KR102611535B1 - 3차원 일체형 모델에서 지형 모델 및 지물 모델을 분리하는 방법 및 이를 수행하는 장치 - Google Patents

3차원 일체형 모델에서 지형 모델 및 지물 모델을 분리하는 방법 및 이를 수행하는 장치 Download PDF

Info

Publication number
KR102611535B1
KR102611535B1 KR1020220077982A KR20220077982A KR102611535B1 KR 102611535 B1 KR102611535 B1 KR 102611535B1 KR 1020220077982 A KR1020220077982 A KR 1020220077982A KR 20220077982 A KR20220077982 A KR 20220077982A KR 102611535 B1 KR102611535 B1 KR 102611535B1
Authority
KR
South Korea
Prior art keywords
information
model
terrain
integrated
separation
Prior art date
Application number
KR1020220077982A
Other languages
English (en)
Other versions
KR20230076731A (ko
Inventor
김혜선
반윤지
Original Assignee
한국전자통신연구원
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 한국전자통신연구원 filed Critical 한국전자통신연구원
Priority to US17/866,710 priority Critical patent/US20230162363A1/en
Publication of KR20230076731A publication Critical patent/KR20230076731A/ko
Application granted granted Critical
Publication of KR102611535B1 publication Critical patent/KR102611535B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/05—Geographic models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • 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
    • G06T7/60—Analysis of geometric attributes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Remote Sensing (AREA)
  • Computer Graphics (AREA)
  • Image Processing (AREA)

Abstract

3차원 일체형 모델에서 지형 모델 및 지물 모델을 분리하는 방법 및 이를 수행하는 장치가 개시된다. 다양한 실시예에 따른 분리 방법은 지형(terrain) 상의 지물(object)을 포함하는 다시점 영상, 상기 다시점 영상이 3차원으로 복원된 일체형 모델의 모델 정보, 및 상기 다시점 영상을 촬영한 촬영 장치의 정보에 기초하여 상기 일체형 모델에 관한 분리 정보를 생성하는 동작과 상기 분리 정보에 기초하여 상기 일체형 모델로부터 지형 모델과 지물 모델을 분리하는 동작을 포함할 수 있다.

