가공 기능을 통해, 건물에 층수에 따라 설계 도면 데이터를 분류 가공함으로써 복수의 층 각각에 대응하는 설계 도면 레이어를 생성하거나, 작업의 결과물(아이템(예: 천장, 바닥, 파이프, 기둥, 설비 등))에 따라 설계 도면 데이터를 분류 가공함으로써, 복수의 아이템 각각에 대응하는 설계 도면 레이어를 생성할 수 있다.
또한, 컴퓨팅 장치(100)가 제공하는 UI는 상술된 방법에 따라 생성된 복수의 설계 도면 레이어를 분류 기준에 따라 그룹화하거나 필터링하여 출력할 수 있다.
또한, 컴퓨팅 장치(100)가 제공하는 UI는 다양한 포맷의 설계 도면 데이터를 처리 및 출력할 수 있는 환경을 제공할 수 있다.
다음으로, 도 13 및 도 14를 참조하면, 본 발명의 다양한 실시예에 따른 라이다 센서를 이용한 건설 현장의 작업관리 솔루션 제공방법을 제공하는 컴퓨팅 장치(100)는 포인트 클라우드 데이터의 경량화 및 데이터 연동 기능을 포함하는 UI를 제공할 수 있다.
컴퓨팅 장치(100)가 제공하는 포인트 클라우드 데이터의 경량화 및 데이터 연동 기능은 일간 특정 기간 동안의 포인트 클라우드 데이터 업데이트를 자동적으로 수행할 수 있는 기능을 포함할 수 있으며, 일간 특정 기간 동안의 포인트 클라우드 데이터 업데이트를 자동적으로 수행할 수 있는 기능을 통해 특정 시점에 특정 위치에서 수집된 포인트 클라우드 데이터와 이미지 데이터를 전체 맵에 정합할 수 있고, 데이터가 갱신된 영역에 대한 작업 진행률을 산출하여 자동으로 업데이트할 수 있다.
또한, 컴퓨팅 장치(100)가 제공하는 포인트 클라우드 데이터의 경량화 및 데이터 연동 기능은 포인트 클라우드 정합 기능을 포함할 수 있으며, 포인트 클라우드 정합 기능을 통해, 서로 다른 위치에 배치된 복수의 라이다 센서를 통해 수집된 복수의 포인트 클라우드를 정합하여 제공할 수 있다.
다음으로, 도 15 내지 도 18을 참조하면, 본 발명의 다양한 실시예에 따른 라이다 센서를 이용한 건설 현장의 작업관리 솔루션 제공방법을 제공하는 컴퓨팅 장치(100)는 설계 도면 데이터와 포인트 클라우드 데이터의 정합 결과를 출력하는 UI를 제공할 수 있다.
컴퓨팅 장치(100)가 제공하는 UI는 건설 현장에 대한 설계 도면 데이터와 포인트 클라우드 데이터(및/또는 이미지 데이터)를 좌표 기반으로 정합하거나, 사용자 입력에 따라 수동 정합할 수 있고, 정합의 결과를 출력할 수 있다.
다음으로, 도 19를 참조하면, 본 발명의 다양한 실시예에 따른 라이다 센서를 이용한 건설 현장의 작업관리 솔루션 제공방법을 제공하는 컴퓨팅 장치(100)는 작업관리 솔루션을 출력하는 UI를 제공할 수 있다.
예컨대, 작업의 결과물별로 분류된 복수의 설계 도면 레이어와 포인트 클라우드 데이터를 정합한 결과에 기초하여, 특정 지오펜스 영역(작업의 결과물에 대응하는 영역) 내에서 포인트 클라우드 데이터를 인식할 수 있는 기능을 통해, 부피를 연산함으로써, 작업 진행률을 산출할 수 있고, UI를 통해, 산출된 작업 진행률을 출력할 수 있다.
또한, 상술된 방법에 따라 연산된 부피가 동일할 경우 즉, 작업 진행률이 동일할 경우, 이미지 데이터나 포인트 클아우드 데이터의 RGB 값을 통해 색상 변화를 감지하여 작업 진행률의 변동량을 산출하는 기능을 제공할 수 있다.
