KR20230055329A - 이사비용 산출 방법 및 장치 - Google Patents

이사비용 산출 방법 및 장치 Download PDF

Info

Publication number
KR20230055329A
KR20230055329A KR1020220000278A KR20220000278A KR20230055329A KR 20230055329 A KR20230055329 A KR 20230055329A KR 1020220000278 A KR1020220000278 A KR 1020220000278A KR 20220000278 A KR20220000278 A KR 20220000278A KR 20230055329 A KR20230055329 A KR 20230055329A
Authority
KR
South Korea
Prior art keywords
information
item
moving
image
items
Prior art date
Application number
KR1020220000278A
Other languages
English (en)
Inventor
심준보
Original Assignee
주식회사 모두플랫폼
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 모두플랫폼 filed Critical 주식회사 모두플랫폼
Publication of KR20230055329A publication Critical patent/KR20230055329A/ko

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q30/00Commerce
    • G06Q30/02Marketing; Price estimation or determination; Fundraising
    • G06Q30/0283Price estimation or determination
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/08Learning methods
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q30/00Commerce
    • G06Q30/06Buying, selling or leasing transactions
    • G06Q30/08Auctions
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10Services
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00Manipulating 3D models or images for computer graphics
    • G06T19/006Mixed reality
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00Manipulating 3D models or images for computer graphics
    • G06T19/20Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/11Region-based segmentation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/10Image acquisition
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/10Image acquisition
    • G06V10/17Image acquisition using hand-held instruments

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Tourism & Hospitality (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Hardware Design (AREA)
  • Computer Graphics (AREA)
  • Game Theory and Decision Science (AREA)
  • Multimedia (AREA)
  • Primary Health Care (AREA)
  • Human Resources & Organizations (AREA)
  • Architecture (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 개시의 일 실시예에 따라, 컴퓨팅 장치에 의해 수행되는 이사비용 산출 방법으로서, 하나 이상의 아이템을 포함하는 이미지를 수신하는 단계, 상기 하나 이상의 아이템 중 적어도 하나의 기준 아이템을 결정하고, 상기 기준 아이템을 기초로 상기 하나 이상의 아이템에 관한 아이템 정보를 생성하는 단계, 상기 아이템 정보를 기초로 상기 하나 이상의 아이템을 차량에 가상 적재하는 단계, 및 상기 가상 적재를 통해 산출되는 아이템 적재정보를 기초로, 상기 이미지에 관한 이사비용을 산출하는 단계를 포함할 수 있다.

Description

이사비용 산출 방법 및 장치 {METHOD AND APPARATUS FOR ESTIMATING MOVING COSTS}
본 개시는 이사비용 산출 방법 및 장치에 관한 것으로, 구체적으로 인공지능 기반의 이사비용 자동 산출 방법 및 장치에 관한 것이다.
일반적으로 이사를 계획하는 경우, 사용자는 임의의 이사 업체를 선택하여 전화, 온라인 홈페이지, 또는 이사 업체의 방문 요청 등을 통해 이사비용 견적을 의뢰하고, 이사 업체가 요구하는 이사 관련 정보(출발지, 도착지, 가구 및 가전정보, 엘리베이터 유무 등)를 제공하게 된다. 또한 사용자는, 사용자가 전화, 온라인 홈페이지, 또는 방문 상담 등을 통해 제공한 정보를 바탕으로 이사 업체가 산출한 예상 이사비용을 전달받게 된다.
그러나 이와 같은 종래의 이사비용 산출 방법은, 이사 업체가 견적 산출을 위해 요구하는 각종 정보를 직접 체크하여 제공하여야 하는 바 많은 시간과 수고를 필요로 하게 되며, 사용자가 제공한 정보와 실제 정보 간의 오차로 인해 최초 이사 견적이 무의미해지는 경우가 많다. 뿐만 아니라 사용자가 선택한 이사 업체와 계약이 체결되지 않는 경우, 사용자는 다른 이사 업체를 재선택하고 이사비용 견적 산출을 위한 상담 및 정보 제공을 다시금 반복해야 하는 번거로움이 있다.
이에, 사용자가 최소한의 정보를 제공함으로써 정확한 이사비용을 즉각적으로 확인할 수 있도록, 이사비용 산출 과정을 간소화 및 자동화하는 기술에 대한 당업계의 요구가 존재한다.
해결하고자 하는 과제는, 딥 러닝 모델을 기반으로 사용자에 의해 촬영된 이미지를 분석하여 이사비용 산출 과정을 간소화 및 자동화하는 방법을 제공하는 것이다. 상기 과제 이외에도 구체적으로 언급되지 않은 다른 과제를 달성하는 데 사용될 수 있다.
본 개시의 몇몇 실시예에 따른 컴퓨팅 장치에 의해 수행되는 이사비용 산출 방법으로서, 상기 방법은, 하나 이상의 아이템을 포함하는 이미지를 수신하는 단계, 상기 하나 이상의 아이템 중 적어도 하나의 기준 아이템을 결정하고, 상기 기준 아이템을 기초로 상기 하나 이상의 아이템에 관한 아이템 정보를 생성하는 단계, 상기 아이템 정보를 기초로 상기 하나 이상의 아이템을 차량에 가상 적재하는 단계, 및 상기 가상 적재를 통해 산출되는 아이템 적재정보를 기초로, 상기 이미지에 관한 이사비용을 산출하는 단계를 포함할 수 있다.
상기 아이템 정보는, 아이템 타입정보, 아이템 사이즈정보, 및 아이템 타입 별 수량정보 중 하나 이상을 포함할 수 있다.
상기 아이템 정보를 생성하는 단계는, 적어도 두 개의 모델 각각에 상기 이미지를 입력하여, 특정 아이템에 대한 타입 추론정보 및 확률 추론정보를 각각 획득하는 단계, 상기 적어도 두 개의 모델 각각의 상기 타입 추론정보가 서로 대응되는 경우, 상기 타입 추론정보에 기초하여 상기 특정 아이템의 상기 아이템 타입정보를 결정하는 단계, 및 상기 적어도 두 개의 모델 각각의 상기 타입 추론정보가 서로 대응되지 않는 경우, 상기 적어도 두 개의 모델 각각의 상기 확률 추론정보 중 더 큰 값의 확률 추론정보에 대응하는 타입 추론정보에 기초하여 상기 특정 아이템의 상기 아이템 타입정보를 결정하는 단계를 포함할 수 있다.
상기 아이템 정보를 생성하는 단계는, 상기 기준 아이템과 연관된 이미지 상 사이즈 및 상기 기준 아이템과 연관된 실제 사이즈 간의 비율을 기초로, 상기 아이템 사이즈정보를 산출하는 단계를 포함할 수 있다.
상기 기준 아이템은, 상기 이미지에 포함된 바닥면 및 천장면, 상기 이미지에 포함된 바닥면 및 문 손잡이, 상기 이미지에 포함된 바닥면 및 의자 좌판, 및 상기 이미지에 포함된 표준 규격 아이템 중 적어도 하나를 포함할 수 있다.
상기 방법은, 생성된 상기 아이템 정보를 사용자 단말로 전송하는 단계, 및 상기 아이템 정보를 수정할 수 있는 사용자 인터페이스를 상기 사용자 단말에 출력하고, 상기 사용자 인터페이스를 통해 입력된 정보를 기초로 상기 아이템 정보를 갱신하는 단계를 더 포함할 수 있다.
상기 가상 적재하는 단계는, 상기 아이템 정보를 기 저장된 상품 데이터셋(dataset)과 매칭하여, 상기 상품 데이터셋으로부터 아이템 상품정보를 획득하는 단계, 상기 아이템 정보 및 상기 아이템 상품정보 중 적어도 일부를 기초로, 아이템 물량정보를 CBM 단위로 산출하는 단계, 및 상기 아이템 물량정보를 기초로, 하나 이상의 적재 알고리즘에 따라 상기 하나 이상의 아이템을 상기 차량에 가상 적재하는 단계를 포함할 수 있다.
상기 아이템 상품정보를 획득하는 단계는, 아이템 타입정보 및 아이템 사이즈정보를 기초로, 특정 아이템을 상기 상품 데이터셋에 포함된 하나 이상의 상품들과 비교하고, 상기 하나 이상의 상품들 중 상기 특정 아이템과 대응도가 높은 적어도 하나의 상품의 상품정보를 상기 특정 아이템의 상기 아이템 상품정보로 획득하는 단계를 포함할 수 있다.
상기 아이템 상품정보는, 상품명 정보, 상품 사이즈정보, 및 상품 무게정보 중 적어도 일부를 포함할 수 있다.
상기 적재 알고리즘은, 상기 상품 무게정보에 기초하여 상기 상품 무게정보의 값이 큰 아이템을 하단부에 적재하는 무게 기준 적재 알고리즘, 상기 상품 사이즈정보에 기초하여 상기 상품 사이즈정보의 값이 큰 아이템을 하단부에 적재하는 사이즈 기준 적재 알고리즘, 및 상기 하나 이상의 아이템들 중 형태가 서로 유사한 아이템들을 서로 인접하도록 적재하는 형태 기준 적재 알고리즘 중 적어도 하나를 포함할 수 있다.