Description

3차원 일체형 모델에서 지형 모델 및 지물 모델을 분리하는 방법 및 이를 수행하는 장치{METHOD FOR SEPERATING TERRAIN MODEL AND OBJECT MODEL FROM 3-DIMENSION INTEGRATED MODEL AND DEVICE PERFORMING THE SAME}
본 발명의 다양한 실시예들은 3차원 일체형 모델에서 지형 모델 및 지물 모델을 분리하는 방법 및 이를 수행하는 장치에 관한 것이다.
최근 VR/AR 산업이 활성화되고 디지털 트윈 관련 기술이 각광받으면서, 2차원 영상들을 이용하여 3차원 지형 모델을 자동 복원 생성하는 기술의 필요성이 높아졌다. 3차원 지형 모델 복원 생성 기술은 여러 장의 다시점(mutli-view) 영상을 입력 받아 촬영 카메라의 위치 및 자세 정보를 분석하고, 해당 지형을 실사와 같이 현실감 있는 메쉬·텍스쳐 모델로 생성해내는 기술이다. 그러나, 3차원 지형 모델 자동 복원 생성 기술은 지형과 건물, 나무 등의 지물 구분없이 전체 정보가 일체형의 메쉬로 생성되기 때문에 다양한 어플리케이션에서 활용하기 쉽지 않다.
위에서 설명한 배경기술은 발명자가 본원의 개시 내용을 도출하는 과정에서 보유하거나 습득한 것으로서, 반드시 본 출원 전에 일반 공중에 공개된 공지기술이라고 할 수는 없다.
3차원 지형 모델 자동 복원 생성 기술을 사용하여 복원된 지형과 지형상의 개별 지물들은 각각의 메쉬 모델로 나뉘어져 있어야 가상 환경에서의 사용자 인터랙션과 핸들링이 용이하고, 다양한 어플리케이션에서의 활용도가 높다. 복원된 지형과 지형상의 개별 지물들을 각각의 메쉬 모델로 나누기 위해서는 지형만 자동으로 생성하고 지물 정보는 수작업으로 모델링할 수 있다. 그러나, 수작업 의존도가 높아질수록 비용과 시간이 많이 필요할 뿐만 아니라 현실감이 떨어져서 고품질의 가상 환경 구축에는 적합하지 않은 어려움이 있다. 이에, 복원된 지형 상의 지물을 효율적으로 분리하는 기술이 요구될 수 있다.
다양한 실시예들은 다시점 영상에 기초하여 복원된 3차원 일체형 지형 모델을 지형과 지물로 효율적으로 분리하는 기술을 제공할 수 있다.
다만, 기술적 과제는 상술한 기술적 과제들로 한정되는 것은 아니며, 또 다른 기술적 과제들이 존재할 수 있다.
다양한 실시예에 따른 분리 방법은 지형(terrain) 상의 지물(object)을 포함하는 다시점 영상, 상기 다시점 영상이 3차원으로 복원된 일체형 모델의 모델 정보, 및 상기 다시점 영상을 촬영한 촬영 장치의 정보에 기초하여 상기 일체형 모델에 관한 분리 정보를 생성하는 동작과 상기 분리 정보에 기초하여 상기 일체형 모델로부터 지형 모델과 지물 모델을 분리하는 동작을 포함할 수 있다.
상기 분리 정보는 상기 일체형 모델에서 상기 지형 모델의 영역 및 상기 지물 모델의 영역을 추정하기 위한 제1 정보 및 제2 정보 중 하나 이상에 기초하여 생성되는 것이고, 상기 제1 정보는 상기 모델 정보에 기초하여 생성된 것이고, 상기 제2 정보는 상기 촬영 장치의 정보에 기초하여 생성된 것일 수 있다.
상기 분리 정보는 상기 제1 정보 및 상기 제2 정보를 병합하여 생성된 제3 정보, 또는 상기 제3 정보를 사용자의 입력값을 반영하여 수정한 제4 정보인 것일 수 있다.
상기 분리 정보를 생성하는 동작은 상기 모델 정보에 기초하여 상기 일체형 모델을 높이맵(height map)으로 변환하는 동작과 상기 높이맵에 기초하여 상기 제1 정보를 생성하는 동작을 포함할 수 있다.
상기 분리 정보를 생성하는 동작은 상기 촬영 장치의 정보에 기초하여 상기 일체형 모델을 상기 다시점 영상에 투영(projection)하는 동작, 상기 일체형 모델이 투영된 다시점 영상 내에서 상기 지형 모델 및 상기 지물 모델에 대응하는 위치를 획득하는 동작과 상기 지형 모델 및 상기 지물 모델에 대응하는 위치와, 상기 다시점 영상에서 인식된 지물을 비교하여 상기 제2 정보를 생성하는 동작을 포함할 수 있다.
상기 분리하는 동작은 분리된 지물 모델에 대응하는 분리된 지형 모델 상의 홀(hole)을 채우는 동작과 채워진 홀을 상기 일체형 모델의 직교정사영상과 매핑하는 동작을 포함할 수 있다.
상기 분리하는 동작은 분리된 지물 모델을 평면 단위로 최적화하여 상기 분리된 지물 모델의 평면적인 특성을 복원하는 동작을 포함할 수 있다.
다양한 실시예에 따른 장치는 인스트럭션들을 포함하는 메모리와 상기 메모리와 전기적으로 연결되고, 상기 인스트럭션들을 실행하기 위한 프로세서를 포함하고, 상기 프로세서에 의해 상기 인스트럭션들이 실행될 때, 상기 프로세서는 지형(terrain) 상의 지물(object)을 포함하는 다시점 영상, 상기 다시점 영상이 3차원으로 복원된 일체형 모델의 모델 정보, 및 상기 다시점 영상을 촬영한 촬영 장치의 정보에 기초하여 상기 일체형 모델에 관한 분리 정보를 생성하며, 상기 분리 정보에 기초하여 상기 일체형 모델로부터 지형 모델과 지물 모델을 분리할 수 있다.
상기 분리 정보는 상기 일체형 모델에서 상기 지형 모델의 영역 및 상기 지물 모델의 영역을 추정하기 위한 제1 정보 및 제2 정보 중 하나 이상에 기초하여 생성되는 것이고, 상기 제1 정보는 상기 모델 정보에 기초하여 생성된 것이고, 상기 제2 정보는 상기 촬영 장치의 정보에 기초하여 생성된 것일 수 있다.