이 밖에도, 본 발명의 다양한 실시예에 따른 라이다 센서를 이용한 건설 현장의 작업관리 솔루션 제공방법을 제공하는 컴퓨팅 장치(100)는 다양한 공정관리 데이터를 외부에 데이타로 추출할 수 있는 기능(예컨대, excel, csv 등)을 제공할 수 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 : 작업관리 솔루션 제공장치(컴퓨팅 장치)
200 : 사용자 단말
300 : 외부 서버
400 : 네트워크
200 : 사용자 단말
300 : 외부 서버
400 : 네트워크
Claims (12)
- 컴퓨팅 장치에 의해 수행되는 방법에 있어서,
건설 현장에 대응하는 센서 데이터를 수집하는 단계; 및
상기 수집된 센서 데이터 - 상기 수집된 센서 데이터는 라이다 센서를 통해 상기 건설 현장을 스캔함에 따라 수집되는 포인트 클라우드 데이터(Point Cloud Data, PCD)를 포함함 - 와 상기 건설 현장에 대응하는 설계 도면 데이터를 이용하여 상기 건설 현장에 대한 작업관리 솔루션을 제공하는 단계를 포함하며,
상기 작업관리 솔루션을 제공하는 단계는,
상기 수집된 포인트 클라우드 데이터와 상기 설계 도면 데이터를 정합시키는 단계;
상기 수집된 포인트 클라우드 데이터와 상기 설계 도면 데이터의 정합 결과에 기초하여, 상기 건설 현장에 대한 작업 진행률을 산출하는 단계; 및
상기 작업관리 솔루션으로서, 상기 산출된 작업 진행률에 관한 정보를 제공하는 단계를 포함하고,
상기 정합시키는 단계는,
기 설정된 분류 기준 - 상기 기 설정된 분류 기준은 작업의 종류, 작업의 결과물, 작업 공간의 속성 중 적어도 하나를 포함함 - 에 기초하여 상기 설계 도면 데이터를 분할함에 따라 복수의 설계 도면 레이어를 생성하는 단계; 및
상기 수집된 포인트 클라우드 데이터와 상기 복수의 설계 도면 레이어 각각을 정합시키는 단계를 포함하며,
상기 작업 진행률을 산출하는 단계는,
상기 수집된 포인트 클라우드 데이터와 상기 복수의 설계 도면 레이어 각각의 정합 결과에 기초하여, 상기 기 설정된 분류 기준별 작업 진행률을 개별적으로 산출하는 단계를 포함하고,
상기 정합시키는 단계는,
상기 설계 도면 데이터에 포함된 복수의 제1 객체 중 기준 객체로서, 적어도 하나의 제1 객체를 선택하는 단계;
상기 수집된 포인트 클라우드를 분석하여 복수의 제2 객체를 식별하고 상기 식별된 복수의 제2 객체 중 상기 선택된 적어도 하나의 제1 객체에 대응하는 적어도 하나의 제2 객체를 선택하는 단계; 및
상기 선택된 적어도 하나의 제1 객체에 대응하는 좌표값과 상기 선택된 적어도 하나의 제2 객체에 대응하는 좌표값을 매칭함에 따라 상기 수집된 포인트 클라우드 데이터와 상기 설계 도면 데이터를 정합시키는 단계를 포함하며,
상기 선택된 적어도 하나의 제1 객체에 대응하는 좌표값과 상기 선택된 적어도 하나의 제2 객체에 대응하는 좌표값을 매칭함에 따라 상기 수집된 포인트 클라우드 데이터와 상기 설계 도면 데이터를 정합시키는 단계는,
상기 선택된 적어도 하나의 제1 객체의 속성 - 상기 제1 객체의 종류, 크기 및 형태를 포함함 - 과 상기 선택된 적어도 하나의 제2 객체의 속성을 비교함에 따라 상기 선택된 적어도 하나의 제1 객체와 상기 선택된 적어도 하나의 제2 객체 간의 유사도를 산출하는 단계; 및
상기 산출된 유사도가 기준 유사도 이상인 경우, 상기 선택된 적어도 하나의 제1 객체와 상기 선택된 적어도 하나의 제2 객체가 동일한 객체를 가리키는 것으로 판단하고, 상기 선택된 적어도 하나의 제1 객체와 상기 선택된 적어도 하나의 제2 객체가 동일한 객체인 경우에만 상기 선택된 적어도 하나의 제1 객체에 대응하는 좌표값과 상기 선택된 적어도 하나의 제2 객체에 대응하는 좌표값을 매칭함에 따라 상기 수집된 포인트 클라우드 데이터와 상기 설계 도면 데이터를 정합시키는 단계를 포함하고,