상기 이사비용을 산출하는 단계는, 상기 가상 적재를 통해 상기 하나 이상의 아이템에 관한 필요 차량정보 및 필요 인원정보를 포함하는 상기 아이템 적재정보를 산출하고, 상기 아이템 적재정보에 기초하여 상기 이미지에 관한 표준 이사비용을 산출하는 단계를 포함할 수 있다.
상기 이사비용을 산출하는 단계는, 사용자 단말로부터, 출발지 및 도착지의 위치 정보, 사다리차 유무 정보, 엘리베이터 유무 정보, 성수기 여부 정보, 및 특수 서비스 필요 여부 정보 중 적어도 하나를 포함하는, 이사 상세정보를 수신하는 단계, 및 상기 표준 이사비용 및 상기 이사 상세정보에 기초하여, 실제 이사비용을 산출하는 단계를 포함할 수 있다.
상기 방법은, 상기 사용자 단말로부터 수신한 상기 이미지를 상기 아이템 정보, 상기 이사 상세정보, 상기 표준 이사비용, 및 상기 실제 이사비용 중 적어도 하나와 매칭하여 저장하는 단계를 더 포함할 수 있다.
본 개시의 몇몇 실시예에 따른 컴퓨팅 장치에 의해 수행되는 이사비용 산출 방법으로서, 하나 이상의 아이템을 포함하는 이미지를 수신하는 단계, 적어도 두 개의 모델 각각에 상기 이미지를 입력하여, 상기 하나 이상의 아이템에 관한 아이템 타입정보를 획득하는 단계, 상기 하나 이상의 아이템 중 적어도 하나의 기준 아이템을 결정하고, 상기 기준 아이템을 기초로 상기 하나 이상의 아이템에 관한 아이템 사이즈정보를 획득하는 단계, 및 상기 아이템 타입정보 및 상기 아이템 사이즈정보를 포함하는 아이템 정보를 업체 단말에 출력하고, 상기 업체 단말을 통해 상기 아이템 정보와 대응되는 이사견적을 입력받는 단계를 포함할 수 있다.
상기 아이템 타입정보를 획득하는 단계는, 상기 적어도 두 개의 모델 각각에 상기 이미지를 입력하여, 특정 아이템에 대한 타입 추론정보 및 확률 추론정보를 각각 획득하는 단계, 상기 적어도 두 개의 모델 각각의 상기 타입 추론정보가 서로 대응되는 경우, 상기 타입 추론정보에 기초하여 상기 특정 아이템의 상기 아이템 타입정보를 결정하는 단계, 및 상기 적어도 두 개의 모델 각각의 상기 타입 추론정보가 서로 대응되지 않는 경우, 상기 적어도 두 개의 모델 각각의 상기 확률 추론정보 중 더 큰 값의 확률 추론정보에 대응하는 타입 추론정보에 기초하여 상기 특정 아이템의 상기 아이템 타입정보를 결정하는 단계를 포함할 수 있다.
상기 아이템 사이즈정보를 생성하는 단계는, 상기 기준 아이템과 연관된 사이즈 및 상기 기준 아이템과 연관된 실제 사이즈 간의 비율을 기초로, 상기 아이템 사이즈정보를 산출하는 단계를 포함할 수 있다.
상기 기준 아이템은, 상기 이미지에 포함된 바닥면 및 천장면, 상기 이미지에 포함된 바닥면 및 문 손잡이, 상기 이미지에 포함된 바닥면 및 의자 좌판, 및 상기 이미지에 포함된 표준 규격 아이템 중 적어도 하나를 포함할 수 있다.
상기 방법은, 생성된 상기 아이템 정보를 상기 사용자 단말로 전송하는 단계, 및 상기 아이템 정보를 수정할 수 있는 사용자 인터페이스를 상기 사용자 단말에 출력하고, 상기 사용자 인터페이스를 통해 입력된 정보를 기초로 상기 아이템 정보를 갱신하는 단계를 더 포함할 수 있다.
상기 방법은, 상기 이미지를 상기 아이템 정보 및 상기 이사견적 중 적어도 하나와 매칭하여 저장하는 단계를 더 포함할 수 있다.
본 개시의 몇몇 실시예에 따르면, 딥 러닝 모델을 기반으로, 이미지에 포함된 하나 이상의 아이템들에 대한 정보를 자동 생성하여, 이사비용을 자동으로 산출할 수 있다.
본 개시의 몇몇 실시예에 따르면, 딥 러닝 모델을 기반으로, 이미지에 포함된 기준 아이템을 식별하여, 하나 이상의 아이템들에 대한 정확한 사이즈정보를 자동으로 산출할 수 있다.
본 개시의 몇몇 실시예에 따르면, 딥 러닝 모델을 기반으로 자동 생성된 하나 이상의 아이템들의 제원 정보 및 적재 알고리즘을 사용한 가상 적재를 통해, 이사에 필요한 인원과 차량을 정확하게 예측할 수 있다.
본 개시의 몇몇 실시예에 따르면, 사용자로부터 입력된 이미지와 해당 이미지를 딥 러닝 모델에 입력하여 획득된 아이템 정보, 이사비용 정보 등을 매칭하여 저장함으로써, 이사비용 자동 산출을 위한 빅데이터를 구축 및 갱신할 수 있다.
도 1은 본 개시의 몇몇 실시예에 따른 이사비용 장치를 나타낸 블록도이다.
도 2는 본 개시의 몇몇 실시예에 따른 이사비용 산출 방법에 대한 순서도이다.
도 3은 본 개시의 몇몇 실시예에 따른 아이템 타입정보를 설명하기 위한 도면이다.
도 4는 본 개시의 몇몇 실시예에 따른 아이템 사이즈정보를 설명하기 위한 도면이다.
도 5는 본 개시의 몇몇 실시예에 따른 가상 적재를 설명하기 위한 도면이다.
도 6은 본 개시의 다른 몇몇 실시예에 따른 이사비용 산출 방법에 대한 순서도이다.
도 7은 본 개시의 몇몇 실시예에 따른 이사비용 산출 방법을 제공하는 컴퓨팅 장치를 나타낸 블록도이다.
아래에서는 첨부한 도면을 참고로 하여 본 개시의 실시예에 대하여 본 개시가 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 개시는 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 개시를 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
본 개시에서, 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다. 네트워크를 구성하는 장치들은 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다.
도 1은 본 개시의 몇몇 실시예에 따른 이사비용 산출 장치를 나타낸 블록도이다.
도 1을 참조하면, 본 개시에 따른 이사비용 산출 장치(100)는 이미지 수신부(110), 아이템 분석부(120), 상품 데이터셋부(130), 아이템 적재부(140), 및 이사비용 산출부(150)를 포함할 수 있다. 또한 본 개시에 따른 이사비용 산출 장치(100)는 하나 이상의 사용자 단말(200) 및/또는 하나 이상의 업체 단말(300)과 네트워크를 통해 연결될 수 있다.
도 1에서는 설명의 편의상 이사비용 산출 장치(100)와 사용자 단말(200) 및 업체 단말(300)을 구분하여 도시하였으나, 이에 한정되는 것은 아니다. 가령 이사비용 산출 장치(100)는 사용자 단말(200)과 동일한 장치로 구현되거나, 또는 이사비용 산출 장치(100)는 업체 단말(300)과 동일한 장치로 구현될 수도 있다.
본 개시에 따른 이사비용 산출 장치(100)의 이미지 수신부(110)는, 사용자 단말(200)로부터 하나 이상의 아이템을 포함하는 이미지를 수신할 수 있다. 다만 이에 한정되는 것은 아니고, 하나 이상의 아이템을 포함하는 이미지는 사용자에 의해 이사비용 산출 장치(100)로 직접 입력되거나, 또는 이사비용 산출 장치(100)에 의해 직접 촬영될 수도 있다.
여기서 아이템은, 이사 출발지의 공간에 속해 있는 물품일 수 있다. 그리고 이미지는 하나 이상의 아이템들을 포함하도록 촬영된 사진 또는 영상일 수 있으며, 즉 아이템들이 속해 있는 이사 출발지의 공간을 촬영한 사진이나 영상일 수 있다.
본 개시에 따른 이미지 수신부(110)는 사용자 단말(200)로부터 수신한 이미지를 아이템 분석부(120)로 전달하여, 이미지 내 하나 이상의 아이템들에 대한 아이템 정보를 생성하게끔 할 수 있다.
본 개시에 따른 이사비용 산출 장치(100)의 아이템 분석부(120)는, 이미지에 포함된 하나 이상의 아이템 중 적어도 하나의 기준 아이템을 결정하고, 기준 아이템을 기초로 하나 이상의 아이템에 관한 아이템 정보를 생성할 수 있다.
여기서 아이템 정보는, 이미지에 포함된 하나 이상의 아이템 각각에 대한 아이템 타입정보, 아이템 사이즈정보, 및 아이템 타입 별 수량정보 중 하나 이상을 포함할 수 있다.
아이템 타입정보는, 아이템의 종류에 대한 정보일 수 있으며, 예컨대 소파, 커튼, 책상 등일 수 있다. 본 개시에 따른 모델은 이미지 수신부(110)로부터 전달된 이미지를 입력 받아, 이미지에 포함된 하나 이상의 아이템 각각의 종류를 추론할 수 있다. 아이템 타입정보는 모델로부터 추론된 하나 이상의 아이템 각각의 종류들에 기초하여 결정될 수 있다.