상기 분리 정보는 상기 제1 정보 및 상기 제2 정보를 병합하여 생성된 제3 정보, 또는 상기 제3 정보를 사용자의 입력값을 반영하여 수정한 제4 정보인 것일 수 있다.
상기 프로세서는 상기 모델 정보에 기초하여 상기 일체형 모델을 높이맵(height map)으로 변환하며, 상기 높이맵에 기초하여 상기 제1 정보를 생성하는 것일 수 있다.
상기 프로세서는 상기 촬영 장치의 정보에 기초하여 상기 일체형 모델을 상기 다시점 영상에 투영(projection)하고, 상기 일체형 모델이 투영된 다시점 영상 내에서 상기 지형 모델 및 상기 지물 모델에 대응하는 위치를 획득하며, 상기 지형 모델 및 상기 지물 모델에 대응하는 위치와, 상기 다시점 영상에서 인식된 지물을 비교하여 상기 제2 정보를 생성할 수 있다.
상기 프로세서는 분리된 지물 모델에 대응하는 분리된 지형 모델 상의 홀(hole)을 채우고, 채워진 홀을 상기 일체형 모델의 직교정사영상과 매핑할 수 있다.
상기 프로세서는 분리된 지물 모델을 평면 단위로 최적화하여 상기 분리된 지물 모델의 평면적인 특성을 복원할 수 있다.
도 1은 다양한 실시예에 따른 분리 시스템을 설명하기 위한 개략도이다.
도 2은 다양한 실시예에 따른 정보 생성 모듈이 분리 정보를 생성하는 동작을 설명하기 위한 도면이다.
도 3은 다양한 실시예에 따른 제1 정보를 생성하는 동작의 일 예를 설명하기 위한 도면이다.
도 4는 다양한 실시예에 따른 제2 정보를 생성하는 동작의 일 예를 설명하기 위한 도면이다.
도 5는 다양한 실시예에 따른 정보 생성 모듈이 머신 러닝 기술을 이용하여 다시점 영상에서 지물 및 지형을 인식하는 동작을 설명하기 위한 도면이다.
도 6은 다양한 실시예에 따른 정보 생성 모듈의 사용자의 입력값을 반영한 제4 정보를 생성하기 위한 인터페이스의 일 예이다.
도 7은 다양한 실시예에 따른 분리 모듈이 지형 모델 및 지물 모델을 분리하는 동작을 설명하기 위한 도면이다.
도 8은 다양한 실시예에 따른 분리 장치의 다른 예를 나타낸다.
실시예들에 대한 특정한 구조적 또는 기능적 설명들은 단지 예시를 위한 목적으로 개시된 것으로서, 다양한 형태로 변경되어 구현될 수 있다. 따라서, 실제 구현되는 형태는 개시된 특정 실시예로만 한정되는 것이 아니며, 본 명세서의 범위는 실시예들로 설명한 기술적 사상에 포함되는 변경, 균등물, 또는 대체물을 포함한다.
제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이런 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 해석되어야 한다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 설명된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함으로 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 해당 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 갖는 것으로 해석되어야 하며, 본 명세서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 실시예들을 첨부된 도면들을 참조하여 상세하게 설명한다. 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조 부호를 부여하고, 이에 대한 중복되는 설명은 생략하기로 한다.
도 1은 다양한 실시예에 따른 분리 시스템을 설명하기 위한 개략도이다.
도 1을 참조하면, 다양한 실시예에 따르면, 분리 시스템(10)은 다시점 영상을 입력 받아 다시점 영상에 포함된 지형과 지물 각각의 3차원 모델을 생성할 수 있다. 분리 시스템(10)은 1차적으로 지형 모델과 지물 모델이 일체형으로 결합된 모델(예: 일체형 모델)을 생성한 후, 일체형 모델로부터 지형 모델과 지물 모델을 분리할 수 있다. 분리 시스템(10)은 복원 모듈(100) 및 분리 장치(200)를 포함할 수 있다.
다양한 실시예에 따르면, 복원 모듈(100)은 다시점 영상을 3차원의 일체형 모델로 생성(예: 복원)할 수 있다. 복원 모듈(100)은 3차원의 일체형 모델을 생성하는 과정에서 일체형 모델의 모델 정보(예: 메쉬 정보, 텍스처 정보 등)와 다시점 영상을 촬영한 촬영 장치(미도시)의 정보(예: 자세 정보, 위치 정보 등)를 획득할 수 있다.
다양한 실시예에 따르면, 분리 장치(200)는 복원 모듈(100)이 생성(예: 복원)한 일체형 모델의 모델 정보와 다시점 영상을 촬영한 촬영 장치(미도시)의 정보, 및 다시점 영상에 기초하여 일체형 모델로부터 지형(terrain) 모델과 지물(object) 모델을 분리할 수 있다. 분리 장치(200)는 정보 생성 모듈(210) 및 분리 모듈(230)을 포함할 수 있다.
