KR20190078098A - 드론 착륙을 제어하기 위한 방법 및 장치 - Google Patents

Abstract

드론 착륙을 제어하기 위한 방법 및 장치가 개시된다. 일실시예에 따른 드론 착륙 제어 장치는 드론의 초음파 센서와 GPS 센서를 이용하여, 타겟을 인식하고, 타겟의 제1 위치를 검출하고, 드론의 광학 센서와 IR 센서를 이용하여, 타겟의 RGB 영상과 IR 영상을 획득하고, RGB 영상들 및 IR 영상들로부터 드론이 착륙할 타겟들을 인식하도록 학습된 인식기를 이용하여, RGB 영상과 IR 영상으로부터 타겟을 드론이 착륙할 착륙 타겟으로 인식하고, 착륙 타겟인 타겟의 제2 위치를 검출하고, 제1 위치와 제2 위치를 이용하여, 착륙 타겟인 타겟의 정밀 위치를 생성하고, 착륙 타겟인 타겟의 정밀 위치와 드론의 위치에 기초하여, 드론의 착륙을 제어할 수 있다.

Description

드론 착륙을 제어하기 위한 방법 및 장치{METHOD AND APPARATUS FOR CONTROLLING DRONE LANDING}

아래 실시예들은 드론 착륙을 제어하기 위한 방법, 장치 및 시스템에 관한 것이다.

드론은 원격 조정에 의해 비행하거나 지정된 경로를 따라 자율적으로 비행하는 비행체로서, 카메라 촬영, 군사적 용도, 운송 분야, 보안 분야, 개인적 용도 등 다양한 분야에서 활용되고 있다. 드론은 운용자의 무선 조작 신호에 의해 수동으로 운용되는 소형 무인 비행체로 활용되는 것이 일반적이고, 유인 드론도 상용화 추세에 있다.

드론의 활용 범위는 점차 확대되고 있지만, 드론의 착륙 오류는 치명적인 사고 가능성을 가져오고, 드론 운용에 있어서도 치명적인 피해를 유발할 수 있다. 이에, 보다 정확하고 안전한 드론의 착륙을 제어하기 위한 기술의 연구가 요구된다.

실시예들은 드론이 착륙할 타겟을 인식하는데 걸리는 시간과 타겟 인식에 필요한 부하를 절약하고자 한다.

실시예들은 드론이 착륙할 타겟의 인식 정확도를 높여 착륙의 안전성을 높이고자 한다.

일실시예에 따른 드론 착륙 제어 방법은 드론의 초음파 센서와 GPS 센서를 이용하여, 타겟을 인식하고, 상기 타겟의 제1 위치를 검출하는 단계; 상기 드론의 광학 센서와 IR 센서를 이용하여, 상기 타겟의 RGB 영상과 IR 영상을 획득하는 단계; RGB 영상들 및 IR 영상들로부터 상기 드론이 착륙할 타겟들을 인식하도록 학습된 인식기를 이용하여, 상기 RGB 영상과 상기 IR 영상으로부터 상기 타겟을 상기 드론이 착륙할 착륙 타겟으로 인식하고, 착륙 타겟인 상기 타겟의 제2 위치를 검출하는 단계; 상기 제1 위치와 상기 제2 위치를 이용하여, 착륙 타겟인 상기 타겟의 정밀 위치를 생성하는 단계; 및 착륙 타겟인 상기 타겟의 정밀 위치와 상기 드론의 위치에 기초하여, 상기 드론의 착륙을 제어하는 단계를 포함한다.

일실시예에 따르면, 상기 타겟의 상기 제2 위치를 검출하는 단계는 상기 RGB 영상과 상기 IR 영상에 기초하여, 기 학습된 적어도 하나의 인식기에 대응하는 적어도 하나의 특징을 생성하는 단계; 상기 적어도 하나의 인식기가 상기 적어도 하나의 특징으로부터 생성한 적어도 하나의 출력에 기초하여, 상기 타겟이 착륙 타겟인지 여부를 판단하는 단계; 및 상기 타겟이 착륙 타겟인 경우, 상기 RGB 영상과 상기 IR 영상 중 적어도 하나에 대응하는 제2 위치를 검출하는 단계를 포함할 수 있다.

일실시예에 따르면, 상기 특징을 생성하는 단계는 상기 초음파 센서와 상기 GPS 센서로부터 획득된 정보에 더 기초하여, 상기 인식기에 대응하는 적어도 하나의 특징을 생성하는 단계를 포함할 수 있다.

일실시예에 따르면, 상기 타겟의 상기 제2 위치를 검출하는 단계는 상기 RGB 영상과 상기 IR 영상에 기초하여, 기 학습된 적어도 하나의 제1 인식기에 대응하는 적어도 하나의 제1 특징을 생성하는 단계; 상기 제1 인식기가 상기 제1 특징으로부터 생성한 적어도 하나의 제1 출력에 기초하여, 상기 타겟이 착륙 타겟인지 여부를 판단하는 단계; 상기 타겟이 착륙 타겟인 경우, 상기 제1 출력에 기초하여 기 학습된 적어도 하나의 제2 인식기에 대응하는 적어도 하나의 제2 특징을 생성하는 단계; 및 상기 제2 인식기가 상기 제2 특징으로부터 생성한 적어도 하나의 제2 출력에 기초하여, 착륙 타겟인 상기 타겟의 제2 위치를 생성하는 단계를 포함하고, 상기 제1 인식기의 학습을 위해, 트레이닝 RGB 영상들 및 트레이닝 IR 영상들로부터 제1 트레이닝 특징들이 생성되고, 상기 제1 인식기는 상기 트레이닝 RGB 영상들 및 상기 트레이닝 IR 영상들에 대응하는 제1 레이블들과 상기 제1 트레이닝 특징들로부터 상기 제1 인식기에 의해 생성된 제1 트레이닝 출력들에 기초하여 학습되고, 상기 제2 인식기의 학습을 위해, 상기 제1 트레이닝 출력들로부터 제2 트레이닝 특징들이 생성되고, 상기 제2 인식기는 상기 제2 트레이닝 출력들에 대응하는 제2 레이블들과 상기 제2 트레이닝 특징들로부터 상기 제2 인식기에 의해 생성된 제2 트레이닝 출력들에 기초하여 학습될 수 있다.

일실시예에 따르면, 상기 드론의 착륙을 제어하는 단계는 상기 정밀 위치와 상기 드론의 위치에 기초하여, 기 학습된 적어도 하나의 제3 인식기에 대응하는 적어도 하나의 제3 특징을 생성하는 단계; 및 상기 제3 인식기가 상기 제3 특징으로부터 생성한 적어도 하나의 제3 출력에 기초하여, 상기 드론의 착륙을 위한 제어 정보를 생성하는 단계를 포함하고, 상기 제3 인식기의 학습을 위해, 상기 드론의 트레이닝 정밀 위치들과 위치들로부터 제3 트레이닝 특징들이 생성되고, 상기 제3 인식기는 상기 트레이닝 정밀 위치들과 상기 위치들에 대응하는 제3 레이블들과 상기 제3 트레이닝 특징들로부터 상기 제3 인식기에 의해 생성된 제3 트레이닝 출력들에 기초하여 학습될 수 있다.