또는 각 모델로부터 획득된 타입 추론정보가 서로 대응되지 않는 경우, 아이템 분석부(120)는 각 모델로부터 획득된 확률 추론정보 중 더 큰 값의 확률 추론정보에 대응하는 타입 추론정보에 기초하여 특정 아이템의 아이템 타입정보를 결정할 수 있다.
여기서 모델은, 하나 이상의 뉴럴 네트워크 구조를 포함하는 모델일 수 있으며, 특히 이미지를 입력 받고 이미지에 포함된 하나 이상의 아이템에 대한 아이템 정보를 추론하도록 기 학습된 딥 러닝 모델일 수 있다. 상술한 적어도 두 개의 모델은, 영역분할 인식모델 및 객체 인식모델 중 하나 이상을 포함할 수 있다. 다만 이에 한정되는 것은 아니며, 본 개시내용에서 모델은 이미지를 입력 받고 이미지에 관한 이사비용을 즉각적으로 출력하도록 학습된 딥 러닝 모델일 수도 있다. 아이템 분석부(120)가 아이템 타입정보를 획득하는 일례에 관하여 도 3을 통해 후술한다.
한편 아이템 사이즈정보는, 아이템 타입정보와 함께 아이템 정보를 구성하는 정보 중 하나로서, 아이템의 크기에 대한 정보일 수 있다. 가령 사이즈정보는, 아이템과 연관된 가로 방향 사이즈, 세로 방향 사이즈, 높이 방향 사이즈, 부피 중 하나 이상을 포함할 수 있다.
아이템 사이즈정보와 관련하여, 아이템 분석부(120)는 하나 이상의 아이템들 중 적어도 하나의 기준 아이템을 결정하고, 결정된 기준 아이템에 기초하여 하나 이상의 아이템들 각각의 아이템 사이즈정보를 산출할 수 있다.
기준 아이템은, 아이템 중에서도 해당 아이템과 연관된 사이즈가 알려져 있거나, 혹은 해당 아이템과 연관된 사이즈가 주택법 등의 법률, ISO 등의 국제 표준 규격, 또는 인체 표준 정보 등에 의해 규격화되어 널리 통용되는 아이템일 수 있다.
한편 기준 아이템은, 상술한 아이템 타입정보에 기초하여 하나 이상의 아이템들로부터 결정될 수 있다. 즉 아이템 분석부(120)는 모델에 이미지를 입력하여 획득한 아이템 타입정보들 중, 기준 아이템으로 사용 가능한 적어도 하나의 아이템 타입정보를 식별할 수 있으며, 해당 아이템 타입정보에 대응되는 아이템을 기준 아이템으로 결정할 수 있다. 이를 위해, 기준 아이템으로 사용 가능한 아이템 타입정보들의 목록이 이사비용 산출 장치(100)에 기 저장되어 있을 수 있다. 다만 이에 한정되는 것은 아니다.
아이템 분석부(120)는 기준 아이템과 연관된 이미지 상 사이즈, 그리고 기준 아이템과 연관된 실제 사이즈 간의 비율에 기초하여, 하나 이상의 아이템들 각각의 아이템 사이즈정보를 산출할 수 있다.
다만 이에 한정되는 것은 아니며, 아이템 분석부(120)는 기준 아이템과 연관된 이미지 상 사이즈 및 실제 사이즈 간의 비율 외에도, 원근법을 추가적으로 고려하여 아이템 사이즈정보를 획득할 수 있다. 아이템 분석부(120)가 기준 아이템에 기초하여 아이템 사이즈정보를 획득하는 일례에 관하여 도 4를 통해 후술한다.
본 개시에 따른 이사비용 산출 장치(100)는, 상술한 방법으로 생성된 아이템 정보를 사용자 단말(200)로 전송할 수 있다. 구체적으로 이사비용 산출 장치(100)는, 아이템 정보를 수정할 수 있는 사용자 인터페이스가 사용자 단말(200)의 디스플레이부에 출력되게끔 할 수 있고, 사용자 인터페이스를 통해 입력된 정보를 기초로 아이템 정보를 갱신할 수 있다. 혹은 사용자가 사용자 인터페이스를 통해 추가적인 정보를 입력하지 않거나 또는 디스플레이 된 아이템 정보에 대해 확인을 입력하는 경우, 이사비용 산출 장치(100)는 아이템 정보를 기 수신한 이미지에 대해 확정된 아이템 정보로 결정할 수도 있다.
한편 본 개시에 따른 이사비용 산출 장치(100)는, 아이템 정보를 아이템 적재부(140)로 전달하여, 하나 이상의 아이템을 아이템 정보에 기초하여 차량에 가상 적재하고, 궁극적으로 이사비용을 산출하게끔 할 수 있다.
그러나 이에 한정되는 것은 아니며, 본 개시의 다른 몇몇 예시에서 이사비용 산출 장치(100)는 생성된 아이템 정보를 업체 단말(300)로 전송할 수도 있다. 이 경우 이사비용 산출 장치(100)는 업체 단말(300)로부터, 앞서 전송한 아이템 정보에 대응되는 이사견적을 입력 받을 수 있다. 즉 이사비용 산출 장치(100)가 이사비용을 산출하는 대신, 아이템 정보를 업체 단말(300)로 전송하여 곧바로 업체의 이사견적을 받아볼 수도 있다.
업체로부터 곧바로 이사견적을 수신하는 일 예시에 관하여는 도 6을 통해 후술하고, 도 1 내지 도 5에서는 이사비용 산출 장치(100)가 이사비용을 산출하는 일 예시를 중심으로 설명한다.
본 개시에 따른 이사비용 산출 장치(100)의 상품 데이터셋부(130)와 아이템 적재부(140)는, 아이템 정보를 기초로 하나 이상의 아이템을 차량에 가상 적재할 수 있다.
먼저 아이템 적재부(140)는, 하나 이상의 아이템 각각의 아이템 정보를 상품 데이터셋부(130)에 기 저장된 상품 데이터셋(dataset)과 매칭하여, 상품 데이터셋으로부터 하나 이상의 아이템 각각의 아이템 상품정보를 획득할 수 있다.
구체적으로 아이템 적재부(140)는 아이템 정보에 포함된 아이템 타입정보 및 아이템 사이즈정보를 기초로, 아이템들 중 하나인 특정 아이템을 상품 데이터셋에 포함된 하나 이상의 상품들과 비교할 수 있다.
그리고 아이템 적재부(140)는 상품 데이터셋에 포함된 하나 이상의 상품들 중, 상기 특정 아이템과 대응도가 높은 적어도 하나의 상품의 상품정보를 특정 아이템의 아이템 상품정보로 획득할 수 있다.
여기서 상품 데이터셋은, 기 제조 및 판매되는 기성품들(즉, “상품”)에 대한 제원 등의 상품정보를 포함하도록 구축된 데이터셋일 수 있다. 한편 상품의 상품정보는, 상품명 정보(예를 들어, “딤채 BM-A217W”), 상품 사이즈정보, 상품 무게정보 중 하나 이상을 포함할 수 있다.
도 1에서는 상품 데이터셋을 포함하는 상품 데이터셋부(130)가 이사비용 산출 장치(100)내에 구축되는 것으로 도시하였으나, 이에 한정되는 것은 아니다. 가령 상품 데이터셋부(130)는 외부 데이터베이스나 클라우드에 구축되어, 이사비용 산출 장치(100)에서 네트워크를 통해 접근 가능한 것일 수도 있다.
다음으로 아이템 적재부(140)는 아이템 정보 및 아이템 상품정보 중 적어도 일부에 기초하여, CBM 단위로 아이템 물량정보를 산출할 수 있다. 그리고 아이템 적재부(140)는 아이템 물량정보를 기초로, 하나 이상의 적재 알고리즘에 따라 하나 이상의 아이템을 차량에 가상 적재할 수 있다.
여기서 CBM은 가로 1m, 세로 1m, 높이 1m의 정육면체에 해당하는 부피를 의미하는 값으로, 이사에 필요한 자원(차량, 인원 등)을 결정하기 위해 사용되는 이사 물량 값의 기본 단위일 수 있다. 아이템 정보 및/또는 아이템 상품정보에 기초하여 아이템 물량정보를 CBM 단위로 산출하기 위해, 다양한 환산 테이블 및/또는 알고리즘들이 사용될 수 있다.
한편 여기서 적재 알고리즘은, 이미지에 포함된 하나 이상의 아이템을 가상의 차량에 가상 적재할 때에 사용되는 하나 이상의 계산 로직일 수 있다. 적재 알고리즘에 따라, 하나 이상의 아이템들의 가상 적재 순서 및/또는 가상 적재 위치가 결정될 수 있다.
가령, 아이템 적재부(140)는 무게 기준 적재 알고리즘에 따라, 상품 무게정보의 값이 큰 아이템일수록 가상 차량의 하단부에 가상 적재할 수 있다. 또는, 사이즈 기준 적재 알고리즘에 따라, 상품 사이즈정보의 값이 큰 아이템일수록 가상 차량의 하단부에 가상 적재할 수 있다. 또는, 형태 기준 적재 알고리즘에 따라, 형태가 서로 유사한 아이템들을 서로 인접하도록 적재할 수 있다. 예컨대 박스 형태를 가지는 아이템들을 서로 인접하도록 가상 적재하거나, 혹은 빈 공간에 적재 가능한 아이템들을 별도로 구분하여 빈 공간들에 가상 적재할 수 있다.