다양한 실시예에 따르면, 정보 생성 모듈(210)은 다시점 영상, 일체형 모델의 모델 정보, 및 촬영 장치(미도시)의 정보에 기초하여 일체형 모델에 관한 분리 정보를 생성할 수 있다. 분리 모듈(230)은 분리 정보에 기초하여 일체형 모델로부터 지형 모델과 지물 모델을 분리할 수 있다. 분리 정보는 일체형 모델에서 지형 모델의 영역 및 지물 모델의 영역을 추정하기 위한 제1 정보 및 제2 정보 중 하나 이상에 기초하여 생성된 것일 수 있다. 예를 들어, 분리 정보는 제1 정보 및 제2 정보를 병합하여 생성된 제3 정보 또는 제3 정보를 사용자의 입력값을 반영하여 수정한 제4 정보일 수 있다. 제1 정보는 모델 정보에 기초하여 생성된 것이고, 제2 정보는 촬영 장치의 정보에 기초하여 생성된 것일 수 있다.
다양한 실시예에 따르면, 분리 장치(200)는 활용성이 낮은 일체형 모델로부터 활용성이 높은 지형 모델 및 지물 모델을 분리해낼 수 있다. 분리 장치(200)는 지형 모델 및 지물 모델을 수작업 의존도가 낮은 방식에 의해 효율적으로 분리하여 생성한 후, 지형 모델 및 지물 모델의 특성에 최적화시켜 제공할 수 있다.
도 2은 다양한 실시예에 따른 정보 생성 모듈이 분리 정보를 생성하는 동작을 설명하기 위한 도면이다.
동작 211 내지 동작 213은 정보 생성 모듈(210)이 일체형 모델의 모델 정보와 다시점 영상을 촬영한 촬영 장치(미도시)의 정보, 및 다시점 영상에 기초하여 지형 모델 및 지물 모델을 분리하기 위한 분리 정보를 생성하는 동작을 설명하기 위한 것일 수 있다.
동작 211에서, 정보 생성 모듈(210)은 모델 정보(예: 일체형 모델의 메쉬 정보, 텍스처 정보 등)에 기초하여 일체형 모델을 높이맵(height map)으로 변환할 수 있다. 높이맵은 일체형 모델을 일정한 간격의 높이값으로 샘플링한 것일 수 있다. 정보 생성 모듈(210)은 높이맵에 기초하여 일체형 모델 내의 특정 영역을 지형 또는 지물로 추정하는 제1 정보를 생성할 수 있다. 예를 들어, 정보 생성 모듈(210)은 높이맵에 포함된 높이값들을 일정한 간격의 높이값 버킷으로 누적 집계하여 가장 많은 빈도로 집계되는 높이값에 대응하는 영역을 지형(예: 그라운드(ground))으로 추정할 수 있다. 정보 생성 모듈(210)은 그라운드로 추정되는 영역을 중심으로 높이값의 변화가 큰 영역을 지물로 추정할 수 있다.
동작 212에서, 정보 생성 모듈(210)은 촬영 장치(미도시)의 정보(예: 촬영 장치의 위치 정보, 자세 정보 등)에 기초하여 일체형 모델을 다시점 영상에 투영(projection)할 수 있다. 정보 생성 모듈(210)은 일체형 모델이 투영된 다시점 영상 내에서 지형 모델 및 지물 모델에 대응하는 위치를 획득할 수 있다. 또한, 도 5에서 후술한 바와 같이, 정보 생성 모듈(210)은 머신 러닝(machine learning) 기술을 이용하여 다시점 영상에서 지형상의 지물을 인식할 수 있다. 예를 들어, 정보 생성 모듈(210)은 다시점 영상 내에서 인식된 지물들을 각각 다른 색상으로 구분할 수 있다. 정보 생성 모듈(210)은 지형 모델 및 지물 모델에 대응하는 위치와 다시점 영상 내에서 인식된 지물을 비교하여 일체형 모델 내의 특정 영역을 지형 모델 또는 메쉬 모델로 추정하는 제2 정보를 생성할 수 있다. 제2 정보는 일체형 모델의 페이스(face) 단위로 일체형 모델의 특정 영역을 지형 모델 또는 지물 모델로 추정한 정보일 수 있다.
동작 213에서, 정보 생성 모듈(210)은 제1 정보 및 제2 정보를 사용자가 입력한 가중치에 따라 병합한 제3 정보를 생성할 수 있다. 예를 들어, 정보 생성 모듈(210)은 제1 정보에 포함된 제1 추정값과 제1 신뢰도값, 및 제2 정보에 포함된 제2 추정값과 제2 신뢰도값에 사용자가 입력한 가중치를 반영하여 일체형 모델의 페이스 단위로 최종 추정값 및 최종 신뢰도값을 생성할 수 있다. 예를 들어, 제1 추정값 및 제2 추정값은 페이스 단위의 영역에 대응되는 것이 그라운드일 경우 1, 빌딩일 경우 100, 자동차일 경우 20의 값을 가지는 것이고, 최종 추정값은 제1 추정값 및 제2 추정값 각각에 0에서 1 사이의 값을 곱하여 더해진 값일 수 있다. 정보 생성 모듈(210)은 사용자가 입력한 기준 신뢰도값을 초과하는 최종 신뢰도값만을 채택할 수 있고, 최종 신뢰도값이 기준 신뢰도값보다 작은 경우에는 제3 정보가 수정된 제4 정보에 따라 최종 추정값을 생성할 수 있다. 제4 정보는 제3 정보를 사용자의 입력값을 반영하여 수정한 것일 수 있고, 사용자는 일체형 모델의 페이스 단위별로 제1 추정값 및 제2 추정값을 수정할 수 있다. 예를 들어, 사용자는 일체형 모델의 페이스 단위별로 색상을 페인팅하는 인터페이스(예: 도 6의 인터페이스)를 통하여 제1 추정값 및 제2 추정값을 새롭게 입력할 수 있다.
도 3은 다양한 실시예에 따른 제1 정보를 생성하는 동작의 일 예를 설명하기 위한 도면이다.