상기 적어도 하나의 제1 객체를 선택하는 단계는,
상기 설계 도면 데이터에 포함된 복수의 제1 객체 중 포인트 클라우드 데이터를 수집한 위치를 기준으로 포인트 클라우드 데이터를 수집한 방향으로 최단 거리에 위치하는 제1 객체를 기준 객체로 선택하는 단계를 포함하고,
상기 적어도 하나의 제2 객체를 선택하는 단계는,
상기 식별된 복수의 제2 객체 중 포인트 클라우드 데이터를 수집한 위치를 기준으로 포인트 클라우드 데이터를 수집한 방향으로 최단 거리에 위치하는 제2 객체를 기준 객체로 선택하는 단계를 포함하며,
상기 작업 진행률을 산출하는 단계는,
상기 수집된 포인트 클라우드 데이터와 상기 설계 도면 데이터를 정합함에 따라 생성되는 데이터로부터 특정 객체에 대응하는 영역을 추출하는 단계;
상기 추출된 영역에 포함된 포인트들의 RGB 값을 이용하여 상기 추출된 영역을 픽셀화함에 따라 상기 추출된 영역에 대응하는 2차원 이미지를 생성하는 단계; 및
상기 생성된 2차원 이미지와 기준 이미지 간의 유사도를 산출하고, 상기 산출된 유사도에 기초하여 상기 특정 객체에 대한 공정률을 산출하는 단계를 더 포함하는,
라이다 센서를 이용한 건설 현장의 작업관리 솔루션 제공방법. - 삭제
- 제1항에 있어서,
상기 정합시키는 단계는,
상기 설계 도면 데이터로부터 복수의 제1 특징점을 추출하는 단계;
상기 수집된 포인트 클라우드 데이터로부터 상기 추출된 복수의 제1 특징점에 대응하는 복수의 제2 특징점을 추출하는 단계; 및
상기 추출된 복수의 제1 특징점과 상기 추출된 제2 특징점을 매칭함에 따라 상기 수집된 포인트 클라우드 데이터와 상기 설계 도면 데이터를 정합시키는 단계를 포함하는,
라이다 센서를 이용한 건설 현장의 작업관리 솔루션 제공방법. - 삭제
- 제1항에 있어서,
상기 작업 진행률을 산출하는 단계는,
상기 수집된 포인트 클라우드 데이터와 상기 설계 도면 데이터의 정합 결과에 기초하여, 상기 건설 현장에 대한 작업 진행률로서, 상기 설계 도면 데이터에 포함된 객체 - 상기 객체는 상기 건설 현장 내에서 작업을 수행함에 따라 생성되는 작업의 결과물임 - 에 대응하는 제1 영역에 대한 부피 값 대비 상기 제1 영역 내에서 상기 수집된 포인트 클라우드 데이터에 포함된 포인트들이 차지하고 있는 제2 영역에 대한 제2 부피 값의 비율을 산출하는 단계를 포함하는,
라이다 센서를 이용한 건설 현장의 작업관리 솔루션 제공방법. - 제5항에 있어서,
상기 수집된 센서 데이터는,
카메라 센서를 통해 상기 건설 현장을 촬영함에 따라 수집되는 이미지 데이터를 포함하며,
상기 비율을 산출하는 단계는,
제1 시점에서 수집된 포인트 클라우드 데이터와 상기 설계 도면 데이터의 정합 결과에 기초하여 산출된 제1 비율과 상기 제1 시점 이후의 제2 시점에 수집된 포인트 클라우드 데이터와 상기 설계 도면 데이터의 정합 결과에 기초하여 산출된 제2 비율이 동일한 경우, 상기 제1 시점에 수집된 이미지 데이터와 상기 제2 시점에 수집된 이미지 데이터를 비교하여 상기 제1 영역에 대한 색상 변화량을 산출하고, 상기 산출된 색상 변화량에 기초하여 상기 객체에 대한 작업 진행률 변동량을 산출하는 단계를 포함하는,
라이다 센서를 이용한 건설 현장의 작업관리 솔루션 제공방법. - 삭제
- 제1항에 있어서,
상기 정합시키는 단계는,
상기 수집된 포인트 클라우드 데이터를 분석하여 복수의 객체를 식별하는 단계;