아이템 물량정보에 따라 가상 적재를 수행함으로써, 하나 이상의 아이템들에 대한 보다 정확한 정보를 바탕으로 가상 적재할 수 있고, 결과적으로 사용자로부터 수신한 이미지에 대해 보다 정확도 높은 이사비용을 산출할 수 있다.
나아가 아이템 물량정보 외에 하나 이상의 적재 알고리즘에 기초하여 가상 적재를 수행함으로써, 가상 차량 내에 하나 이상의 아이템들을 빈 공간을 최소화하면서 효율적으로 적재할 수 있고, 결과적으로 사용자로부터 수신한 이미지에 대해 가능한 한 경제적이고 저렴한 이사비용을 산출할 수 있다.
아이템 적재부(140)가 아이템 상품정보를 획득하고 가상 적재를 수행하는 일례에 관하여 도 5를 통해 후술한다.
한편 아이템 적재부(140)는 상술한 가상 적재를 통해 아이템 적재정보를 산출할 수 있다. 아이템 적재정보는, 하나 이상의 아이템의 이사에 필요한 차량정보 및 필요한 인원정보를 포함할 수 있다. 이러한 아이템 적재정보는 이사비용 산출부(150)로 전달되어, 이미지에 관한 이사비용을 산출하기 위해 사용될 수 있다.
본 개시에 따른 이사비용 산출 장치(100)의 이사비용 산출부(150)는, 가상 적재를 통해 산출되는 아이템 적재정보를 기초로, 앞서 수신한 이미지에 관한 이사비용을 산출할 수 있다. 즉, 아이템 적재정보에 포함된 필요 차량정보 및 필요 인원정보를 기초로 이사비용을 산출할 수 있다.
여기서 이사비용은 표준 이사비용일 수 있다. 표준 이사 비용은 이미지로부터 산출된 아이템 물량정보에 기초하여 산출되는 이사비용으로서, 즉 이사 물량에만 기초하여 산출되는 바, 최소 비용에 근접한 이사비용일 수 있다.
또는, 여기서 이사비용은 실제 이사비용일 수 있다. 실제 이사비용은, 이미지로부터 획득된 아이템 물량정보 외에, 사용자로부터 입력 받은 이사 상세정보를 추가적으로 고려하여 산출되는 이사비용으로, 표준 이사비용에 비하여 실제 소요 비용에 보다 근접한 이사 비용일 수 있다.
구체적으로 이사비용 산출 장치(100)는 사용자 단말(200)로부터 출발지 및 도착지의 위치 정보, 사다리차 유무 정보, 엘리베이터 유무 정보, 성수기(손 없는 날 등) 여부 정보, 및 특수 서비스(조율, 분해, 조립 등) 필요 여부 정보 중 적어도 하나를 포함하는 이사 상세정보를 수신할 수 있다. 그리고 이사비용 산출부(150)는, 표준 이사비용 및 이사 상세정보에 기초하여 실제 이사비용을 산출할 수 있다.
종합하면, 본 개시에 따른 이사비용 산출 장치(100)는 딥 러닝 모델을 기반으로 이미지에 포함된 하나 이상의 아이템들에 대한 아이템 정보를 자동 생성하고 가상 적재함으로써, 이미지 입력 만으로도 해당 이미지에 대응되는 이사비용을 정확하게 신속하게 출력할 수 있다. 이에 따라, 사용자는 번거로운 텍스트 입력이나 업체 통화 내지 방문 없이, 간단하게 촬영 가능한 이미지 만으로도 정확한 이사비용을 받아볼 수 있는 바, 이사 과정에 있어서 사용자 경험이 크게 개선될 수 있다.
한편 도 1을 통해 상술한 구성은 본 개시에 따른 이사비용 산출 장치(100)를 구현하는 데 필수적인 것은 아니어서, 이사비용 산출 장치(100)는 열거된 구성보다 많거나 적은 구성들로 구현될 수 있다. 가령 이사비용 산출 장치(100)는 저장부(미도시)를 더 포함할 수 있다.
이 경우 본 개시에 따른 이사비용 산출 장치(100)의 저장부는, 사용자 단말(200)로부터 수신한 이미지를, 대응되는 아이템 정보, 이사 상세정보, 표준 이사비용, 실제 이사비용, 또는 견적정보 중 적어도 일부와 매칭한 데이터셋을 누적하여 저장할 수 있다. 또한 이사비용 산출 장치(100)는, 이와 같이 저장부에 저장된 데이터셋에 기초하여, 상술한 적어도 하나의 모델을 지속적으로 학습시키고 그 성능을 향상시킬 수 있다. 다만 이에 한정되는 것은 아니며, 이사비용 산출 장치(100)의 저장부는 외부 데이터베이스나 클라우드로 구현될 수도 있다.
도 2는 본 개시의 몇몇 실시예에 따른 이사비용 산출 방법에 대한 순서도이다.
도 2를 참조하면, 본 개시의 이사비용 산출 장치(100)는 하나 이상의 아이템을 포함하는 이미지를 수신할 수 있다(S110).
다만 이에 한정되는 것은 아니고, 하나 이상의 아이템을 포함하는 이미지는 사용자에 의해 이사비용 산출 장치(100)로 직접 입력되거나, 또는 이사비용 산출 장치(100)에 의해 직접 촬영될 수도 있다.
여기서 아이템은, 이사 출발지의 공간에 속해 있는 물품일 수 있다. 예를 들어 아이템은 이사 대상인 가구(소파, 냉장고 등)이거나, 또는 이사 출발지의 공간 구조물(바닥면, 천정면, 벽면 등)일 수 있다.
이미지는 하나 이상의 아이템들을 포함하도록 촬영된 사진 또는 영상일 수 있다. 즉 이미지는 사용자가 아이템들이 속해 있는 이사 출발지의 공간을 촬영한 사진이나 영상일 수 있다. 이사 출발지의 공간은, 예컨대 하나 이상의 아이템들이 놓여 있는 공간 내부(안방, 화장실 등)이거나 또는 공간 외부(복도, 정원 등)일 수도 있다.
일 예시에서 이미지는 복수의 사진이나 영상일 수도 있다. 이 경우 이사비용 산출 장치(100)는, 수신한 복수의 이미지 각각에 대한 이사비용을 산출할 수도 있고, 또는 수신한 복수의 이미지들을 종합하여 단일한 이사비용을 산출할 수도 있다. 다만 이에 한정되는 것은 아니다.
다음으로 본 개시의 이사비용 산출 장치(100)는 하나 이상의 아이템 중 적어도 하나의 기준 아이템을 결정하고, 기준 아이템을 기초로 하나 이상의 아이템에 관한 아이템 정보를 생성할 수 있다(S120).
여기서 아이템 정보는, 이미지에 포함된 하나 이상의 아이템 각각에 대한 아이템 타입정보, 아이템 사이즈정보, 및 아이템 타입 별 수량정보 중 하나 이상을 포함할 수 있다.
아이템 타입정보는, 아이템의 종류에 대한 정보일 수 있으며, 예컨대 소파, 커튼, 책상 등일 수 있다. 본 개시에 따른 모델은 이미지 수신부(110)로부터 전달된 이미지를 입력 받아, 이미지에 포함된 하나 이상의 아이템 각각의 종류를 추론할 수 있다. 아이템 타입정보는 모델로부터 추론된 하나 이상의 아이템 각각의 종류들에 기초하여 결정될 수 있다.
예컨대, 아이템 분석부(120)는 먼저 적어도 두 개의 모델 각각에 이미지를 입력하고, 아이템들 중 어느 하나인 특정 아이템에 대한 타입 추론정보 및 확률 추론정보를 각 모델로부터 획득할 수 있다. 각 모델로부터 획득된 타입 추론정보가 서로 대응되는 경우, 아이템 분석부(120)는 해당 타입 추론정보에 기초하여 특정 아이템의 아이템 타입정보를 결정할 수 있다.
가령 아이템 분석부(120)는 두 개의 모델(이하, “제 1 모델” 및 “제 2 모델”) 각각에 이미지를 입력하고, 이미지에 포함된 특정 아이템에 관하여 제 1 모델로부터는 “소파”라는 타입 추론정보와 “87%”라는 확률 추론정보, 그리고 제 2 모델로부터는 “소파”라는 타입 추론정보와 “58%”라는 확률 추론정보를 획득할 수 있다. 이 경우 각 타입 추론정보는 서로 동일한 바, 아이템 분석부(120)는 서로 동일한 타입 추론정보인 “소파”를 특정 아이템의 아이템 타입정보로 결정할 수 있다.
또는 각 모델로부터 획득된 타입 추론정보가 서로 대응되지 않는 경우, 아이템 분석부(120)는 각 모델로부터 획득된 확률 추론정보 중 더 큰 값의 확률 추론정보에 대응하는 타입 추론정보에 기초하여 특정 아이템의 아이템 타입정보를 결정할 수 있다.