도 3를 참조하면, 다양한 실시예에 따르면, 정보 생성 모듈(210)은 모델 정보(예: 일체형 모델의 메쉬 정보, 텍스처 정보 등)에 기초하여 일체형 모델을 높이맵(height map)(310)으로 변환할 수 있다. 높이맵(310)은 일체형 모델을 일정한 간격의 높이값으로 샘플링한 것일 수 있다. 정보 생성 모듈(210)은 높이맵(310)에 기초하여 일체형 모델 내의 특정 영역을 지형 또는 지물로 추정하는 제1 정보를 생성할 수 있다. 예를 들어, 정보 생성 모듈(210)은 높이맵(310)에 포함된 높이값들을 일정한 간격의 높이값 버킷으로 누적 집계하여 가장 많은 빈도로 집계되는 높이값(예: 제1 높이(313))에 대응하는 제1 영역(321)을 지형(예: 그라운드(ground))으로 추정할 수 있다. 정보 생성 모듈(210)은 제1 영역(321)을 중심으로 높이값의 변화가 큰 영역을 지물로 추정하는 제1 정보를 생성할 수 있다. 예를 들어, 정보 생성 모듈(210)은 높이맵(310) 상의 제1 높이(313)와 비교했을 때 제2 높이(311)에서 높이값의 변화가 크므로, 제2 높이(311)에 대응되는 제2 영역(323)을 지물(예: 건물)로 추정하는 제2 정보를 생성할 수 있다.
도 4는 다양한 실시예에 따른 제2 정보를 생성하는 동작의 일 예를 설명하기 위한 도면이다.
도 4를 참조하면, 다양한 실시예에 따르면, 정보 생성 모듈(210)은 촬영 장치(미도시)의 정보(예: 촬영 장치의 위치 정보, 자세 정보 등)에 기초하여 일체형 모델을 다시점 영상(410)에 투영(projection)한 투영 이미지(420)를 생성할 수 있다. 정보 생성 모듈(210)은 일체형 모델이 투영 이미지(420) 내에서 지형 모델 및 지물 모델에 대응하는 위치를 획득할 수 있다. 예를 들어, 정보 생성 모듈(210)은 촬영 장치(미도시)의 정보(예: 자세 정보, 위치 정보)(423)에 기초하여 투영 이미지(420) 상에서 페이스 f1의 위치(421)를 획득할 수 있다.
다양한 실시예에 따르면, 정보 생성 모듈(210)은 머신 러닝(machine learning) 기술을 이용하여 투영 이미지(420)에서 지형상의 지물을 인식하고, 인식된 지물들을 각각 다른 색상으로 구분한 머신러닝 이미지(430)를 생성할 수 있다. 정보 생성 모듈(210)은 지형 모델 및 지물 모델에 대응하는 위치와 머신러닝 이미지(430) 내에 구분된 지물을 비교하여 일체형 모델 내의 특정 영역을 지형 모델 또는 메쉬 모델로 추정하는 제2 정보를 생성할 수 있다. 제2 정보는 일체형 모델의 페이스(face) 단위로 일체형 모델의 특정 영역을 지형 모델 또는 지물 모델로 추정한 정보일 수 있다. 예를 들어, 정보 생성 모듈(210)은 투영 이미지(420) 상의 페이스 f1의 위치(421)와 머신러닝 이미지(430)를 중첩하여 비교함으로써 페이스 f1은 지물로 추정하는 제2 정보를 생성할 수 있다.
도 5는 다양한 실시예에 따른 정보 생성 모듈이 머신 러닝 기술을 이용하여 다시점 영상에서 지형 상의 지물을 인식하는 동작을 설명하기 위한 도면이다.
도 5를 참조하면, 다양한 실시예에 따르면, 정보 생성 모듈(예: 도 2의 정보 생성 모듈(210))은 머신 러닝(machine learning) 기술을 이용하여 다시점 영상에서 지형상의 지물(예: 그라운드, 건물, 나무, 자동차 등)을 인식할 수 있다. 예를 들어, 정보 생성 모듈(210)은 다시점 영상 내에서 인식된 지물들을 각각 다른 색상으로 구분할 수 있다.
도 6은 다양한 실시예에 따른 정보 생성 모듈의 사용자의 입력값을 반영한 제4 정보를 생성하기 위한 인터페이스의 일 예이다.
도 6을 참조하면, 다양한 실시예에 따르면, 정보 생성 모듈(예: 도 2의 정보 생성 모듈(210))은 일체형 모델의 페이스 단위로 최종 추정값 및 최종 신뢰도값을 생성할 수 있다. 정보 생성 모듈(210)은 최종 추정값이 사용자가 미리 정한 기준 신뢰도값보다 작은 경우에는 제3 정보에 사용자의 입력값을 반영한 제4 정보에 따라 최종 추정값을 생성(예: 보정)할 수 있다.
다양한 실시예에 따르면, 사용자의 입력값은 사용자가 일체형 모델의 페이스 단위별로 색상을 페인팅하는 인터페이스 상에서 사용자가 지형 및 지물 등의 분류에 따라 입력한 색상일 수 있다. 분류에 따른 색상은 미리 정해진 것으로서, 일체형 모델 상에서 구분 가능한 것일 수 있다. 예를 들어, 그라운드는 초록색으로, 빌딩은 회색으로, 자동차는 파란색으로 페인팅하도록 정해진 것일 수 있다.
도 7은 다양한 실시예에 따른 분리 모듈이 지형 모델 및 지물 모델을 분리하는 동작을 설명하기 위한 도면이다.
동작 231 내지 동작 233은 분리 모듈(230)이 분리 정보에 기초하여 일체형 모델로부터 지형 모델 및 지물 모델을 분리하는 동작을 설명하기 위한 것일 수 있다. 분리 정보는 일체형 모델에서 지형 모델의 영역 및 지물 모델의 영역을 추정하기 위한 제1 정보 및 제2 정보 중 하나 이상에 기초하여 생성된 것일 수 있다. 예를 들어, 분리 정보는 제1 정보 및 제2 정보를 병합하여 생성된 제3 정보 또는 제3 정보를 사용자의 입력값을 반영하여 수정한 제4 정보일 수 있다. 제1 정보는 모델 정보에 기초하여 생성된 것이고, 제2 정보는 촬영 장치의 정보에 기초하여 생성된 것일 수 있다.
동작 231에서, 분리 모듈(230)은 분리 정보에 기초하여 일체형 모델로부터 지형 모델과 지물 모델을 분리할 수 있다. 예를 들어, 분리 모듈(230)은 분리 정보에 따라 지형 모델 또는 지물 모델로 추정된 영역을 지형 모델 또는 지물 모델로 분리할 수 있다.