상기 식별된 복수의 객체 중 상기 건설 현장 내에서 작업을 수행함에 따라 생성되는 작업의 결과물과 관련되지 않은 적어도 하나의 객체를 선택하고, 상기 선택된 적어도 하나의 객체를 필터링하는 단계; 및
상기 적어도 하나의 객체가 필터링된 포인트 클라우드 데이터와 상기 설계 도면 데이터를 정합시키는 단계를 포함하는,
라이다 센서를 이용한 건설 현장의 작업관리 솔루션 제공방법. - 제1항에 있어서,
상기 건설 현장은 건물의 건축 현장이며,
상기 설계 도면 데이터는 상기 건물의 외부 설계를 위한 제1 설계 도면 데이터 및 상기 건물의 내부 설계를 위한 제2 설계 도면 데이터를 포함하고,
상기 수집된 포인트 클라우드 데이터는 상기 건물의 외부를 스캔함에 따라 수집된 제1 포인트 클라우드 데이터 및 상기 건물의 내부를 스캔함에 따라 수집된 제2 포인트 클라우드 데이터를 포함하며,
상기 작업 진행률을 산출하는 단계는,
상기 제1 설계 도면 데이터와 상기 제1 포인트 클라우드 데이터의 정합 결과에 기초하여 상기 건물 외부에 대한 제1 작업 진행률을 산출하고, 상기 제2 설계 도면 데이터와 상기 제2 포인트 클라우드 데이터의 정합 결과에 기초하여 상기 건물 내부에 대한 제2 작업 진행률을 산출하는 단계를 포함하는,
라이다 센서를 이용한 건설 현장의 작업관리 솔루션 제공방법. - 제1항에 있어서,
상기 작업관리 솔루션을 제공하는 단계는,
상기 수집된 포인트 클라우드 데이터와 상기 설계 도면 데이터의 정합 결과에 기초하여, 상기 건설 현장 내에서의 안전 조치 준수 여부를 판단하는 단계; 및
상기 작업관리 솔루션으로서, 상기 판단된 안전 조치 준수 여부에 따른 안전 가이드를 제공하는 단계를 포함하는,
라이다 센서를 이용한 건설 현장의 작업관리 솔루션 제공방법. - 프로세서;
네트워크 인터페이스;
메모리; 및
상기 메모리에 로드(load) 되고, 상기 프로세서에 의해 실행되는 컴퓨터 프로그램을 포함하되,
상기 컴퓨터 프로그램은,
건설 현장에 대응하는 센서 데이터를 수집하는 인스트럭션(instruction); 및
상기 수집된 센서 데이터 - 상기 수집된 센서 데이터는 라이다 센서를 통해 상기 건설 현장을 스캔함에 따라 수집되는 포인트 클라우드 데이터(Point Cloud Data, PCD)를 포함함 - 와 상기 건설 현장에 대응하는 설계 도면 데이터를 이용하여 상기 건설 현장에 대한 작업관리 솔루션을 제공하는 인스트럭션을 포함하며,
상기 작업관리 솔루션을 제공하는 인스트럭션은,
상기 수집된 포인트 클라우드 데이터와 상기 설계 도면 데이터를 정합시키는 인스트럭션;
상기 수집된 포인트 클라우드 데이터와 상기 설계 도면 데이터의 정합 결과에 기초하여, 상기 건설 현장에 대한 작업 진행률을 산출하는 인스트럭션; 및
상기 작업관리 솔루션으로서, 상기 산출된 작업 진행률에 관한 정보를 제공하는 인스트럭션을 포함하고,
상기 정합시키는 인스트럭션은,
기 설정된 분류 기준 - 상기 기 설정된 분류 기준은 작업의 종류, 작업의 결과물, 작업 공간의 속성 중 적어도 하나를 포함함 - 에 기초하여 상기 설계 도면 데이터를 분할함에 따라 복수의 설계 도면 레이어를 생성하는 인스트럭션; 및
상기 수집된 포인트 클라우드 데이터와 상기 복수의 설계 도면 레이어 각각을 정합시키는 인스트럭션을 포함하며,
상기 작업 진행률을 산출하는 인스트럭션은,
상기 수집된 포인트 클라우드 데이터와 상기 복수의 설계 도면 레이어 각각의 정합 결과에 기초하여, 상기 기 설정된 분류 기준별 작업 진행률을 개별적으로 산출하는 인스트럭션을 포함하고,
상기 정합시키는 인스트럭션은,
상기 설계 도면 데이터에 포함된 복수의 제1 객체 중 기준 객체로서, 적어도 하나의 제1 객체를 선택하는 인스트럭션;