여기서 모델은, 하나 이상의 뉴럴 네트워크 구조를 포함하는 모델일 수 있으며, 특히 이미지를 입력 받고 이미지에 포함된 하나 이상의 아이템에 대한 아이템 정보를 추론하도록 기 학습된 딥 러닝 모델일 수 있다. 상술한 적어도 두 개의 모델은, 영역분할 인식모델 및 객체 인식모델 중 하나 이상을 포함할 수 있다. 다만 이에 한정되는 것은 아니며, 본 개시내용에서 모델은 이미지를 입력 받고 이미지에 관한 이사비용을 즉각적으로 출력하도록 학습된 딥 러닝 모델일 수도 있다.
한편 아이템 사이즈정보는, 아이템 타입정보와 함께 아이템 정보를 구성하는 정보 중 하나로서, 아이템의 크기에 대한 정보일 수 있다. 가령 사이즈정보는, 아이템과 연관된 가로 방향 사이즈, 세로 방향 사이즈, 높이 방향 사이즈, 부피 중 하나 이상을 포함할 수 있다.
아이템 사이즈정보와 관련하여, 아이템 분석부(120)는 하나 이상의 아이템들 중 적어도 하나의 기준 아이템을 결정하고, 결정된 기준 아이템에 기초하여 하나 이상의 아이템들 각각의 아이템 사이즈정보를 산출할 수 있다.
기준 아이템은, 아이템 중에서도 해당 아이템과 연관된 사이즈가 알려져 있거나, 혹은 해당 아이템과 연관된 사이즈가 주택법 등의 법률, ISO 등의 국제 표준 규격, 또는 인체 표준 정보 등에 의해 규격화되어 널리 통용되는 아이템일 수 있다.
예컨대 국내 대부분의 아파트의 경우 건축법상 <주택건설기준 등에 관한 규칙>에 따라, 천장고(바닥면에서 천장면까지의 높이)가 2.3m로 적용되고 있다. 또는, 바닥면부터 문 손잡이까지의 높이는 대체로 1,000mm의 사이즈를 가진다. 이에 따라, 이미지에 포함된 바닥면 및 천장면, 또는 바닥면 및 문 손잡이는 본 개시에 따른 기준 아이템으로 사용될 수 있다. 이 밖에도, 대부분의 주거지에서 구비할 확률이 높은 물건들 중 상술한 것처럼 알려진 사이즈를 가진 아이템들 (예를 들어, 바닥면 및 의자 좌판, 또는 A4 용지, 라면 봉지, 콘센트 등의 표준 규격 아이템)이 본 개시에 따른 기준 아이템으로 사용될 수 있다.
한편 기준 아이템은, 상술한 아이템 타입정보에 기초하여 하나 이상의 아이템들로부터 결정될 수 있다. 즉 아이템 분석부(120)는 모델에 이미지를 입력하여 획득한 아이템 타입정보들 중, 기준 아이템으로 사용 가능한 적어도 하나의 아이템 타입정보를 식별할 수 있으며, 해당 아이템 타입정보에 대응되는 아이템을 기준 아이템으로 결정할 수 있다. 이를 위해, 기준 아이템으로 사용 가능한 아이템 타입정보들의 목록이 이사비용 산출 장치(100)에 기 저장되어 있을 수 있다. 다만 이에 한정되는 것은 아니다.
아이템 분석부(120)는 기준 아이템과 연관된 이미지 상 사이즈, 그리고 기준 아이템과 연관된 실제 사이즈 간의 비율에 기초하여, 하나 이상의 아이템들 각각의 아이템 사이즈정보를 산출할 수 있다.
예컨대, 이미지 상에서 기준 아이템과 연관된 사이즈가 380 픽셀이고, 기준 아이템과 연관된 실제 사이즈가 2.3m 일 수 있다. 이 경우, 이미지 상에서 1 픽셀은 약
Figure pat00001
에 대응됨을 알 수 있다. 따라서, 해당 이미지 내 특정 아이템의 이미지 상 가로 길이가 15760 픽셀이고, 이미지 상 세로 길이가 5455 픽셀이고, 이미지 상 높이 길이가 3940 픽셀인 경우, 해당 아이템의 아이템 사이즈정보를 가로 사이즈
Figure pat00002
, 세로 사이즈
Figure pat00003
, 및 높이 사이즈
Figure pat00004
로 각각 산출할 수 있다.
다만 이에 한정되는 것은 아니며, 아이템 분석부(120)는 기준 아이템과 연관된 이미지 상 사이즈 및 실제 사이즈 간의 비율 외에도, 원근법을 추가적으로 고려하여 아이템 사이즈정보를 획득할 수 있다.
한편 이사비용 산출 장치(100)는, 상술한 방법으로 생성된 아이템 정보를 사용자 단말(200)로 전송할 수 있다. 구체적으로 이사비용 산출 장치(100)는, 아이템 정보를 수정할 수 있는 사용자 인터페이스가 사용자 단말(200)의 디스플레이부에 출력되게끔 할 수 있고, 사용자 인터페이스를 통해 입력된 정보를 기초로 아이템 정보를 갱신할 수 있다. 혹은 사용자가 사용자 인터페이스를 통해 추가적인 정보를 입력하지 않거나 또는 디스플레이 된 아이템 정보에 대해 확인을 입력하는 경우, 이사비용 산출 장치(100)는 아이템 정보를 기 수신한 이미지에 대해 확정된 아이템 정보로 결정할 수도 있다.
다음으로 본 개시의 이사비용 산출 장치(100)는 아이템 정보를 기초로 하나 이상의 아이템을 차량에 가상 적재할 수 있다(S130).
먼저 아이템 적재부(140)는, 하나 이상의 아이템 각각의 아이템 정보를 상품 데이터셋부(130)에 기 저장된 상품 데이터셋(dataset)과 매칭하여, 상품 데이터셋으로부터 하나 이상의 아이템 각각의 아이템 상품정보를 획득할 수 있다.
구체적으로 아이템 적재부(140)는 아이템 정보에 포함된 아이템 타입정보 및 아이템 사이즈정보를 기초로, 아이템들 중 하나인 특정 아이템을 상품 데이터셋에 포함된 하나 이상의 상품들과 비교할 수 있다.
그리고 아이템 적재부(140)는 상품 데이터셋에 포함된 하나 이상의 상품들 중, 상기 특정 아이템과 대응도가 높은 적어도 하나의 상품의 상품정보를 특정 아이템의 아이템 상품정보로 획득할 수 있다.
예컨대 아이템 적재부(140)는 상품 데이터셋에 포함된 하나 이상의 상품들 중 특정 아이템과의 대응도가 가장 높은 상품의 상품정보를 특정 아이템의 아이템 상품정보로 획득할 수 있다. 다만 이에 한정되는 것은 아니며, 아이템 상품정보는 사용자에 의해 직접 선택되거나 입력될 수도 있다.
여기서 상품 데이터셋은, 기 제조 및 판매되는 기성품들(즉, “상품”)에 대한 제원 등의 상품정보를 포함하도록 구축된 데이터셋일 수 있다. 한편 상품의 상품정보는, 상품명 정보(예를 들어, “딤채 BM-A217W”), 상품 사이즈정보, 상품 무게정보 중 하나 이상을 포함할 수 있다.
다음으로 아이템 적재부(140)는 아이템 정보 및 아이템 상품정보 중 적어도 일부에 기초하여, CBM 단위로 아이템 물량정보를 산출할 수 있다. 그리고 아이템 적재부(140)는 아이템 물량정보를 기초로, 하나 이상의 적재 알고리즘에 따라 하나 이상의 아이템을 차량에 가상 적재할 수 있다.
여기서 CBM은 가로 1m, 세로 1m, 높이 1m의 정육면체에 해당하는 부피를 의미하는 값으로, 이사에 필요한 자원(차량, 인원 등)을 결정하기 위해 사용되는 이사 물량 값의 기본 단위일 수 있다.
아이템 정보 및/또는 아이템 상품정보에 기초하여 아이템 물량정보를 CBM 단위로 산출하기 위해, 하기의 환산 테이블을 포함한 다양한 산출 알고리즘이 사용될 수 있다:
CBM 아이템 정보 및/또는 아이템 상품정보
0.5 책상용 의자, 식탁의자 2개, 소형 운동기구
1 세탁기, 건조기, 에어컨(스텐드), 쇼파(1인용), 48인치 이상 TV, 3단 서랍장, TV다이, 김치냉장고(일반)
1.5 침대(싱글), 식탁(의자 4개 포함), 5단 서랍장, 스타일러, 김치냉장고(스텐드), 안마의자(분해시)
2 피아노, 주니어 장롱 (가로 60cm 미만/내용물 포함)
2.5 소파(3~4인용), 침대(킹, 퀸)
3 장롱(가로 120cm 미만)
CBM 1톤 차량 2.5톤 차량 5톤 차량
제원 7 15 25
실제 10 25 35
한편 여기서 적재 알고리즘은, 이미지에 포함된 하나 이상의 아이템을 가상의 차량에 가상 적재할 때에 사용되는 하나 이상의 계산 로직일 수 있다. 적재 알고리즘에 따라, 하나 이상의 아이템들의 가상 적재 순서 및/또는 가상 적재 위치가 결정될 수 있다. 가령, 아이템 적재부(140)는 무게 기준 적재 알고리즘에 따라, 상품 무게정보의 값이 큰 아이템일수록 가상 차량의 하단부에 가상 적재할 수 있다. 또는, 사이즈 기준 적재 알고리즘에 따라, 상품 사이즈정보의 값이 큰 아이템일수록 가상 차량의 하단부에 가상 적재할 수 있다. 또는, 형태 기준 적재 알고리즘에 따라, 형태가 서로 유사한 아이템들을 서로 인접하도록 적재할 수 있다. 예컨대 박스 형태를 가지는 아이템들을 서로 인접하도록 가상 적재하거나, 혹은 빈 공간에 적재 가능한 아이템들을 별도로 구분하여 빈 공간들에 가상 적재할 수 있다.