동작 232에서, 분리 모듈(230)은 분리된 지형 모델에 홀 필링(hole filling) 프로세스를 수행할 수 있다. 분리 모듈(230)은 홀 주변 영역의 높이값을 참조하여 분리된 지형 모델 상에서 분리된 지물 모델에 대응하는 크기의 홀(hole)을 채울 수 있다. 홀 주변 영역의 높이값은 높이맵으로부터 획득한 것일 수 있다. 분리 모듈(230)은 지형 모델의 채워진 홀 영역을 일체형 모델의 직교정사영상과 매핑할 수 있다. 직교정사영상은 일체형 모델을 수직으로 위에서 바라본 영상일 수 있다.
동작 233에서, 분리 모듈(230)은 분리된 지물 모델을 평면 단위로 최적화하여 분리된 지물 모델의 평면적인 특성을 복원할 수 있다. 분리 모듈(230)은 다시점 영상이 곡선이 강조된 지형 모델과 함께 일체형 모델로 복원되는 과정에서 감소된 지물의 평면적인 특성을 복원할 수 있다.
도 8은 다양한 실시예에 따른 분리 장치의 다른 예를 나타낸다.
도 8을 참조하면, 다양한 실시예에 따르면, 분리 장치(600)는 메모리(610) 및 프로세서(630)을 포함할 수 있다.
다양한 실시예에 따르면, 메모리(610)는 프로세서(630)에 의해 실행가능한 인스트럭션들(예: 프로그램)을 저장할 수 있다. 예를 들어, 인스트럭션들은 프로세서(630)의 동작 및/또는 프로세서(630)의 각 구성의 동작을 실행하기 위한 인스트럭션들을 포함할 수 있다.
다양한 실시예에 따르면, 메모리(610)는 휘발성 메모리 장치 또는 불휘발성 메모리 장치로 구현될 수 있다. 휘발성 메모리 장치는 DRAM(dynamic random access memory), SRAM(static random access memory), T-RAM(thyristor RAM), Z-RAM(zero capacitor RAM), 또는 TTRAM(Twin Transistor RAM)으로 구현될 수 있다. 불휘발성 메모리 장치는 EEPROM(Electrically Erasable Programmable Read-Only Memory), 플래시(flash) 메모리, MRAM(Magnetic RAM), 스핀전달토크 MRAM(Spin-Transfer Torque(STT)-MRAM), Conductive Bridging RAM(CBRAM), FeRAM(Ferroelectric RAM), PRAM(Phase change RAM), 저항 메모리(Resistive RAM(RRAM)), 나노 튜브 RRAM(Nanotube RRAM), 폴리머 RAM(Polymer RAM(PoRAM)), 나노 부유 게이트 메모리(Nano Floating Gate Memory(NFGM)), 홀로그래픽 메모리(holographic memory), 분자 전자 메모리 소자(Molecular Electronic Memory Device), 및/또는 절연 저항 변화 메모리(Insulator Resistance Change Memory)로 구현될 수 있다.
다양한 실시예에 따르면, 프로세서(630)는 메모리(610)에 저장된 컴퓨터로 읽을 수 있는 코드(예를 들어, 소프트웨어) 및 프로세서(630)에 의해 유발된 인스트럭션(instruction)들을 실행할 수 있다. 프로세서(630)는 목적하는 동작들(desired operations)을 실행시키기 위한 물리적인 구조를 갖는 회로를 가지는 하드웨어로 구현된 데이터 처리 장치일 수 있다. 목적하는 동작들은 예를 들어, 프로그램에 포함된 코드(code) 또는 인스트럭션들(instructions)을 포함할 수 있다. 하드웨어로 구현된 데이터 처리 장치는 예를 들어, 마이크로프로세서(microprocessor), 중앙 처리 장치(central processing unit), 프로세서 코어(processor core), 멀티-코어 프로세서(multi-core processor), 멀티프로세서(multiprocessor), ASIC(Application-Specific Integrated Circuit), FPGA(Field Programmable Gate Array)를 포함할 수 있다.
다양한 실시예에 따르면, 프로세서(630)에 의해 수행되는 동작은 도 1 내지 도 7을 참조하여 분리 장치(200)의 동작과 실질적으로 동일할 수 있다. 도 1 내지 도 7에서 설명한 분리 장치(200)의 각 구성(예: 정보 생성 모듈(210), 분리 모듈(230))은 프로세서(630)에 의해 실행될 수 있다. 이에, 상세한 설명은 생략하도록 한다.
이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 컨트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 저장할 수 있으며 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.
위에서 설명한 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 또는 복수의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 이를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims (15)