상기 수집된 포인트 클라우드를 분석하여 복수의 제2 객체를 식별하고 상기 식별된 복수의 제2 객체 중 상기 선택된 적어도 하나의 제1 객체에 대응하는 적어도 하나의 제2 객체를 선택하는 인스트럭션; 및
상기 선택된 적어도 하나의 제1 객체에 대응하는 좌표값과 상기 선택된 적어도 하나의 제2 객체에 대응하는 좌표값을 매칭함에 따라 상기 수집된 포인트 클라우드 데이터와 상기 설계 도면 데이터를 정합시키는 인스트럭션을 포함하며,
상기 선택된 적어도 하나의 제1 객체에 대응하는 좌표값과 상기 선택된 적어도 하나의 제2 객체에 대응하는 좌표값을 매칭함에 따라 상기 수집된 포인트 클라우드 데이터와 상기 설계 도면 데이터를 정합시키는 인스트럭션은,
상기 선택된 적어도 하나의 제1 객체의 속성 - 상기 제1 객체의 종류, 크기 및 형태를 포함함 - 과 상기 선택된 적어도 하나의 제2 객체의 속성을 비교함에 따라 상기 선택된 적어도 하나의 제1 객체와 상기 선택된 적어도 하나의 제2 객체 간의 유사도를 산출하는 인스트럭션; 및
상기 산출된 유사도가 기준 유사도 이상인 경우, 상기 선택된 적어도 하나의 제1 객체와 상기 선택된 적어도 하나의 제2 객체가 동일한 객체를 가리키는 것으로 판단하고, 상기 선택된 적어도 하나의 제1 객체와 상기 선택된 적어도 하나의 제2 객체가 동일한 객체인 경우에만 상기 선택된 적어도 하나의 제1 객체에 대응하는 좌표값과 상기 선택된 적어도 하나의 제2 객체에 대응하는 좌표값을 매칭함에 따라 상기 수집된 포인트 클라우드 데이터와 상기 설계 도면 데이터를 정합시키는 인스트럭션을 포함하고,
상기 적어도 하나의 제1 객체를 선택하는 인스트럭션은,
상기 설계 도면 데이터에 포함된 복수의 제1 객체 중 포인트 클라우드 데이터를 수집한 위치를 기준으로 포인트 클라우드 데이터를 수집한 방향으로 최단 거리에 위치하는 제1 객체를 기준 객체로 선택하는 인스트럭션을 포함하고,
상기 적어도 하나의 제2 객체를 선택하는 인스트럭션은,
상기 식별된 복수의 제2 객체 중 포인트 클라우드 데이터를 수집한 위치를 기준으로 포인트 클라우드 데이터를 수집한 방향으로 최단 거리에 위치하는 제2 객체를 기준 객체로 선택하는 인스트럭션을 포함하며,
상기 작업 진행률을 산출하는 인스트럭션은,
상기 수집된 포인트 클라우드 데이터와 상기 설계 도면 데이터를 정합함에 따라 생성되는 데이터로부터 특정 객체에 대응하는 영역을 추출하는 인스트럭션;
상기 추출된 영역에 포함된 포인트들의 RGB 값을 이용하여 상기 추출된 영역을 픽셀화함에 따라 상기 추출된 영역에 대응하는 2차원 이미지를 생성하는 인스트럭션; 및
상기 생성된 2차원 이미지와 기준 이미지 간의 유사도를 산출하고, 상기 산출된 유사도에 기초하여 상기 특정 객체에 대한 공정률을 산출하는 인스트럭션을 더 포함하는,
라이다 센서를 이용한 건설 현장의 작업관리 솔루션 제공장치. - 컴퓨팅 장치와 결합되어,
건설 현장에 대응하는 센서 데이터를 수집하는 단계; 및
상기 수집된 센서 데이터 - 상기 수집된 센서 데이터는 라이다 센서를 통해 상기 건설 현장을 스캔함에 따라 수집되는 포인트 클라우드 데이터(Point Cloud Data, PCD)를 포함함 - 와 상기 건설 현장에 대응하는 설계 도면 데이터를 이용하여 상기 건설 현장에 대한 작업관리 솔루션을 제공하는 단계를 포함하며,
상기 작업관리 솔루션을 제공하는 단계는,
상기 수집된 포인트 클라우드 데이터와 상기 설계 도면 데이터를 정합시키는 단계;
상기 수집된 포인트 클라우드 데이터와 상기 설계 도면 데이터의 정합 결과에 기초하여, 상기 건설 현장에 대한 작업 진행률을 산출하는 단계; 및
상기 작업관리 솔루션으로서, 상기 산출된 작업 진행률에 관한 정보를 제공하는 단계를 포함하고,