아이템 물량정보에 따라 가상 적재를 수행함으로써, 하나 이상의 아이템들에 대한 보다 정확한 정보를 바탕으로 가상 적재할 수 있고, 결과적으로 사용자로부터 수신한 이미지에 대해 보다 정확도 높은 이사비용을 산출할 수 있다.
나아가 아이템 물량정보 외에 하나 이상의 적재 알고리즘에 기초하여 가상 적재를 수행함으로써, 가상 차량 내에 하나 이상의 아이템들을 빈 공간을 최소화하면서 효율적으로 적재할 수 있고, 결과적으로 사용자로부터 수신한 이미지에 대해 가능한 한 경제적이고 저렴한 이사비용을 산출할 수 있다.
다음으로 본 개시의 이사비용 산출 장치(100)는 가상 적재를 통해 산출되는 아이템 적재정보를 기초로, 이미지에 관한 이사비용을 산출할 수 있다(S140).
아이템 적재부(140)는 상술한 가상 적재를 통해 아이템 적재정보를 산출할 수 있다. 아이템 적재정보는, 하나 이상의 아이템의 이사에 필요한 차량정보 및 필요한 인원정보를 포함할 수 있다. 이러한 아이템 적재정보는 이사비용 산출부(150)로 전달되어, 이미지에 관한 이사비용을 산출하기 위해 사용될 수 있다.
본 개시에 따른 이사비용 산출 장치(100)의 이사비용 산출부(150)는, 가상 적재를 통해 산출되는 아이템 적재정보를 기초로, 앞서 수신한 이미지에 관한 이사비용을 산출할 수 있다. 즉, 아이템 적재정보에 포함된 필요 차량정보 및 필요 인원정보를 기초로 이사비용을 산출할 수 있다.
여기서 이사비용은 표준 이사비용일 수 있다. 표준 이사 비용은 이미지로부터 산출된 아이템 물량정보에 기초하여 산출되는 이사비용으로서, 즉 이사 물량에만 기초하여 산출되는 바, 최소 비용에 근접한 이사비용일 수 있다.
또는, 여기서 이사비용은 실제 이사비용일 수 있다. 실제 이사비용은, 이미지로부터 획득된 아이템 물량정보 외에, 사용자로부터 입력 받은 이사 상세정보를 추가적으로 고려하여 산출되는 이사비용으로, 표준 이사비용에 비하여 실제 소요 비용에 보다 근접한 이사 비용일 수 있다.
구체적으로 이사비용 산출 장치(100)는 사용자 단말(200)로부터 출발지 및 도착지의 위치 정보, 사다리차 유무 정보, 엘리베이터 유무 정보, 성수기(손 없는 날 등) 여부 정보, 및 특수 서비스(조율, 분해, 조립 등) 필요 여부 정보 중 적어도 하나를 포함하는 이사 상세정보를 수신할 수 있다. 그리고 이사비용 산출부(150)는, 표준 이사비용 및 이사 상세정보에 기초하여 실제 이사비용을 산출할 수 있다.
도 3은 본 개시의 몇몇 실시예에 따른 아이템 타입정보를 설명하기 위한 도면이다.
구체적으로 도 3은, 본 개시의 이사비용 산출 장치(100)가 이미지(400)를 두 개의 모델에 각각 입력하여, 특정 아이템에 관한 아이템 타입정보를 결정하는 일례를 도시한다.
도 3을 참조하면, 본 개시의 이사비용 산출 장치(100)는 이미지(400)를 객체 인식모델(410)과 영역분할 인식모델(420) 각각에 입력하고, 이미지(400)에 포함된 특정 아이템에 관하여 객체 인식모델(410)로부터는 “옷”라는 타입 추론정보와 “39%”라는 확률 추론정보(411), 그리고 영역분할 인식모델(420)로부터는 “커튼”이라는 타입 추론정보와 “69%”라는 확률 추론정보(421)를 획득할 수 있다.
이 경우, 각 모델로부터 획득된 타입 추론정보는 서로 대응되지 않으므로, 이사비용 산출 장치(100)는 더 큰 값의 확률 추론정보에 대응되는 타입 추론정보인 “커튼”을 특정 아이템의 아이템 타입정보로 결정할 수 있다.
도 4는 본 개시의 몇몇 실시예에 따른 아이템 사이즈정보를 설명하기 위한 도면이다.
구체적으로 도 4는, 이사비용 산출 장치(100)가 이미지(400) 내 A4 용지(600)를 기준 아이템으로 결정한 다음, A4 용지의 실제 규격 사이즈(210x297(mm)), 이미지(400) 상에서 A4 용지(600)의 사이즈(601a, 601b: 601), 그리고 원근법을 고려하여 특정 아이템인 소파(610)의 아이템 사이즈정보를 산출하는 일례를 도시한다.
이사비용 산출 장치(100)는 먼저 이미지(400)에 나타난 공간에서 벽면의 시선 방향 변들 각각을 따라 기본 라인들(500)을 설정하고, 기본 라인들의 교차점을 소실점(510)으로 설정할 수 있다.
다음으로 기본 라인들(500)과 소실점(510)에 기초하여, 기본 라인들(500) 상에 꼭지점이 위치하고 꼭지점 사이의 변들은 시선방향과 수직한 벽면의 변들과 평행한 하나 이상의 매쉬 라인들(520, 521, 522)을 설정할 수 있다. 이 때 하나 이상의 매쉬 라인들(520, 521, 522) 간의 간격은, 공간 상에서 매쉬 라인들(520, 521, 522) 간의 실제 간격이 일정하도록 설정될 수 있다.
다음으로 하나 이상의 매쉬 라인들(520, 521, 522) 중 특정 아이템인 소파(610)의 양단에 대응되는 적어도 두 개의 매쉬 라인들(520, 522)을 식별할 수 있다. 그리고 소파(610)의 양단에 대응되는 매쉬 라인들(520, 522)과 기준 아이템인 A4 용지(600)의 이미지 상 사이즈 및 실제 사이즈에 기초하여, 소파(610)의 사이즈정보를 산출할 수 있다.
구체적으로 소파(610)의 세로 방향 사이즈정보는, 소실점을 기준으로 A4 용지(600)가 소파의 일단에 대응되는 매쉬 라인(522)까지 연장되었을 때 해당 매쉬 라인(522) 상에서 A4 용지(600)와 대응되는 길이를 먼저 산출하고, 해당 길이에 대한 소파의 이미지 상 세로 방향 길이(611b) 비율을 A4 용지(600)의 실제 세로 방향 사이즈인 297(mm)에 곱하여 산출할 수 있다. 가령 도 4에서 소파(610)의 이미지 상 세로 방향 길이(611b)가 동일 매쉬 라인(522) 상에서 A4 용지(600)와 대응되는 길이의 3배에 해당하는 경우, 소파(610)의 세로 방향 사이즈정보를
Figure pat00005
로 산출할 수 있다.
마찬가지로 소파(610)의 가로 방향 사이즈정보는 소실점(510)을 기준으로 소파(610)의 양단에 대응되는 두 매쉬 라인들(520, 522) 간의 간격(611a)과, A4 용지(600)의 양단에 대응되는 두 매쉬 라인들 간의 간격(601a)을 비교하여 산출될 수 있다. 가령 도 4에서 소파(610)의 양단에 대응되는 두 매쉬 라인들(520, 522) 간의 간격(611a)이 A4 용지(600)의 양단에 대응되는 두 매쉬 라인들 간의 간격(601a)의 약 9배에 해당하는 경우, 소파(610)의 가로 방향 사이즈정보는 A4 용지(600)의 실제 가로 방향 사이즈인 210(mm)의 9배, 즉
Figure pat00006
로 산출할 수 있다.
상술한 예시는 기준 아이템에 기초하여 이미지 상에서 아이템 사이즈정보를 산출하는 일 예시에 불과하며, 본 개시를 제한하지 않는다.
도 5는 본 개시의 몇몇 실시예에 따른 가상 적재를 설명하기 위한 도면이다.
도 5는 이미지로부터 획득된 아이템 정보(700)가 “소파” 타입정보 및 “2600 x 900 x 650” 사이즈정보를 가지는 “아이템 1”(701), 그리고 “냉장고” 타입정보 및 “1031 x 674 x 924” 사이즈정보를 가지는 “아이템 2”(702)를 포함하는 일례를 도시한다.
이사비용 산출 장치(100)는 이와 같은 아이템 정보(700)를 기 구축된 상품 데이터셋(800) 내 하나 이상의 상품들(801, 802)과 매칭할 수 있다. 도 5에 예시된 상품 데이터셋(800)은, 상품명 정보가 “동서가구 테라라텍스탑”이고 상품 타입정보가 “소파”이고 상품 사이즈정보가 “2750 x 920 x 960”인 “상품 1”(801), 그리고 상품명 정보가 “딤채 BM-A217W”이고 상품 타입정보가 “냉장고”이고 상품 사이즈정보가 “1031 x 674 x 924” 이고 상품 무게정보가 “72”인 “상품 2”(802)를 포함한다.