일실시예에 따르면, 상기 정밀 위치를 생성하는 단계는 상기 제1 위치와 상기 제2 위치에 기초하여, 착륙 타겟들의 정밀 위치들을 인식하도록 학습된 적어도 하나의 인식기에 대응하는 적어도 하나의 특징을 생성하는 단계; 및 상기 인식기가 상기 특징으로부터 생성한 적어도 하나의 출력에 기초하여, 상기 타겟의 정밀 위치를 생성하는 단계를 포함할 수 있다.

일실시예에 따른 드론 착륙 제어 방법은 상기 생성된 정밀 위치를 상기 타겟의 GCS로 전송하는 단계; 상기 타겟의 기준 위치와 상기 정밀 위치에 기초하여, 상기 GCS에 의해 생성된 오프셋을 수신하는 단계; 상기 오프셋이 미리 정의된 범위를 충족하는 경우에 응답하여 상기 GCS에 의해 생성된 착륙 허가 신호를 수신하는 단계; 및 상기 오프셋에 기초하여, 상기 정밀 위치를 보정하는 단계를 더 포함하고, 상기 드론의 착륙을 제어하는 단계는 상기 보정된 정밀 위치와 상기 드론의 위치에 기초하여, 상기 드론의 착륙을 위한 제어 정보를 생성하는 단계를 포함할 수 있다.

일실시예에 따른 드론 착륙 제어 방법은 상기 타겟의 기준 위치를 GCS로부터 수신하는 단계; 상기 기준 위치와 상기 정밀 위치에 기초하여, 오프셋을 생성하는 단계; 상기 오프셋을 상기 GCS로 전송하는 단계; 및 상기 오프셋이 미리 정의된 범위를 충족하는 경우에 응답하여, 상기 GCS에 의해 생성된 착륙 허가 신호를 수신하는 단계를 더 포함할 수 있다.

일실시예에 따른 드론 착륙 제어 방법은 상기 타겟의 기준 위치를 GCS로 전송하는 단계; 상기 기준 위치의 변경 여부에 대한 판단 결과를 상기 GCS로부터 수신하는 단계; 상기 기준 위치의 변경이 없는 경우, 상기 기준 위치와 상기 정밀 위치에 기초하여 오프셋을 생성하는 단계; 및 상기 기준 위치의 변경이 있는 경우, 상기 GCS로부터 수신한 기준 위치와 상기 정밀 위치에 기초하여 오프셋을 생성하는 단계를 더 포함할 수 있다.

일실시예에 따른 드론 착륙 제어 방법은 드론으로부터 생성된 타겟의 정밀 위치를 수신하는 단계; 상기 타겟의 기준 위치와 상기 정밀 위치에 기초하여, 오프셋을 생성하는 단계; 상기 오프셋이 미리 정의된 범위를 충족하는지 여부를 판단하는 단계; 및 상기 판단 결과에 기초하여, 착륙 허가 신호를 드론 착륙 제어 장치로 전송하는 단계를 포함한다.

일실시예에 따른 드론 착륙 제어 방법은 드론의 초음파 센서 및 GPS 센서로부터 획득된 정보와 상기 드론의 광학 센서와 IR 센서로부터 획득된 타겟의 RGB 영상과 IR 영상 중 적어도 하나에 기초하여, 적어도 하나의 특징을 생성하는 단계; 및 상기 드론이 착륙할 타겟들을 인식하도록 학습된 인식기를 이용하여, 상기 특징으로부터 상기 타겟을 상기 드론이 착륙할 착륙 타겟으로 인식하고, 착륙 타겟인 상기 타겟의 정밀 위치 및 상기 드론의 착륙을 위한 제어 정보 중 적어도 하나를 생성하는 단계를 포함한다.

일실시예에 따른 장치는 하드웨어와 결합되어 상술한 방법들 중 어느 하나의 항의 방법을 실행시키기 위하여 매체에 저장된 컴퓨터 프로그램에 의해 제어될 수 있다.

실시예들은 드론이 착륙할 타겟을 인식하는데 걸리는 시간과 타겟 인식에 필요한 부하를 절약할 수 있다.

실시예들은 드론이 착륙할 타겟의 인식 정확도를 높여 착륙의 안전성을 높일 수 있다.

도 1은 일실시예에 따른 드론 착륙 제어 방법을 설명하기 위한 순서도이다.
도 2는 일실시예에 따른 드론 착륙 제어 방법을 설명하기 위한 개념도이다.
도 3은 일실시예에 따른 드론 착륙 제어 방법을 설명하기 위한 도면이다.
도 4는 일실시예에 따른 드론 착륙 제어 방법을 설명하기 위한 도면이다.
도 5는 일실시예에 따른 학습 방법을 설명하기 위한 도면이다.
도 6은 일실시예에 따른 드론 착륙 제어 방법을 설명하기 위한 순서도이다.
도 7은 일실시예에 따른 드론 착륙 제어 방법을 설명하기 위한 순서도이다.
도 8은 일실시예에 따른 장치의 구성의 예시도이다.

실시예들에 대한 특정한 구조적 또는 기능적 설명들은 단지 예시를 위한 목적으로 개시된 것으로서, 다양한 형태로 변경되어 실시될 수 있다. 따라서, 실시예들은 특정한 개시형태로 한정되는 것이 아니며, 본 명세서의 범위는 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.

실시예들은 퍼스널 컴퓨터, 랩톱 컴퓨터, 태블릿 컴퓨터, 스마트 폰, 텔레비전, 스마트 가전 기기, 지능형 자동차, 키오스크, 웨어러블 장치 등 다양한 형태의 제품으로 구현될 수 있다. 예를 들어, 실시예들은 스마트 폰, 모바일 기기, 스마트 홈 시스템 등에서 사용자를 인식하는데 적용될 수 있다. 실시예들은 사용자 인식을 통한 결제 서비스에 적용될 수 있다. 또한, 실시예들은 사용자를 인식하여 자동으로 시동을 거는 지능형 자동차 시스템 등에도 적용될 수 있다. 이하, 실시예들을 첨부된 도면을 참조하여 상세하게 설명한다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다.

도 1은 일실시예에 따른 드론 착륙 제어 방법을 설명하기 위한 순서도이다.

도 1을 참조하면, 일실시예에 따른 드론 착륙 제어 장치는 드론의 초음파 센서와 GPS(Global Positioning System) 센서를 이용하여, 타겟을 인식하고, 타겟의 제1 위치를 검출할 수 있다(101). 드론 착륙 제어 장치는 드론의 착륙을 제어하는 장치로서, 서버 또는 단말로서 구현될 수 있고, 예를 들어 소프트웨어 모듈, 하드웨어 모듈 또는 이들의 조합으로 구현될 수 있다. 드론 착륙 제어 장치는 드론에 탑재되어 드론의 착륙을 제어하기 위한 신호, 명령 또는 정보를 처리할 수 있다. 드론 착륙 제어 장치는 제어하고자 하는 드론의 외부에서 드론의 착륙을 제어하기 위한 신호, 명령 또는 정보를 처리하고, 원격으로 드론과 통신하면서 드론을 제어할 수 있다. 드론은 비행 동작, 이착륙 동작, 정보 수집 동작, 드론 상태 정보 획득 동작, 충전 동작을 입력 또는 수신된 명령에 따라 자동으로 수행하거나, 수동 조정에 따라 수행할 수 있고, 실시예들은 드론의 유형에 의해 제한되지 않는다.