상기 정합시키는 단계는,
기 설정된 분류 기준 - 상기 기 설정된 분류 기준은 작업의 종류, 작업의 결과물, 작업 공간의 속성 중 적어도 하나를 포함함 - 에 기초하여 상기 설계 도면 데이터를 분할함에 따라 복수의 설계 도면 레이어를 생성하는 단계; 및
상기 수집된 포인트 클라우드 데이터와 상기 복수의 설계 도면 레이어 각각을 정합시키는 단계를 포함하며,
상기 작업 진행률을 산출하는 단계는,
상기 수집된 포인트 클라우드 데이터와 상기 복수의 설계 도면 레이어 각각의 정합 결과에 기초하여, 상기 기 설정된 분류 기준별 작업 진행률을 개별적으로 산출하는 단계를 포함하고,
상기 정합시키는 단계는,
상기 설계 도면 데이터에 포함된 복수의 제1 객체 중 기준 객체로서, 적어도 하나의 제1 객체를 선택하는 단계;
상기 수집된 포인트 클라우드를 분석하여 복수의 제2 객체를 식별하고 상기 식별된 복수의 제2 객체 중 상기 선택된 적어도 하나의 제1 객체에 대응하는 적어도 하나의 제2 객체를 선택하는 단계; 및
상기 선택된 적어도 하나의 제1 객체에 대응하는 좌표값과 상기 선택된 적어도 하나의 제2 객체에 대응하는 좌표값을 매칭함에 따라 상기 수집된 포인트 클라우드 데이터와 상기 설계 도면 데이터를 정합시키는 단계를 포함하며,
상기 선택된 적어도 하나의 제1 객체에 대응하는 좌표값과 상기 선택된 적어도 하나의 제2 객체에 대응하는 좌표값을 매칭함에 따라 상기 수집된 포인트 클라우드 데이터와 상기 설계 도면 데이터를 정합시키는 단계는,
상기 선택된 적어도 하나의 제1 객체의 속성 - 상기 제1 객체의 종류, 크기 및 형태를 포함함 - 과 상기 선택된 적어도 하나의 제2 객체의 속성을 비교함에 따라 상기 선택된 적어도 하나의 제1 객체와 상기 선택된 적어도 하나의 제2 객체 간의 유사도를 산출하는 단계; 및
상기 산출된 유사도가 기준 유사도 이상인 경우, 상기 선택된 적어도 하나의 제1 객체와 상기 선택된 적어도 하나의 제2 객체가 동일한 객체를 가리키는 것으로 판단하고, 상기 선택된 적어도 하나의 제1 객체와 상기 선택된 적어도 하나의 제2 객체가 동일한 객체인 경우에만 상기 선택된 적어도 하나의 제1 객체에 대응하는 좌표값과 상기 선택된 적어도 하나의 제2 객체에 대응하는 좌표값을 매칭함에 따라 상기 수집된 포인트 클라우드 데이터와 상기 설계 도면 데이터를 정합시키는 단계를 포함하고,
상기 적어도 하나의 제1 객체를 선택하는 단계는,
상기 설계 도면 데이터에 포함된 복수의 제1 객체 중 포인트 클라우드 데이터를 수집한 위치를 기준으로 포인트 클라우드 데이터를 수집한 방향으로 최단 거리에 위치하는 제1 객체를 기준 객체로 선택하는 단계를 포함하고,
상기 적어도 하나의 제2 객체를 선택하는 단계는,
상기 식별된 복수의 제2 객체 중 포인트 클라우드 데이터를 수집한 위치를 기준으로 포인트 클라우드 데이터를 수집한 방향으로 최단 거리에 위치하는 제2 객체를 기준 객체로 선택하는 단계를 포함하며,
상기 작업 진행률을 산출하는 단계는,
상기 수집된 포인트 클라우드 데이터와 상기 설계 도면 데이터를 정합함에 따라 생성되는 데이터로부터 특정 객체에 대응하는 영역을 추출하는 단계;
상기 추출된 영역에 포함된 포인트들의 RGB 값을 이용하여 상기 추출된 영역을 픽셀화함에 따라 상기 추출된 영역에 대응하는 2차원 이미지를 생성하는 단계; 및
상기 생성된 2차원 이미지와 기준 이미지 간의 유사도를 산출하고, 상기 산출된 유사도에 기초하여 상기 특정 객체에 대한 공정률을 산출하는 단계를 더 포함하는 라이다 센서를 이용한 건설 현장의 작업관리 솔루션 제공방법을 실행시키기 위하여 컴퓨팅 장치로 판독 가능한 기록매체에 저장된, 컴퓨터프로그램.