이 경우 이사비용 산출 장치(100)는 “아이템 1”(701)의 아이템 타입정보와 아이템 사이즈정보를 상품 데이터셋(800)에 포함된 하나 이상의 상품정보들과 비교하여, 가장 대응도가 높은 “상품 1”(801)의 상품정보를 “아이템 1”(701)에 대한 아이템 상품정보로 획득할 수 있다. 즉, “아이템 1”(701)에 대한 상품명 정보를 “동서가구 테라라텍스탑”으로, 상품 타입정보를 “소파”로, 상품 사이즈정보를 “2750 x 920 x 960”로 획득할 수 있다.
마찬가지로 이사비용 산출 장치(100)는, “아이템 2”(702)의 아이템 타입정보와 아이템 사이즈정보를 상품 데이터셋(800)에 포함된 하나 이상의 상품정보들과 비교하여, 가장 대응도가 높은 “상품 2”(802)의 상품정보를 “아이템 2”(702)에 대한 아이템 상품정보로 획득할 수 있다. 즉, “아이템 2”(702)에 대한 상품명 정보를 “딤채 BM-A217W”로, 상품 타입정보를 “냉장고”로, 상품 사이즈정보를 “1031 x 674 x 924”로, 상품 무게정보를 “72”로 획득할 수 있다.
다음으로 이사비용 산출 장치(100)는 아이템 정보(700) 및 아이템 상품정보, 그리고 상술한 [표 1] 내지 [표 2] 등의 다양한 산출 알고리즘에 기초하여, 아이템 물량정보를 CBM 단위로 산출할 수 있다. 가령 아이템 상품정보 및 아이템 정보(700)는 다인용 소파(즉, 아이템 1(701)) 1개와 김치냉장고(즉, 아이템 2(702))를 포함하므로, 이 경우 아이템 물량정보는 [표 1]의 환산 테이블에 기초하여 총합 3.5 CBM으로 산출될 수 있고, 다음으로 [표 2]의 환산 테이블에 기초하여 3.5 CBM의 아이템 물량정보에 대한 가상 차량의 제원은 1ton 미만인 것으로 산출될 수 있다.
이사비용 산출 장치(100)는 이처럼 산출된 아이템 물량정보와 가상 차량의 제원, 그리고 하나 이상의 적재 알고리즘에 기초하여, 가상 차량에 대한 하나 이상의 아이템들의 가상 적재(900)를 수행할 수 있다. 도 5는 가상 차량의 평면방향과 후면방향을 고려하여 하나 이상의 아이템들을 가상 적재하는 일례를 도시한다. 다만 이에 한정되는 것은 아니다.
도 6은 본 개시의 다른 몇몇 실시예에 따른 이사비용 산출 방법에 대한 순서도이다.
구체적으로 도 6은, 이사비용 산출 장치(100)가 이사비용을 산출하는 대신, 아이템 정보를 업체 단말(300)로 전송하여 곧바로 업체의 이사견적을 받아보는 일 예시를 도시한다.
도 6을 참조하면, 본 개시의 이사비용 산출 장치(100)는 하나 이상의 아이템을 포함하는 이미지를 수신하고(S210), 적어도 두 개의 모델 각각에 이미지를 입력하여, 하나 이상의 아이템에 관한 아이템 타입정보를 획득할 수 있다(S220).
다음으로 본 개시의 이사비용 산출 장치(100)는 하나 이상의 아이템 중 적어도 하나의 기준 아이템을 결정하고, 기준 아이템을 기초로 하나 이상의 아이템에 관한 아이템 사이즈정보를 획득할 수 있다(S230).
다음으로 본 개시의 이사비용 산출 장치(100)는 아이템 타입정보 및 아이템 사이즈정보를 포함하는 아이템 정보를 업체 단말(300)에 출력하고, 업체 단말(300)을 통해 아이템 정보와 대응되는 이사견적을 입력받을 수 있다(S240).
한편 업체 단말(300)로부터 이사견적을 수신하는 경우, 이사비용 산출 장치(100)는 사용자가 하나 이상의 이사견적을 직관적으로 확인할 수 있는 사용자 인터페이스가 사용자 단말(200)의 디스플레이부에 출력되게끔 할 수 있다.
가령 이사비용 산출 장치(100)는, 업체 단말(300)로부터 수신한 하나 이상의 이사견적들을 낮은 금액 순으로 정렬하거나, 또는 사용자 선호도가 가장 높을 것으로 예측되는 상위 특정 개수의 이사견적만을 시각적으로 강조하여 사용자 인터페이스를 생성하고, 이를 사용자 단말(200)로 전송하여 디스플레이 되게끔 할 수 있다.
다만 이에 한정되는 것은 아니며, 사용자 단말(200)은 이사비용 산출 장치(100) 또는 업체 단말(300)로부터 직접 하나 이상의 이사견적을 수신하고, 수신한 견적정보를 직관적 및 효과적으로 디스플레이 하기 위한 사용자 인터페이스를 자체적으로 생성할 수도 있다.
한편 이사비용 산출 장치(100)는 사용자 단말(200)로부터 특정 이사견적에대한 선택 입력이 수신되는 경우, 선택된 이사견적에 대응하는 업체를 사용자와 매칭할 수도 있다. 가령 선택된 이사견적에 대응하는 업체에 관한 정보를 사용자 단말(200)로 전송하거나, 및/또는 사용자에 관한 정보를 업체 단말(300)로 전송할 수도 있다. 다만 이에 한정되는 것은 아니다.
종합하면, 본 개시에 따른 이사비용 산출 장치(100)는 딥 러닝 모델을 기반으로 이미지에 포함된 하나 이상의 아이템들에 대한 아이템 정보를 자동 생성하고 및/도는 가상 적재함으로써, 이미지 입력 만으로도 해당 이미지에 대응되는 이사비용을 사용자에게 정확하게 신속하게 제공할 수 있다. 이에 따라, 사용자는 번거로운 텍스트 입력이나 업체 통화 내지 방문 없이, 간단하게 촬영 가능한 이미지 만으로도 정확한 이사비용을 받아볼 수 있는 바, 이사 과정에 있어서 사용자 경험이 크게 개선될 수 있다.
도 7은 본 개시의 몇몇 실시예에 따른 이사비용 산출 방법을 제공하는 컴퓨팅 장치를 나타낸 블록도이다.
여기서 이사비용 산출 방법을 제공하는 컴퓨팅 장치(10)는, 전술한 이사비용 산출 장치(100)이거나, 이사비용을 제공받기 위해 이사비용 산출 장치(100)와 통신적으로 연결되는 사용자 단말(200)이거나, 또는 이사 업체의 업체 단말(300)일 수 있다. 다만 이에 한정되는 것은 아니다.
도 7을 참조하면, 본 개시에 따른 컴퓨팅 장치(10)는 하나 이상의 프로세서(11), 프로세서(11)에 의하여 수행되는 프로그램을 로드하는 메모리(12), 프로그램 및 각종 데이터를 저장하는 스토리지(13), 및 통신 인터페이스(14)를 포함할 수 있다. 다만, 상술한 구성 요소들은 본 개시에 따른 컴퓨팅 장치(10)를 구현하는데 있어서 필수적인 것은 아니어서, 컴퓨팅 장치(10)는 위에서 열거된 구성요소들 보다 많거나, 또는 적은 구성요소들을 가질 수 있다. 예컨대 컴퓨팅 장치(10)는 출력부 및/또는 입력부(미도시)를 더 포함하거나, 또는 스토리지(13)가 생략될 수도 있다.
프로그램은 메모리(12)에 로드될 때 프로세서(11)로 하여금 본 개시의 다양한 실시예에 따른 방법/동작을 수행하게끔 하는 명령어들(instructions)을 포함할 수 있다. 즉, 프로세서(11)는 명령어들을 실행함으로써, 본 개시의 다양한 실시예에 따른 방법/동작들을 수행할 수 있다. 프로그램은 기능을 기준으로 묶인 일련의 컴퓨터 판독가능 명령어들로 구성되고, 프로세서에 의해 실행되는 것을 가리킨다.
프로세서(11)는 컴퓨팅 장치(10)의 각 구성의 전반적인 동작을 제어한다. 프로세서(11)는 CPU(Central Processing Unit), MPU(Micro Processor Unit), MCU(Micro Controller Unit), GPU(Graphic Processing Unit) 또는 본 개시의 기술 분야에 잘 알려진 임의의 형태의 프로세서 중 적어도 하나를 포함하여 구성될 수 있다. 또한, 프로세서(11)는 본 개시의 다양한 실시예들에 따른 방법/동작을 실행하기 위한 적어도 하나의 애플리케이션 또는 프로그램에 대한 연산을 수행할 수 있다.
메모리(12)는 각종 데이터, 명령 및/또는 정보를 저장한다. 메모리(12)는 본 개시의 다양한 실시예들에 따른 방법/동작을 실행하기 위하여 스토리지(13)로부터 하나 이상의 프로그램을 로드할 수 있다. 메모리(12)는 RAM과 같은 휘발성 메모리로 구현될 수 있을 것이나, 본 개시의 기술적 범위는 이에 한정되지 않는다.