드론 착륙 제어 장치는 드론의 초음파 센서와 GPS 센서로부터 획득된 정보에 기초하여, 타겟을 인식할 수 있다. 여기서, 타겟은 드론이 착륙하고자 하는 착륙 타겟일 수 있다. 타겟은 GCS(Ground Control Station)의 착륙 타겟일 수 있고, 예를 들어 기 정의된 형상의 마커로 표시될 수 있다. 드론 착륙 제어 장치는 기 정의된 마커에 기초하여, 타겟을 인식할 수 있다.

일실시예에 따르면, GCS는 드론의 운용을 위한 명령, 계획, 정보를 외부의 GCS들 또는 드론들과의 통신을 통해 전송 또는 수신할 수 있다. 드론을 운용하기 위한 시스템의 네트워크는 시스템 내 다양한 개체들(entities) 간의 유, 무선 통신을 가능하게 한다. GCS들과 드론들은 네트워크를 통해 서로 통신할 수 있고, 네트워크는 표준 통신 기술 및/또는 프로토콜들을 사용할 수 있다. 드론과 GCS는 드론의 착륙을 제어하기 위한 정보를 서로 주고받으면서 정확하고, 안전하면서 신속한 드론의 착륙을 유도할 수 있다.

드론 착륙 제어 장치는 드론의 초음파 센서와 GPS 센서로부터 획득된 정보에 기초하여, 타겟과 드론 사이의 위치 관계를 인식할 수 있다. 드론 착륙 제어 장치는 GPS 센서로부터 획득된 정보에 기초하여 드론의 위치를 인식할 수 있다. 드론 착륙 제어 장치는 드론의 초음파 센서와 GPS 센서로부터 획득된 정보에 기초하여, 타겟과 드론 사이의 거리를 측정할 수 있다. 드론 착륙 제어 장치는 드론의 위치에 기초하여, 타겟의 제1 위치를 인식할 수 있다. 여기서, 제1 위치는 초음파 센서와 GPS 센서로부터 획득된 정보로부터 검출된 타겟의 위치이다.

도 1을 참조하면, 드론 착륙 제어 장치는 드론의 광학 센서와 IR(Infrared Ray) 센서를 이용하여, 타겟의 RGB 영상과 IR 영상을 획득할 수 있다(102). 드론 착륙 제어 장치는 초음파 센서와 GPS 센서로부터 인식된 타겟에 대한 RGB 영상과 IR 영상을 획득할 수 있다. 드론 착륙 제어 장치는 초음파 센서와 GPS 센서로부터 타겟을 신속하게 인식하고, 그 인식된 타겟을 대상으로 영상을 촬영하여 타겟의 인식 속도를 높이고, 타겟 인식에 필요한 부하를 절약하고, 타겟 인식에 필요한 동작들의 처리 효율을 높일 수 있다. 드론 착륙 제어 장치는 초음파 센서를 기반으로 한 타겟의 위치 검출을 광학 센서와 IR 센서를 기반으로 한 위치 검출로 보완하여, 타겟의 인식 정확도를 높이고, 보다 정밀한 타겟의 위치를 검출할 수 있다.

도 1을 참조하면, 드론 착륙 제어 장치는 RGB 영상들 및 IR 영상들로부터 드론이 착륙할 타겟들을 인식하도록 학습된 인식기를 이용하여, 획득된 RGB 영상과 IR 영상으로부터 타겟을 드론이 착륙할 착륙 타겟으로 인식하고, 착륙 타겟인 타겟의 제2 위치를 검출할 수 있다(103). 여기서, 제2 위치는 RGB 영상과 IR 영상에 기초하여 검출된 타겟의 위치이다. 드론 착륙 제어 장치는 획득된 RGB 영상과 IR 영상으로부터 타겟을 식별하고, 식별된 타겟의 RGB 영상과 IR 영상에 대응하는 제2 위치를 검출할 수 있다.

드론 착륙 제어 장치는 기 학습된 인식기를 이용하여 타겟이 착륙 타겟인지 여부를 판단하고, 타겟의 제2 위치를 검출할 수 있는데, 인식기를 이용하는 실시예는 도 3 및 도 4를 참조하여 후술하겠다. 인식기는 딥 러닝 기법에 의해 학습될 수 있으며, 학습과 관련된 실시예는 도 5를 참조하여 후술하겠다.

도 1을 참조하면, 드론 착륙 제어 장치는 초음파 센서와 GPS 센서를 기반으로 검출된 제1 위치와 광학 센서와 IR 센서를 기반으로 검출된 제2 위치를 이용하여, 착륙 타겟인 타겟의 정밀 위치를 생성할 수 있다(104). 일실시예에 따르면, 드론 착륙 제어 장치는 제2 위치를 이용하여 제1 위치를 보정하고, 보정된 결과에 기초하여 타겟의 정밀 위치를 생성할 수 있다. 제2 위치의 정확도가 제1 위치보다 높을 수 있고, 이 경우 드론 착륙 제어 장치는 제2 위치를 이용하여 타겟의 위치 검출 정확도를 높일 수 있다.

일실시예에 따르면, 드론 착륙 제어 장치는 기 학습된 인식기를 이용하여 제1 위치 및 제2 위치로부터 타겟의 정밀 위치를 생성할 수 있다. 인식기는 초음파 센서와 GPS 센서에 의해 검출된 위치들과 광학 센서와 IR 센서에 의해 검출된 위치들로부터 착륙 타겟들의 정밀 위치들을 인식하도록 학습될 수 있다. 드론 착륙 제어 장치는 제1 위치와 제2 위치에 기초하여, 적어도 하나의 기 학습된 인식기에 대응하는 적어도 하나의 특징을 생성할 수 있다. 드론 착륙 제어 장치는 적어도 하나의 기 학습된 인식기가 적어도 하나의 특징으로부터 생성한 적어도 하나의 출력에 기초하여, 타겟의 정밀 위치를 생성할 수 있다. 머신 러닝 기법을 이용하여, 초음파 센서와 GPS 센서를 기반으로 검출된 제1 위치와 광학 센서와 IR 센서를 기반으로 검출된 제2 위치로부터 정밀 위치를 생성하는 방식에는 뉴럴 네트워크의 양상, 입출력의 차원, 특징의 정의 방식, 학습 기법 등이 다양하게 응용되어 적용될 수 있다.