Priority Applications (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220142654A KR102593827B1 (ko) | 2022-10-31 | 2022-10-31 | 라이다 센서를 이용한 건설 현장의 작업관리 솔루션 제공방법, 장치 및 컴퓨터프로그램 |
| PCT/KR2022/019187 WO2024096186A1 (ko) | 2022-10-31 | 2022-11-30 | 라이다 센서를 이용한 건설 현장의 작업관리 솔루션 제공방법, 장치 및 컴퓨터프로그램 |
| JP2022194749A JP2024066373A (ja) | 2022-10-31 | 2022-12-06 | ライダセンサを利用した建設現場の作業管理ソリューション提供方法、装置およびコンピュータプログラム |
| KR1020230140989A KR20240062968A (ko) | 2022-10-31 | 2023-10-20 | 라이다 센서를 이용한 건설 현장의 작업관리 솔루션 제공방법, 장치 및 컴퓨터프로그램 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220142654A KR102593827B1 (ko) | 2022-10-31 | 2022-10-31 | 라이다 센서를 이용한 건설 현장의 작업관리 솔루션 제공방법, 장치 및 컴퓨터프로그램 |
Related Child Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020230140989A Division KR20240062968A (ko) | 2022-10-31 | 2023-10-20 | 라이다 센서를 이용한 건설 현장의 작업관리 솔루션 제공방법, 장치 및 컴퓨터프로그램 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102593827B1 true KR102593827B1 (ko) | 2023-10-26 |
Family
ID=88508785
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220142654A KR102593827B1 (ko) | 2022-10-31 | 2022-10-31 | 라이다 센서를 이용한 건설 현장의 작업관리 솔루션 제공방법, 장치 및 컴퓨터프로그램 |
| KR1020230140989A KR20240062968A (ko) | 2022-10-31 | 2023-10-20 | 라이다 센서를 이용한 건설 현장의 작업관리 솔루션 제공방법, 장치 및 컴퓨터프로그램 |
Family Applications After (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020230140989A KR20240062968A (ko) | 2022-10-31 | 2023-10-20 | 라이다 센서를 이용한 건설 현장의 작업관리 솔루션 제공방법, 장치 및 컴퓨터프로그램 |
Country Status (3)
| Country | Link |
|---|---|
| JP (1) | JP2024066373A (ko) |
| KR (2) | KR102593827B1 (ko) |
| WO (1) | WO2024096186A1 (ko) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20190051703A (ko) * | 2017-11-07 | 2019-05-15 | 공간정보기술 주식회사 | 스테레오 드론 및 이를 이용하는 무기준점 토공량 산출 방법과 시스템 |
| KR20200056901A (ko) * | 2019-05-30 | 2020-05-25 | (주)엔젤스윙 | 공사일정관리장치 및 방법 |
| KR20200109948A (ko) * | 2019-03-15 | 2020-09-23 | 농업법인회사 (유) 로하스 | 드론을 이용한 건설현장 공정관리 시스템 및 그를 이용한 건설현장 공정관리 방법 |
| KR20220001274A (ko) * | 2020-06-29 | 2022-01-05 | (주)뉴빌리티 | 3d 맵의 변경 구역 업데이트 시스템 및 그 방법 |
| KR20220085142A (ko) * | 2020-12-15 | 2022-06-22 | 주식회사 동우 이앤씨 | 확장현실 기반 지능형 건설현장 관리 지원 시스템 및 방법 |
-
2022
- 2022-10-31 KR KR1020220142654A patent/KR102593827B1/ko active IP Right Grant
- 2022-11-30 WO PCT/KR2022/019187 patent/WO2024096186A1/ko unknown
- 2022-12-06 JP JP2022194749A patent/JP2024066373A/ja active Pending
-
2023
- 2023-10-20 KR KR1020230140989A patent/KR20240062968A/ko unknown
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20190051703A (ko) * | 2017-11-07 | 2019-05-15 | 공간정보기술 주식회사 | 스테레오 드론 및 이를 이용하는 무기준점 토공량 산출 방법과 시스템 |