  1. 전자 장치가 지형(terrain) 상의 지물(object)을 포함하는 다시점 영상, 상기 다시점 영상이 3차원으로 복원된 일체형 모델의 모델 정보, 및 상기 다시점 영상을 촬영한 촬영 장치의 정보에 기초하여 상기 일체형 모델에 관한 분리 정보를 생성하는 동작; 및
    상기 전자 장치가 상기 분리 정보에 기초하여 상기 일체형 모델로부터 지형 모델과 지물 모델을 분리하는 동작
    을 포함하는, 분리 방법.
  2. 제1항에 있어서,
    상기 분리 정보는,
    상기 일체형 모델에서 상기 지형 모델의 영역 및 상기 지물 모델의 영역을 추정하기 위한 제1 정보 및 제2 정보 중 하나 이상에 기초하여 생성되는 것이고,
    상기 제1 정보는 상기 모델 정보에 기초하여 생성된 것이고, 상기 제2 정보는 상기 촬영 장치의 정보에 기초하여 생성된 것인, 분리 방법.
  3. 제2항에 있어서,
    상기 분리 정보는,
    상기 제1 정보 및 상기 제2 정보를 병합하여 생성된 제3 정보, 또는 상기 제3 정보를 사용자의 입력값을 반영하여 수정한 제4 정보인 것인, 분리 방법.
  4. 제2항에 있어서,
    상기 분리 정보를 생성하는 동작은,
    상기 모델 정보에 기초하여 상기 일체형 모델을 높이맵(height map)으로 변환하는 동작; 및
    상기 높이맵에 기초하여 상기 제1 정보를 생성하는 동작
    을 포함하는, 분리 방법.
  5. 제2항에 있어서,
    상기 분리 정보를 생성하는 동작은,
    상기 촬영 장치의 정보에 기초하여 상기 일체형 모델을 상기 다시점 영상에 투영(projection)하는 동작;
    상기 일체형 모델이 투영된 다시점 영상 내에서 상기 지형 모델 및 상기 지물 모델에 대응하는 위치를 획득하는 동작; 및
    상기 지형 모델 및 상기 지물 모델에 대응하는 위치와, 상기 다시점 영상에서 머신 러닝을 통하여 인식된 지물을 비교하여 상기 제2 정보를 생성하는 동작
    을 포함하는, 분리 방법.
  6. 제1항에 있어서,
    상기 분리하는 동작은,
    분리된 지물 모델에 대응하는 분리된 지형 모델 상의 홀(hole)을 채우는 동작; 및
    채워진 홀을 상기 일체형 모델의 직교정사영상과 매핑하는 동작
    을 포함하는, 분리 방법.
  7. 삭제
  8. 하드웨어와 결합되어 제1항 내지 제6항 중 어느 하나의 항의 방법을 실행시키기 위하여 컴퓨터 판독 가능한 기록매체에 저장된 컴퓨터 프로그램.
  9. 인스트럭션들을 포함하는 메모리; 및
    상기 메모리와 전기적으로 연결되고, 상기 인스트럭션들을 실행하기 위한 프로세서
    를 포함하고,
    상기 프로세서에 의해 상기 인스트럭션들이 실행될 때, 상기 프로세서는,
    지형(terrain) 상의 지물(object)을 포함하는 다시점 영상, 상기 다시점 영상이 3차원으로 복원된 일체형 모델의 모델 정보, 및 상기 다시점 영상을 촬영한 촬영 장치의 정보에 기초하여 상기 일체형 모델에 관한 분리 정보를 생성하며,
    상기 분리 정보에 기초하여 상기 일체형 모델로부터 지형 모델과 지물 모델을 분리하는, 장치.
  10. 제9항에 있어서,
    상기 분리 정보는,
    상기 일체형 모델에서 상기 지형 모델의 영역 및 상기 지물 모델의 영역을 추정하기 위한 제1 정보 및 제2 정보 중 하나 이상에 기초하여 생성되는 것이고,
    상기 제1 정보는 상기 모델 정보에 기초하여 생성된 것이고, 상기 제2 정보는 상기 촬영 장치의 정보에 기초하여 생성된 것인, 장치.
  11. 제10항에 있어서,
    상기 분리 정보는,
    상기 제1 정보 및 상기 제2 정보를 병합하여 생성된 제3 정보, 또는 상기 제3 정보를 사용자의 입력값을 반영하여 수정한 제4 정보인 것인, 장치.
  12. 제10항에 있어서,
    상기 프로세서는,
    상기 모델 정보에 기초하여 상기 일체형 모델을 높이맵(height map)으로 변환하며,
    상기 높이맵에 기초하여 상기 제1 정보를 생성하는, 장치.
  13. 제10항에 있어서,
    상기 프로세서는,
    상기 촬영 장치의 정보에 기초하여 상기 일체형 모델을 상기 다시점 영상에 투영(projection)하고,
    상기 일체형 모델이 투영된 다시점 영상 내에서 상기 지형 모델 및 상기 지물 모델에 대응하는 위치를 획득하며,
    상기 지형 모델 및 상기 지물 모델에 대응하는 위치와, 상기 다시점 영상에서 머신러닝을 통하여 인식된 지물을 비교하여 상기 제2 정보를 생성하는, 장치.
  14. 제9항에 있어서,
    상기 프로세서는,
    분리된 지물 모델에 대응하는 분리된 지형 모델 상의 홀(hole)을 채우고,
    채워진 홀을 상기 일체형 모델의 직교정사영상과 매핑하는, 장치.
  15. 삭제
KR1020220077982A 2021-11-24 2022-06-27 3차원 일체형 모델에서 지형 모델 및 지물 모델을 분리하는 방법 및 이를 수행하는 장치 KR102611535B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US17/866,710 US20230162363A1 (en) 2021-11-24 2022-07-18 Method of separating terrain model and object model from three-dimensional integrated model and apparatus for performing the same