일실시예에 따르면, 드론 착륙 제어 장치는 제1 위치와 제2 위치 사이의 차이가 미리 정의된 임계 범위를 초과하는지 여부를 판단할 수 있다. 드론 착륙 제어 장치는 제2 위치가 제1 위치로부터 임계 범위를 초과하여 멀리 떨어져 있는 경우, 제1 위치 및 제2 위치 중 적어도 하나를 다시 반복하여 검출할 수 있다. 드론 착륙 제어 장치는 다시 검출된 제1 위치 및 제2 위치 사이의 차이가 미리 정의된 임계 범위 내에 있는 경우, 제2 위치를 이용하여 제1 위치를 보정할 수 있다. 드론 착륙 제어 장치는 보정 결과로부터 타겟의 정밀 위치를 생성할 수 있다.

일실시예에 따르면, 드론 착륙 제어 장치는 제1 위치와 제2 위치에 각각 미리 정의된 가중치들을 적용하고, 가중치 적용 결과에 기초하여 타겟의 정밀 위치를 생성할 수 있다. 여기서, 가중치들은 제1 위치와 제2 위치 사이의 차이에 기초하여 각각 설정될 수 있다. 드론 착륙 제어 장치는 제1 위치와 제2 위치 사이의 차이에 대응하는 가중치들을 기록하는 테이블을 이용할 수 있다. 드론 착륙 제어 장치는 미리 데이터베이스화된 테이블로부터 제1 위치와 제2 위치에 각각 적용하기 위한 가중치들을 획득할 수 있다.

도 1을 참조하면, 드론 착륙 제어 장치는 착륙 타겟인 타겟의 정밀 위치와 드론의 위치에 기초하여, 드론의 착륙을 제어할 수 있다(105). 드론 착륙 제어 장치는 GPS 센서를 이용하여 드론의 위치를 검출할 수 있다. 드론 착륙 제어 장치는 드론의 위치와 타겟의 정밀 위치에 기초하여, 드론과 타겟 사이의 위치 관계를 판단할 수 있다. 드론 착륙 제어 장치는 드론과 타겟 사이의 위치 관계에 기초하여, 드론의 착륙을 위한 제어 정보를 생성할 수 있다. 드론 착륙 제어 장치는 제어 정보를 이용하여 드론의 액츄에이터를 제어할 수 있다.

일실시예에 따르면, 드론 착륙 제어 장치는 기 학습된 인식기를 이용하여 타겟의 정밀 위치와 드론의 위치로부터 드론의 착륙을 위한 제어 정보를 생성할 수 있다. 인식기를 이용하여 제어 정보를 생성하는 동작은 도 3 내지 4를 참조하여 후술된다.

드론 착륙 제어 장치는 제어 정보를 생성하는데 있어서 GCS와 통신을 통해 획득된 정보를 활용할 수 있다. 드론 착륙 제어 장치와 GCS 사이의 통신과 관련된 내용은 도 2를 참조하여 후술하겠다.

드론 착륙 제어 장치는 드론의 비행 또는 착륙과 관련된 환경 정보를 획득할 수 있다. 환경 정보는 드론의 비행 또는 착륙에 영향을 줄 수 있는 환경과 관련된 정보로서, 예를 들어 기상 정보(풍속, 강우량, 온습도 등), 드론 비행 가능에 관한 정보 등의 파라미터를 포함한다. 드론 착륙 제어 장치는 AWS(Automatic Weather System)로부터 환경 정보를 획득할 수 있다. AWS는 드론 또는 GCS에 설치될 수 있다. 드론 착륙 제어 장치는 외부의 서버로부터 환경 정보를 획득할 수도 있다. 드론 착륙 제어 장치는 GCS 또는 외부 서버와의 통신을 통해 환경 정보를 획득할 수 있다. 드론 착륙 제어 장치는 타겟의 정밀 위치, 드론의 위치 및 환경 정보에 기초하여 드론의 착륙을 위한 제어 정보를 생성할 수 있다. 또는, 드론 착륙 제어 장치는 기 생성된 제어 정보를 환경 정보에 기초하여 보정할 수 있다. 드론 착륙 제어 장치는 타겟의 정밀 위치, 드론의 위치 및 환경 정보로부터 적어도 하나의 기 학습된 인식기에 대응하는 적어도 하나의 특징을 생성할 수 있다. 드론 착륙 제어 장치는 적어도 하나의 기 학습된 인식기가 적어도 하나의 특징으로부터 생성한 제어 정보를 획득할 수 있다.

도 2는 일실시예에 따른 드론 착륙 제어 방법을 설명하기 위한 개념도이다.

드론 착륙 제어 장치(미도시)는 드론(201)의 센서들(202)로부터 획득된 정보에 기초하여, 타겟(203)의 위치를 인식할 수 있다. 센서들(202)은 초음파 센서, GPS 센서, 광학 센서 및 IR 센서를 포함할 수 있다. 드론 착륙 제어 장치는 GCS(204)와의 통신을 통해 드론(201)의 착륙을 제어할 수 있다.

도 2(a)를 참조하면, 드론 착륙 제어 장치는 초음파 센서와 GPS 센서를 이용하여 타겟(203)을 인식하고, 타겟(203)의 제1 위치를 검출할 수 있다.

도 2(b)를 참조하면, 드론 착륙 제어 장치는 광학 센서와 IR 센서를 이용하여 획득된 RGB 영상과 IR 영상으로부터 특징을 생성하고, 생성된 특징을 기 학습된 인식기에 인가할 수 있다. 드론 착륙 제어 장치는 인식기의 출력에 기초하여, 타겟(203)이 드론(201)이 착륙할 착륙 타겟인지 판단할 수 있다. 드론 착륙 제어 장치는 타겟(203)이 착륙 타겟인 경우, RGB 영상과 IR 영상에 대응하는 제2 위치를 검출할 수 있다.

도 2(c)를 참조하면, 드론 착륙 제어 장치는 제1 위치와 제2 위치를 이용하여 생성된 타겟의 정밀 위치를 이용하여 드론(201)의 착륙을 제어할 수 있다. 드론 착륙 제어 장치는 생성된 정밀 위치를 타겟(203)의 GCS(204)로 전송할 수 있다. GCS(204)는 기 저장된 타겟(203)의 기준 위치와 수신된 정밀 위치에 기초하여, 오프셋을 생성할 수 있다.

정밀 위치는 (x1, y1, z1)으로 표현되고, 기 저장된 기준 위치는 (x2, y2, z2)로 표현될 수 있다. 일실시예에 따르면, GCS(204)는 정밀 위치 (x1, y1, z1)과 기준 위치 (x2, y2, z2) 사이의 차이 또는 차이에 기반한 값을 이용하여 오프셋을 생성할 수 있다. 일실시예에 따르면, GCS(204)는 정밀 위치 (x1, y1, z1)과 기준 위치 (x2, y2, z2)를 각각 전처리하여 특징 값들을 생성하고, 생성된 특징 값들에 기초하여 Lp-norm을 계산하고, 계산된 값을 기초로 오프셋을 생성할 수 있다. 오프셋의 생성 기법에는 다양한 방식들이 채용될 수 있다.