| KR20200109948A (ko) * | 2019-03-15 | 2020-09-23 | 농업법인회사 (유) 로하스 | 드론을 이용한 건설현장 공정관리 시스템 및 그를 이용한 건설현장 공정관리 방법 |
| KR20200056901A (ko) * | 2019-05-30 | 2020-05-25 | (주)엔젤스윙 | 공사일정관리장치 및 방법 |
| KR20220001274A (ko) * | 2020-06-29 | 2022-01-05 | (주)뉴빌리티 | 3d 맵의 변경 구역 업데이트 시스템 및 그 방법 |
| KR20220085142A (ko) * | 2020-12-15 | 2022-06-22 | 주식회사 동우 이앤씨 | 확장현실 기반 지능형 건설현장 관리 지원 시스템 및 방법 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2024066373A (ja) | 2024-05-15 |
| WO2024096186A1 (ko) | 2024-05-10 |
| KR20240062968A (ko) | 2024-05-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102322644B1 (ko) | 인공지능 모델을 이용한 작업현장 안전 가이드제공 시스템 | |
| CN111291819B (zh) | 图像识别方法、装置、电子设备及存储介质 | |
| KR102313479B1 (ko) | 인공지능 모델을 이용한 안전기준에 따른 가이드 제공 시스템 | |
| KR102382448B1 (ko) | 라이다 기반 객체 탐지를 위한 인공지능 모델의 입력 특징맵 생성방법, 장치 및 컴퓨터프로그램 | |
| CN111428854A (zh) | 一种结构搜索方法及结构搜索装置 | |
| KR20200077942A (ko) | 객체의 미래 움직임 예측을 통한 동영상에서의 객체 추적을 위한 방법 및 시스템 | |
| KR102333428B1 (ko) | 인공지능 모델을 이용한 어군 탐지 방법, 장치 및 컴퓨터프로그램 | |
| KR102593827B1 (ko) | 라이다 센서를 이용한 건설 현장의 작업관리 솔루션 제공방법, 장치 및 컴퓨터프로그램 | |
| KR102659992B1 (ko) | 메시지 분석 기반 요약문 추출 및 이를 통한 프로젝트 일정 등록 및 관리 방법, 서버 및 컴퓨터프로그램 | |
| CN115294337B (zh) | 训练语义分割模型的方法、图像语义分割方法及相关装置 | |
| KR102581969B1 (ko) | 객체 인식률 향상을 위한 라이다 포인트 클라우드의 보간 방법, 장치 및 컴퓨터프로그램 | |
| KR102507906B1 (ko) | 저용량 ndt 지도를 이용한 자율주행 차량의 측위 방법, 장치 및 컴퓨터프로그램 | |
| KR102143031B1 (ko) | 정지 영상에서 객체의 미래 움직임을 예측하는 방법 및 시스템 | |
| KR102606632B1 (ko) | 인공지능 기반 자율주행 차량의 주행 경로 보정방법, 장치 및 컴퓨터프로그램 | |
| KR102671815B1 (ko) | 자율주행을 위한 객체 인지 방법, 장치 및 컴퓨터프로그램 | |
| KR102513365B1 (ko) | 차량의 자율주행을 위한 신호 정보 인지방법, 장치 및 컴퓨터프로그램 | |
| KR20230095162A (ko) | 이미지 데이터 및 라이다 센서 데이터를 이용한 객체의 동선 추적방법, 서버 및 컴퓨터프로그램 | |
| KR20220114779A (ko) | 정형화된 연구 기록 데이터를 이용한 인공지능 모델의 학습 방법 | |
| KR20230095163A (ko) | 라이다 포인트 클라우드 데이터 기반 객체의 동선 추적방법, 서버 및 컴퓨터프로그램 | |
| KR102556544B1 (ko) | 이미지 히스토그램 분석을 통한 인공지능 모델의 인식률 향상 및 인식률이 향상된 인공지능 모델을 이용한 객체 인식 방법, 장치 및 컴퓨터프로그램 | |
| KR102673594B1 (ko) | 인공지능 기반의 콘텐츠 전문 인력 매칭 서비스 제공방법, 장치 및 컴퓨터프로그램 | |
| KR102606630B1 (ko) | 차량 인근의 장애물 예측 및 주행계획 수립을 위한 인공지능 모델을 이용한 점유 격자 지도 생성 방법, 장치 및 컴퓨터프로그램 | |
| KR102470875B1 (ko) | 3d 의료 영상 기반의 목표 영상 생성방법, 장치 및 컴퓨터프로그램 | |
| JP7483236B2 (ja) | ライダポイントクラウド基盤の３ｄジオフェンスを利用した物流管理ソリューション提供方法、装置およびコンピュータプログラム | |
| KR102608777B1 (ko) | 사용자의 프로필 이미지에 대한 자동화된 보정 서비스 제공방법, 장치 및 컴퓨터프로그램 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A107 | Divisional application of patent | ||
| GRNT | Written decision to grant |