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020210162974 2021-11-24
KR20210162974 2021-11-24

Publications (2)

Publication Number Publication Date
KR20230076731A KR20230076731A (ko) 2023-05-31
KR102611535B1 true KR102611535B1 (ko) 2023-12-08

Family

ID=86544142

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220077982A KR102611535B1 (ko) 2021-11-24 2022-06-27 3차원 일체형 모델에서 지형 모델 및 지물 모델을 분리하는 방법 및 이를 수행하는 장치

Country Status (1)

Country Link
KR (1) KR102611535B1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117726729B (zh) * 2024-01-30 2024-12-20 北京烽火万家科技有限公司 基于虚拟数字人技术的名片制作方法、系统、介质及设备

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101938401B1 (ko) * 2018-06-27 2019-01-15 동아항업 주식회사 갱신대상 지역의 부분 도화를 위한 수치도화 수정시스템
KR102275572B1 (ko) * 2018-12-21 2021-07-09 한국전자통신연구원 이종 고도 항공영상을 이용한 3차원 지형정보 정합 방법 및 장치

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100513055B1 (ko) * 2003-12-11 2005-09-06 한국전자통신연구원 변이지도 및 깊이지도의 융합을 통한 3차원 장면 모델생성 장치 및 그 방법
EP3489900A1 (en) * 2017-11-23 2019-05-29 Thomson Licensing Method, apparatus and stream for encoding/decoding volumetric video

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101938401B1 (ko) * 2018-06-27 2019-01-15 동아항업 주식회사 갱신대상 지역의 부분 도화를 위한 수치도화 수정시스템
KR102275572B1 (ko) * 2018-12-21 2021-07-09 한국전자통신연구원 이종 고도 항공영상을 이용한 3차원 지형정보 정합 방법 및 장치

Also Published As

Publication number Publication date
KR20230076731A (ko) 2023-05-31

Similar Documents

Publication Publication Date Title
JP6595182B2 (ja) マッピング、位置特定、及び姿勢補正のためのシステム及び方法
EP3284063B1 (en) Mesh simplification by 3d model reconstruction
KR102723996B1 (ko) 2차원 영상으로부터 3차원 객체를 검출하는 방법 및 장치
US10282898B1 (en) Three-dimensional scene reconstruction
CN110930453B (zh) 目标物体定位方法、装置及可读存储介质
KR101490055B1 (ko) 이동 로봇의 위치와 지도를 추정하는 방법 및 이를 수행하는 장치들
KR101957089B1 (ko) 스테레오 정합을 위한 심층 자기유도 비용집계 방법 및 시스템
KR102611535B1 (ko) 3차원 일체형 모델에서 지형 모델 및 지물 모델을 분리하는 방법 및 이를 수행하는 장치
KR20150114767A (ko) 멀티 프레임들의 동일한 영역을 연속으로 렌더링하는 방법 및 장치
WO2021189783A1 (zh) 一种场景建立方法、系统、装置及自移动机器人
KR102158390B1 (ko) 영상 처리 방법 및 장치
WO2025002194A1 (zh) 场景重建方法、装置、存储介质及电子设备
EP3731143B1 (en) Method and device for economizing computing resources to be used during a process of verification of convolutional parameters using test pattern
CN114494395B (zh) 基于平面先验的深度图生成方法、装置、设备及存储介质
CN115016647A (zh) 一种面向变电站故障模拟的增强现实三维注册方法
WO2021189784A1 (zh) 一种场景重建方法、系统、装置及扫地机器人
KR102060758B1 (ko) 포인트 클라우드를 이용한 프리미티브 피팅 장치 및 방법
KR20220052620A (ko) 객체 추적 방법 및 이를 수행하는 장치
US20230162363A1 (en) Method of separating terrain model and object model from three-dimensional integrated model and apparatus for performing the same
CN115164823B (zh) 一种摄像机陀螺仪信息的获取方法及设备
US20230281975A1 (en) Systems and methods for generating three-dimensional annotations for training a machine learning model
KR20200083130A (ko) 3차원 지형 데이터를 생성 장치 및 방법
JP7406654B2 (ja) 実際の場所の仮想環境復元を作成するための方法
CN116051448A (zh) 平坦表面检测装置和方法
KR20220129976A (ko) 씬 플로우 추정 방법 및 장치

Legal Events

Date Code Title Description
PA0109 Patent application

Patent event code: PA01091R01D

Comment text: Patent Application

Patent event date: 20220627

PA0201 Request for examination
E902 Notification of reason for refusal
PE0902 Notice of grounds for rejection

Comment text: Notification of reason for refusal

Patent event date: 20230510

Patent event code: PE09021S01D

PG1501 Laying open of application
E701 Decision to grant or registration of patent right
PE0701 Decision of registration

Patent event code: PE07011S01D

Comment text: Decision to Grant Registration

Patent event date: 20231123

GRNT Written decision to grant
PR0701 Registration of establishment

Comment text: Registration of Establishment

Patent event date: 20231204

Patent event code: PR07011E01D

PR1002 Payment of registration fee

Payment date: 20231205

End annual number: 3

Start annual number: 1

PG1601 Publication of registration