GCS(204)는 생성된 오프셋이 미리 정의된 범위를 충족하는 경우에 응답하여, 드론 착륙 제어 장치로 착륙 허가 신호를 전송할 수 있다. 드론 착륙 제어 장치는 착륙 허가 신호에 응답하여, 드론(201)의 착륙 제어를 계속할 수 있다. 드론 착륙 제어 장치는 GCS(204)로부터 수신된 오프셋에 기초하여, 정밀 위치를 보정할 수 있다. 드론 착륙 제어 장치는 보정된 정밀 위치와 드론(201)의 위치에 기초하여, 드론(201)의 착륙을 위한 제어 정보를 생성할 수 있다. 제어 정보는 드론(201)의 액츄에이터로 전송될 수 있으며, 예를 들어 (Pitch, Roll, Yaw)의 값, 착륙 속도 등을 포함할 수 있다.

일실시예에 따르면, 드론 착륙 제어 장치는 타겟(203)의 기준 위치를 GCS(204)로부터 수신할 수 있다. 드론 착륙 제어 장치는 수신된 기준 위치와 정밀 위치에 기초하여 오프셋을 생성할 수 있다. 드론 착륙 제어 장치는 오프셋을 GCS(204)로 전송할 수 있다. 상술한 바와 같이, GCS(204)는 오프셋이 미리 정의된 범위를 충족하는 경우에 응답하여, 드론 착륙 제어 장치로 착륙 허가 신호를 전송할 수 있다. 드론 착륙 제어 장치는 착륙 허기 신호에 응답하여 오프셋을 기반으로 한 정밀 위치의 보정을 수행하고, 착륙을 위한 제어 정보를 전송할 수 있다.

일실시예에 따르면, 드론 착륙 제어 장치는 타겟(203)의 기 저장된 기준 위치를 GCS(204)로 전송할 수 있다. GCS(204)는 수신된 기준 위치의 변경 여부에 대해 판단할 수 있다. GCS(204)는 기준 위치의 변경 여부에 대한 판단 결과를 드론 착륙 제어 장치로 전송할 수 있다. GCS(204)는 기준 위치의 변경이 있는 경우, 변경된 기준 위치를 드론 착륙 제어 장치로 전송할 수 있다. 드론 착륙 제어 장치는 기준 위치의 변경이 없는 경우, 기준 위치와 정밀 위치에 기초하여 오프셋을 생성할 수 있다. 드론 착륙 제어 장치는 기준 위치의 변경이 있는 경우, GCS(204)로부터 수신한 기준 위치와 정밀 위치에 기초하여 오프셋을 생성할 수 있다.

드론 착륙 제어 장치는 기 학습된 인식기를 이용하여 정밀 위치와 오프셋으로부터 드론의 착륙을 위한 제어 정보를 생성할 수 있다. 여기서, 인식기는 정밀 위치들과 오프셋들로부터 제어 정보들을 생성하도록 학습될 수 있다. 드론 착륙 제어 장치는 정밀 위치와 오프셋으로부터 적어도 하나의 특징을 생성할 수 있다. 드론 착륙 제어 장치는 생성된 적어도 하나의 특징을 기 학습된 인식기로 인가할 수 있다. 드론 착륙 제어 장치는 기 학습된 인식기에 의해 생성된 적어도 하나의 출력에 기초하여, 드론의 착륙을 위한 제어 정보를 생성할 수 있다.

드론의 정밀 위치에 대한 오프셋을 생성하는 동작, 드론의 착륙을 위한 제어 정보를 생성하는 동작, 착륙 허가 신호를 생성하는 동작 등 상술한 동작들은 드론 착륙 제어 장치에 의해 수행되거나 GCS(204)에 의해 수행되거나 드론 착륙 제어 장치와 GCS(204)가 연동하여 수행될 수 있다. 상술한 동작들의 주체는 시스템 효율이나 설계 의도, 부하 부담 정책에 따라 다양하게 변형될 수 있다.

도 2(d)를 참조하면, 드론 착륙 제어 장치는 생성된 제어 정보에 기초하여 드론(201)의 착륙을 제어하여, 드론(201)의 착륙을 완료할 수 있다.

도 3은 일실시예에 따른 드론 착륙 제어 방법을 설명하기 위한 도면이다.

도 3을 참조하면, 드론 착륙 제어 장치는 제1 인식기(301), 제2 인식기(302) 및 제3 인식기(303)를 이용하여 RGB 영상(311)과 IR 영상(312)으로부터 타겟이 착륙 타겟인지 여부를 판단하고, 타겟의 위치 (x, y, z)를 인식하고, 착륙을 위한 제어 정보 (Pitch, Roll, Yaw)를 생성할 수 있다.

드론 착륙 제어 장치는 RGB 영상(311)과 IR 영상(312)으로부터 기 학습된 적어도 하나의 제1 인식기(301)에 대응하는 적어도 하나의 제1 특징(321)을 생성할 수 있다. 드론 착륙 제어 장치는 제1 특징(321)을 생성하는데 있어서 센서 정보(313)를 추가적으로 활용할 수 있다. 센서 정보(313)는 초음파 센서와 GPS 센서로부터 획득된 정보를 포함한다.

드론 착륙 제어 장치는 적어도 하나의 제1 특징(321)을 적어도 하나의 제1 인식기(301)에 인가할 수 있다. 드론 착륙 제어 장치는 적어도 하나의 제1 인식기(301)가 생성한 적어도 하나의 제1 출력(322)에 기초하여, 타겟이 착륙 타겟인지 여부를 판단할 수 있다.

일실시예에 따르면, 적어도 하나의 제1 인식기(301)의 학습을 위해, 트레이닝 RGB 영상들 및 트레이닝 IR 영상들로부터 제1 트레이닝 특징들이 생성될 수 있다. 적어도 하나의 제1 인식기(301)는 트레이닝 RGB 영상들 및 트레이닝 IR 영상들에 대응하는 제1 레이블들과 제1 트레이닝 특징들로부터 적어도 하나의 제1 인식기(301)에 의해 생성된 제1 트레이닝 출력들에 기초하여 학습될 수 있다. 적어도 하나의 제1 인식기(301)의 파라미터는 제1 레이블들과 제1 트레이닝 출력들 사이의 차이에 기초하여 정의된 학습 에러를 최소화하는 방향으로 최적화될 수 있다.

드론 착륙 제어 장치는 타겟이 착륙 타겟인 경우, 적어도 하나의 제1 출력(322)에 기초하여, 기 학습된 적어도 하나의 제2 인식기(302)에 대응하는 적어도 하나의 제2 특징(323)을 생성할 수 있다.

드론 착륙 제어 장치는 적어도 하나의 제2 특징(323)을 적어도 하나의 제2 인식기(302)에 인가할 수 있다. 드론 착륙 제어 장치는 적어도 하나의 제2 인식기(302)가 생성한 적어도 하나의 제2 출력(324)에 기초하여, 착륙 타겟인 타겟의 위치를 생성할 수 있다. 여기서, 타겟의 위치는 상술한 정밀 위치 또는 제2 위치일 수 있다.

일실시예에 따르면, 적어도 하나의 제2 인식기(302)의 학습을 위해, 제1 트레이닝 출력들로부터 제2 트레이닝 특징들이 생성될 수 있다. 적어도 하나의 제2 인식기(302)는 제1 트레이닝 출력들에 대응하는 제2 레이블들과 제2 트레이닝 특징들로부터 적어도 하나의 제2 인식기(302)에 의해 생성된 제2 트레이닝 출력들에 기초하여 학습될 수 있다. 적어도 하나의 제2 인식기(302)의 파라미터는 제2 레이블들과 제2 트레이닝 출력들 사이의 차이에 기초하여 정의된 학습 에러를 최소화하는 방향으로 최적화될 수 있다.

드론 착륙 제어 장치는 적어도 하나의 제2 출력(324)에 기초하여, 기 학습된 적어도 하나의 제3 인식기(303)에 대응하는 적어도 하나의 제3 특징(325)을 생성할 수 있다. 일실시예에 따르면, 드론 착륙 제어 장치는 정밀 위치와 드론의 위치에 기초하여, 기 학습된 적어도 하나의 제3 인식기(303)에 대응하는 적어도 하나의 제3 특징(325)을 생성할 수 있다.

드론 착륙 제어 장치는 적어도 하나의 제3 특징(325)을 적어도 하나의 제3 인식기(303)에 인가할 수 있다. 드론 착륙 제어 장치는 적어도 하나의 제3 인식기(303)가 생성한 적어도 하나의 제3 출력(326)에 기초하여, 드론의 착륙을 위한 제어 정보를 생성할 수 있다.

일실시예에 따르면, 적어도 하나의 제3 인식기(303)의 학습을 위해, 제2 트레이닝 출력들로부터 제3 트레이닝 특징들이 생성될 수 있다. 또는, 드론의 트레이닝 정밀 위치들과 위치들로부터 제3 트레이닝 특징들이 생성될 수 있다. 적어도 하나의 제3 인식기(303)는 제2 트레이닝 출력들에 대응하는 제3 레이블들과 제3 트레이닝 특징들로부터 적어도 하나의 제3 인식기(303)에 의해 생성된 제3 트레이닝 출력들에 기초하여 학습될 수 있다. 적어도 하나의 제3 인식기(303)의 파라미터는 제3 레이블들과 제3 트레이닝 출력들 사이의 차이에 기초하여 정의된 학습 에러를 최소화하는 방향으로 최적화될 수 있다. 상술한 특징들, 인식기들의 입출력을 정의하는 방식이나 학습 방식에는 다양한 기법들이 채용되어 응용될 수 있다.

도 4는 일실시예에 따른 드론 착륙 제어 방법을 설명하기 위한 도면이다.

도 4(a) 내지 4(c)를 참조하면, 드론 착륙 제어 장치는 기 학습된 적어도 하나의 인식기의 다양한 조합을 이용하여 타겟을 인식하고, 타겟의 위치를 검출하고, 착륙을 위한 제어 정보를 생성할 수 있다.

도 4(a)를 참조하면, 드론 착륙 제어 장치는 제1 인식기(401) 및 제2 인식기(402)를 이용할 수 있다. 드론 착륙 제어 장치는 타겟의 RGB 영상과 IR 영상에 기초하여 특징(403)을 생성하고, 생성된 특징(403)을 제1 인식기(401)에 인가할 수 있다. 드론 착륙 제어 장치는 제1 인식기(401)의 출력(404)에 기초하여 타겟이 착륙 타겟인지 여부를 판단할 수 있다. 드론 착륙 제어 장치는 제1 인식기(401)의 출력(404)에 기초하여 특징을 생성하고, 생성된 특징을 제2 인식기(402)에 인가할 수 있다. 드론 착륙 제어 장치는 제2 인식기(402)의 출력(405)에 기초하여 타겟의 위치를 인식할 수 있다. 드론 착륙 제어 장치는 제2 인식기(402)의 출력(406)에 기초하여 드론의 착륙을 위한 제어 정보를 생성할 수 있다.

도 4(b)를 참조하면, 드론 착륙 제어 장치는 제1 인식기(411) 및 제2 인식기(412)를 이용할 수 있다. 드론 착륙 제어 장치는 타겟의 RGB 영상과 IR 영상에 기초하여 특징(413)을 생성하고, 생성된 특징(413)을 제1 인식기(411)에 인가할 수 있다. 드론 착륙 제어 장치는 제1 인식기(411)의 출력(414)에 기초하여 타겟이 착륙 타겟인지 여부를 판단할 수 있다. 드론 착륙 제어 장치는 제1 인식기(411)의 출력(415)에 기초하여 타겟의 위치를 인식할 수 있다. 드론 착륙 제어 장치는 제1 인식기(411)의 출력(414) 및 출력(415)에 기초하여 특징을 생성하고, 생성된 특징을 제2 인식기(412)에 인가할 수 있다. 드론 착륙 제어 장치는 제2 인식기(412)의 출력(416)에 기초하여 드론의 착륙을 위한 제어 정보를 생성할 수 있다.

도 4(c)를 참조하면, 드론 착륙 제어 장치는 제1 인식기(421)를 이용할 수 있다. 일실시예에 따르면, 제1 인식기(421)는 단-대-단(end-to-end)의 형식으로 기 학습될 수 있다. 드론 착륙 제어 장치는 타겟의 RGB 영상과 IR 영상에 기초하여 특징(422)을 생성하고, 생성된 특징(422)을 제1 인식기(421)에 인가할 수 있다. 드론 착륙 제어 장치는 제1 인식기(421)의 출력(423)에 기초하여 타겟이 착륙 타겟인지 여부를 판단할 수 있다. 드론 착륙 제어 장치는 제1 인식기(421)의 출력(424)에 기초하여 타겟의 위치를 인식할 수 있다. 드론 착륙 제어 장치는 제1 인식기(421)의 출력(425)에 드론의 착륙을 위한 제어 정보를 생성할 수 있다.

상술한 인식기들은 그 양상이 다양하게 변형될 수 있으며, 다양한 기법들이 적용되어 학습될 수 있다.

도 5는 일실시예에 따른 학습 방법을 설명하기 위한 도면이다.

학습 장치는 적어도 하나의 인식기(501)를 학습시킬 수 있다. 학습 장치는 드론 착륙 제어를 위한 인식기를 학습시키기 위한 장치로서, 예를 들어 소프트웨어 모듈, 하드웨어 모듈 또는 이들의 조합으로 구현될 수 있다. 학습 장치는 상술한 인식기들을 학습시킬 수 있고, 상술한 인식기들의 특징들 또는 입출력들에 부합하도록 그 파라미터들이 최적화될 수 있다. 도 5를 참조하여 학습의 실시예가 설명되지만, 학습의 양상은 이에 국한되지 않고, 상술한 인식기들에 부합하도록 학습이 수행될 수 있다.

도 5를 참조하면, 학습 장치는 트레이닝 RGB 영상(502)과 트레이닝 IR 영상(503)으로부터 복수의 특징들(504)을 생성하고, 생성된 특징들(504)을 복수의 인식기들(501)에 인가할 수 있다. 학습 장치는 인식기들(501)에 의해 생성된 트레이닝 출력(505)을 획득할 수 있다. 학습 장치는 트레이닝 RGB 영상(502)과 트레이닝 IR 영상(503)에 대응하는 레이블(506)과 트레이닝 출력(505) 사이에 기초하여 학습 에러를 생성할 수 있다. 학습 장치는 학습 에러에 기초하여 인식기들(501)의 파라미터들을 최적화할 수 있다. 예를 들어, 인식기들(501)은 CNN(Convolutional Neural Network), RNN(Recurrent Neural Network) 등 다양하게 구현될 수 있고, 파라미터의 최적화 동작에는 Gradient Descent 기법 등 다양한 기법들이 채용될 수 있다. 학습 장치는 파리미터 최적화의 동작을 학습 에러, 학습 에러의 변화량 및 파라미터들의 최적화 정도 중 적어도 하나가 미리 정의된 조건을 충족할 때까지 반복하고, 학습을 완료할 수 있다.

도 6은 일실시예에 따른 드론 착륙 제어 방법을 설명하기 위한 순서도이다.

도 6을 참조하면, GCS는 드론으로부터 생성된 타겟의 정밀 위치를 수신할 수 있다(601). GCS는 타겟의 기준 위치와 정밀 위치에 기초하여, 오프셋을 생성할 수 있다(602). GCS는 생성된 오프셋이 미리 정의된 범위를 충족하는지 여부를 판단할 수 있다(603). GCS는 판단 결과에 기초하여, 착륙 허가 신호를 드론 착륙 제어 장치로 전송할 수 있다(604). 여기서, 드론 착륙 제어 장치와 GCS의 동작들에는 상술한 내용이 적용될 수 있으므로, 자세한 설명은 생략한다.

도 7은 일실시예에 따른 드론 착륙 제어 방법을 설명하기 위한 순서도이다.

도 7을 참조하면, 드론 착륙 제어 장치는 드론의 초음파 센서 및 GPS 센서로부터 획득된 정보와 드론의 광학 센서와 IR 센서로부터 획득된 타겟의 RGB 영상과 IR 영상 중 적어도 하나에 기초하여, 적어도 하나의 특징을 생성할 수 있다(701). 드론 착륙 제어 장치는 드론이 착륙할 타겟들을 인식하도록 학습된 인식기를 이용하여, 생성된 특징으로부터 타겟을 드론이 착륙할 착륙 타겟으로 인식하고, 착륙 타겟인 타겟의 정밀 위치 및 드론의 착륙을 위한 제어 정보 중 적어도 하나를 생성할 수 있다(702). 드론 착륙 제어 장치는 단-대-단의 형식으로 기 학습된 인식기를 이용하여, 특징으로부터 판단 결과물들을 직접적으로 생성할 수 있다. 여기서, 단-대-단의 형식으로 기 학습된 인식기는 도 4(c)를 참조하여 상술된 인식기와 유사하게 구현될 수 있다.

도 8은 일실시예에 따른 장치의 구성의 예시도이다.

도 8를 참조하면, 장치(800)는 프로세서(801), 메모리(802), 센서/카메라(803), 통신 인터페이스(804), 액츄에이터(805) 및 데이터 버스(806)를 포함한다. 메모리(802)는 드론 착륙 제어와 관련된 명령들을 처리하기 위한 어플리케이션, 프로그램 또는 소프트웨어를 기록할 수 있고, 도 1 내지 7을 참조하여 설명된 동작들을 실행하기 위한 명령들을 기록할 수 있다. 장치(800)는 상술한 시스템, 드론 착륙 제어 장치 및 GCS 중 어느 하나 또는 이들의 조합일 수 있다. 프로세서(801)는 프로그램을 실행하고, 장치(800)를 제어할 수 있다. 프로세서(801)에 의하여 실행되는 프로그램의 코드는 메모리(802)에 저장될 수 있다. 장치(800)는 통신 인터페이스(804)를 통하여 외부 장치(예를 들어, 퍼스널 컴퓨터 또는 네트워크)에 연결되고, 데이터를 교환할 수 있다. 프로세서(801)는 메모리(802)에 기록된 프로그램을 로딩하여 실행할 수 있다. 여기서, 프로세서(801)의 동작들은 위에서 설명한 실시예들이 적용되므로, 중복되는 내용의 설명은 생략한다.

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, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 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 콘트롤러를 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 하나 이상의 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. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 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.

이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 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.

201: 드론

Claims (12)

1. 드론의 초음파 센서와 GPS(Global Positioning System) 센서를 이용하여, 타겟을 인식하고, 상기 타겟의 제1 위치를 검출하는 단계;
   상기 드론의 광학 센서와 IR(Infrared Ray) 센서를 이용하여, 상기 타겟의 RGB 영상과 IR 영상을 획득하는 단계;
   RGB 영상들 및 IR 영상들로부터 상기 드론이 착륙할 타겟들을 인식하도록 학습된 인식기를 이용하여, 상기 RGB 영상과 상기 IR 영상으로부터 상기 타겟을 상기 드론이 착륙할 착륙 타겟으로 인식하고, 착륙 타겟인 상기 타겟의 제2 위치를 검출하는 단계;
   상기 제1 위치와 상기 제2 위치를 이용하여, 착륙 타겟인 상기 타겟의 정밀 위치를 생성하는 단계; 및
   착륙 타겟인 상기 타겟의 정밀 위치와 상기 드론의 위치에 기초하여, 상기 드론의 착륙을 제어하는 단계
   를 포함하는
   드론 착륙 제어 방법.
   
2. 제1항에 있어서,
   상기 타겟의 상기 제2 위치를 검출하는 단계는
   상기 RGB 영상과 상기 IR 영상에 기초하여, 기 학습된 적어도 하나의 인식기에 대응하는 적어도 하나의 특징을 생성하는 단계;
   상기 적어도 하나의 인식기가 상기 적어도 하나의 특징으로부터 생성한 적어도 하나의 출력에 기초하여, 상기 타겟이 착륙 타겟인지 여부를 판단하는 단계; 및
   상기 타겟이 착륙 타겟인 경우, 상기 RGB 영상과 상기 IR 영상 중 적어도 하나에 대응하는 제2 위치를 검출하는 단계
   를 포함하는,
   드론 착륙 제어 방법.
   
3. 제2항에 있어서,
   상기 특징을 생성하는 단계는
   상기 초음파 센서와 상기 GPS 센서로부터 획득된 정보에 더 기초하여, 상기 인식기에 대응하는 적어도 하나의 특징을 생성하는 단계
   를 포함하는,
   드론 착륙 제어 방법.
   
4. 제1항에 있어서,
   상기 타겟의 상기 제2 위치를 검출하는 단계는
   상기 RGB 영상과 상기 IR 영상에 기초하여, 기 학습된 적어도 하나의 제1 인식기에 대응하는 적어도 하나의 제1 특징을 생성하는 단계;
   상기 제1 인식기가 상기 제1 특징으로부터 생성한 적어도 하나의 제1 출력에 기초하여, 상기 타겟이 착륙 타겟인지 여부를 판단하는 단계;
   상기 타겟이 착륙 타겟인 경우, 상기 제1 출력에 기초하여 기 학습된 적어도 하나의 제2 인식기에 대응하는 적어도 하나의 제2 특징을 생성하는 단계; 및
   상기 제2 인식기가 상기 제2 특징으로부터 생성한 적어도 하나의 제2 출력에 기초하여, 착륙 타겟인 상기 타겟의 제2 위치를 생성하는 단계
   를 포함하고,
   상기 제1 인식기의 학습을 위해, 트레이닝 RGB 영상들 및 트레이닝 IR 영상들로부터 제1 트레이닝 특징들이 생성되고,
   상기 제1 인식기는 상기 트레이닝 RGB 영상들 및 상기 트레이닝 IR 영상들에 대응하는 제1 레이블들과 상기 제1 트레이닝 특징들로부터 상기 제1 인식기에 의해 생성된 제1 트레이닝 출력들에 기초하여 학습되고,
   상기 제2 인식기의 학습을 위해, 상기 제1 트레이닝 출력들로부터 제2 트레이닝 특징들이 생성되고,
   상기 제2 인식기는 상기 제2 트레이닝 출력들에 대응하는 제2 레이블들과 상기 제2 트레이닝 특징들로부터 상기 제2 인식기에 의해 생성된 제2 트레이닝 출력들에 기초하여 학습되는,
   드론 착륙 제어 방법.
   
5. 제1항에 있어서,
   상기 드론의 착륙을 제어하는 단계는
   상기 정밀 위치와 상기 드론의 위치에 기초하여, 기 학습된 적어도 하나의 제3 인식기에 대응하는 적어도 하나의 제3 특징을 생성하는 단계; 및
   상기 제3 인식기가 상기 제3 특징으로부터 생성한 적어도 하나의 제3 출력에 기초하여, 상기 드론의 착륙을 위한 제어 정보를 생성하는 단계
   를 포함하고,
   상기 제3 인식기의 학습을 위해, 상기 드론의 트레이닝 정밀 위치들과 위치들로부터 제3 트레이닝 특징들이 생성되고,
   상기 제3 인식기는 상기 트레이닝 정밀 위치들과 상기 위치들에 대응하는 제3 레이블들과 상기 제3 트레이닝 특징들로부터 상기 제3 인식기에 의해 생성된 제3 트레이닝 출력들에 기초하여 학습되는,
   드론 착륙 제어 방법.
   
6. 제1항에 있어서,
   상기 정밀 위치를 생성하는 단계는
   상기 제1 위치와 상기 제2 위치에 기초하여, 착륙 타겟들의 정밀 위치들을 인식하도록 학습된 적어도 하나의 인식기에 대응하는 적어도 하나의 특징을 생성하는 단계; 및
   상기 인식기가 상기 특징으로부터 생성한 적어도 하나의 출력에 기초하여, 상기 타겟의 정밀 위치를 생성하는 단계
   를 포함하는,
   드론 착륙 제어 방법.
   
7. 제1항에 있어서,
   상기 생성된 정밀 위치를 상기 타겟의 GCS(Ground Control Station)로 전송하는 단계;
   상기 타겟의 기준 위치와 상기 정밀 위치에 기초하여, 상기 GCS에 의해 생성된 오프셋을 수신하는 단계;
   상기 오프셋이 미리 정의된 범위를 충족하는 경우에 응답하여 상기 GCS에 의해 생성된 착륙 허가 신호를 수신하는 단계; 및
   상기 오프셋에 기초하여, 상기 정밀 위치를 보정하는 단계
   를 더 포함하고,
   상기 드론의 착륙을 제어하는 단계는
   상기 보정된 정밀 위치와 상기 드론의 위치에 기초하여, 상기 드론의 착륙을 위한 제어 정보를 생성하는 단계
   를 포함하는,
   드론 착륙 제어 방법.
   
8. 제1항에 있어서,
   상기 타겟의 기준 위치를 GCS로부터 수신하는 단계;
   상기 기준 위치와 상기 정밀 위치에 기초하여, 오프셋을 생성하는 단계;
   상기 오프셋을 상기 GCS로 전송하는 단계; 및
   상기 오프셋이 미리 정의된 범위를 충족하는 경우에 응답하여, 상기 GCS에 의해 생성된 착륙 허가 신호를 수신하는 단계
   를 더 포함하는,
   드론 착륙 제어 방법.
   
9. 제1항에 있어서,
   상기 타겟의 기준 위치를 GCS로 전송하는 단계;
   상기 기준 위치의 변경 여부에 대한 판단 결과를 상기 GCS로부터 수신하는 단계;
   상기 기준 위치의 변경이 없는 경우, 상기 기준 위치와 상기 정밀 위치에 기초하여 오프셋을 생성하는 단계; 및
   상기 기준 위치의 변경이 있는 경우, 상기 GCS로부터 수신한 기준 위치와 상기 정밀 위치에 기초하여 오프셋을 생성하는 단계
   를 더 포함하는,
   드론 착륙 제어 방법.
   
10. 드론으로부터 생성된 타겟의 정밀 위치를 수신하는 단계;
    상기 타겟의 기준 위치와 상기 정밀 위치에 기초하여, 오프셋을 생성하는 단계;
    상기 오프셋이 미리 정의된 범위를 충족하는지 여부를 판단하는 단계; 및
    상기 판단 결과에 기초하여, 착륙 허가 신호를 드론 착륙 제어 장치로 전송하는 단계
    를 포함하고,
    상기 정밀 위치는 상기 드론의 초음파 센서와 GPS 센서에 의해 검출된 제1 위치, 상기 드론의 광학 센서와 IR 센서에 의해 획득된 상기 타겟의 RGB 영상과 IR 영상으로부터 기 학습된 인식기에 의해 검출된 제2 위치에 기초하여 생성된,
    드론 착륙 제어 방법.
    
11. 하드웨어와 결합되어 제1항 내지 제10항 중 어느 하나의 항의 방법을 실행시키기 위하여 컴퓨터 판독 가능 기록 매체에 저장된 컴퓨터 프로그램.
    
12. 드론의 초음파 센서와 GPS 센서를 이용하여, 타겟을 인식하고, 상기 타겟의 제1 위치를 검출하고,
    상기 드론의 광학 센서와 IR 센서를 이용하여, 상기 타겟의 RGB 영상과 IR 영상을 획득하고,
    RGB 영상들 및 IR 영상들로부터 상기 드론이 착륙할 타겟들을 인식하도록 학습된 인식기를 이용하여, 상기 RGB 영상과 상기 IR 영상으로부터 상기 타겟을 상기 드론이 착륙할 착륙 타겟으로 인식하고, 착륙 타겟인 상기 타겟의 제2 위치를 검출하고,
    상기 제1 위치와 상기 제2 위치를 이용하여, 착륙 타겟인 상기 타겟의 정밀 위치를 생성하고,
    착륙 타겟인 상기 타겟의 정밀 위치와 상기 드론의 위치에 기초하여, 상기 드론의 착륙을 제어하는 프로세서
    를 포함하는
    드론 착륙 제어 장치.
    
    
    

Images