스토리지(13)는 프로그램을 비임시적으로 저장할 수 있다. 스토리지(13)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 개시가 속하는 기술 분야에서 잘 알려진 임의의 형태의 컴퓨터로 읽을 수 있는 기록 매체를 포함하여 구성될 수 있다. 통신 인터페이스(14)는 유/무선 통신 모듈일 수 있다.
이상에서 설명한 본 개시의 실시예는 장치 및 방법을 통해서만 구현이 되는 것은 아니며, 본 개시의 실시예의 구성에 대응하는 기능을 실현하는 프로그램 또는 그 프로그램이 기록된 기록 매체를 통해 구현될 수도 있다.
이상에서 본 개시의 실시예에 대하여 상세하게 설명하였지만 본 개시의 권리범위는 이에 한정되는 것은 아니고 다음의 청구범위에서 정의하고 있는 본 개시의 기본 개념을 이용한 당업자의 여러 변형 및 개량 형태 또한 본 개시의 권리범위에 속하는 것이다.

Claims (19)

  1. 컴퓨팅 장치에 의해 수행되는 이사비용 산출 방법으로서,
    하나 이상의 아이템을 포함하는 이미지를 수신하는 단계,
    상기 하나 이상의 아이템 중 적어도 하나의 기준 아이템을 결정하고, 상기 기준 아이템을 기초로 상기 하나 이상의 아이템에 관한 아이템 정보를 생성하는 단계,
    상기 아이템 정보를 기초로 상기 하나 이상의 아이템을 차량에 가상 적재하는 단계, 및
    상기 가상 적재를 통해 산출되는 아이템 적재정보를 기초로, 상기 이미지에 관한 이사비용을 산출하는 단계를 포함하는,
    이사비용 산출 방법.
  2. 제 1항에서,
    상기 아이템 정보는,
    아이템 타입정보, 아이템 사이즈정보, 및 아이템 타입 별 수량정보 중 하나 이상을 포함하는,
    이사비용 산출 방법.
  3. 제 2항에서,
    상기 아이템 정보를 생성하는 단계는,
    적어도 두 개의 모델 각각에 상기 이미지를 입력하여, 특정 아이템에 대한 타입 추론정보 및 확률 추론정보를 각각 획득하는 단계,
    상기 적어도 두 개의 모델 각각의 상기 타입 추론정보가 서로 대응되는 경우, 상기 타입 추론정보에 기초하여 상기 특정 아이템의 상기 아이템 타입정보를 결정하는 단계, 및
    상기 적어도 두 개의 모델 각각의 상기 타입 추론정보가 서로 대응되지 않는 경우, 상기 적어도 두 개의 모델 각각의 상기 확률 추론정보 중 더 큰 값의 확률 추론정보에 대응하는 타입 추론정보에 기초하여 상기 특정 아이템의 상기 아이템 타입정보를 결정하는 단계를 포함하는,
    이사비용 산출 방법.
  4. 제 2항에서,
    상기 아이템 정보를 생성하는 단계는,
    상기 기준 아이템과 연관된 이미지 상 사이즈 및 상기 기준 아이템과 연관된 실제 사이즈 간의 비율을 기초로, 상기 아이템 사이즈정보를 산출하는 단계를 포함하는,
    이사비용 산출 방법.
  5. 제 1항에서,
    상기 기준 아이템은,
    상기 이미지에 포함된 바닥면 및 천장면, 상기 이미지에 포함된 바닥면 및 문 손잡이, 상기 이미지에 포함된 바닥면 및 의자 좌판, 및 상기 이미지에 포함된 표준 규격 아이템 중 적어도 하나를 포함하는,
    이사비용 산출 방법.
  6. 제 1항에서,
    상기 방법은,
    생성된 상기 아이템 정보를 사용자 단말로 전송하는 단계, 및
    상기 아이템 정보를 수정할 수 있는 사용자 인터페이스를 상기 사용자 단말에 출력하고, 상기 사용자 인터페이스를 통해 입력된 정보를 기초로 상기 아이템 정보를 갱신하는 단계를 더 포함하는,
    이사비용 산출 방법.
  7. 제 1항에서,
    상기 가상 적재하는 단계는,
    상기 아이템 정보를 기 저장된 상품 데이터셋(dataset)과 매칭하여, 상기 상품 데이터셋으로부터 아이템 상품정보를 획득하는 단계,
    상기 아이템 정보 및 상기 아이템 상품정보 중 적어도 일부를 기초로, 아이템 물량정보를 CBM 단위로 산출하는 단계, 및
    상기 아이템 물량정보를 기초로, 하나 이상의 적재 알고리즘에 따라 상기 하나 이상의 아이템을 상기 차량에 가상 적재하는 단계를 포함하는,
    이사비용 산출 방법.
  8. 제 7항에서,
    상기 아이템 상품정보를 획득하는 단계는,
    아이템 타입정보 및 아이템 사이즈정보를 기초로, 특정 아이템을 상기 상품 데이터셋에 포함된 하나 이상의 상품들과 비교하고, 상기 하나 이상의 상품들 중 상기 특정 아이템과 대응도가 높은 적어도 하나의 상품의 상품정보를 상기 특정 아이템의 상기 아이템 상품정보로 획득하는 단계를 포함하는,
    이사비용 산출 방법.
  9. 제 7항에서,
    상기 아이템 상품정보는,
    상품명 정보, 상품 사이즈정보, 및 상품 무게정보 중 적어도 일부를 포함하는,
    이사비용 산출 방법.
  10. 제 9항에서,
    상기 적재 알고리즘은,
    상기 상품 무게정보에 기초하여 상기 상품 무게정보의 값이 큰 아이템을 하단부에 적재하는 무게 기준 적재 알고리즘, 상기 상품 사이즈정보에 기초하여 상기 상품 사이즈정보의 값이 큰 아이템을 하단부에 적재하는 사이즈 기준 적재 알고리즘, 및 상기 하나 이상의 아이템들 중 형태가 서로 유사한 아이템들을 서로 인접하도록 적재하는 형태 기준 적재 알고리즘 중 적어도 하나를 포함하는,
    이사비용 산출 방법.
  11. 제 1항에서,
    상기 이사비용을 산출하는 단계는,
    상기 가상 적재를 통해 상기 하나 이상의 아이템에 관한 필요 차량정보 및 필요 인원정보를 포함하는 상기 아이템 적재정보를 산출하고, 상기 아이템 적재정보에 기초하여 상기 이미지에 관한 표준 이사비용을 산출하는 단계를 포함하는,
    이사비용 산출 방법.
  12. 제 11항에서,
    상기 이사비용을 산출하는 단계는,
    사용자 단말로부터, 출발지 및 도착지의 위치 정보, 사다리차 유무 정보, 엘리베이터 유무 정보, 성수기 여부 정보, 및 특수 서비스 필요 여부 정보 중 적어도 하나를 포함하는, 이사 상세정보를 수신하는 단계, 및
    상기 표준 이사비용 및 상기 이사 상세정보에 기초하여, 실제 이사비용을 산출하는 단계를 포함하는,
    이사비용 산출 방법.
  13. 제 12항에서,
    상기 방법은,
    상기 사용자 단말로부터 수신한 상기 이미지를 상기 아이템 정보, 상기 이사 상세정보, 상기 표준 이사비용, 및 상기 실제 이사비용 중 적어도 하나와 매칭하여 저장하는 단계를 더 포함하는,
    이사비용 산출 방법.
  14. 컴퓨팅 장치에 의해 수행되는 이사비용 산출 방법으로서,
    하나 이상의 아이템을 포함하는 이미지를 수신하는 단계,
    적어도 두 개의 모델 각각에 상기 이미지를 입력하여, 상기 하나 이상의 아이템에 관한 아이템 타입정보를 획득하는 단계,
    상기 하나 이상의 아이템 중 적어도 하나의 기준 아이템을 결정하고, 상기 기준 아이템을 기초로 상기 하나 이상의 아이템에 관한 아이템 사이즈정보를 획득하는 단계, 및
    상기 아이템 타입정보 및 상기 아이템 사이즈정보를 포함하는 아이템 정보를 업체 단말에 출력하고, 상기 업체 단말을 통해 상기 아이템 정보와 대응되는 이사견적을 입력받는 단계를 포함하는,
    이사비용 산출 방법.
  15. 제 14항에서,
    상기 아이템 타입정보를 획득하는 단계는,
    상기 적어도 두 개의 모델 각각에 상기 이미지를 입력하여, 특정 아이템에 대한 타입 추론정보 및 확률 추론정보를 각각 획득하는 단계,
    상기 적어도 두 개의 모델 각각의 상기 타입 추론정보가 서로 대응되는 경우, 상기 타입 추론정보에 기초하여 상기 특정 아이템의 상기 아이템 타입정보를 결정하는 단계, 및
    상기 적어도 두 개의 모델 각각의 상기 타입 추론정보가 서로 대응되지 않는 경우, 상기 적어도 두 개의 모델 각각의 상기 확률 추론정보 중 더 큰 값의 확률 추론정보에 대응하는 타입 추론정보에 기초하여 상기 특정 아이템의 상기 아이템 타입정보를 결정하는 단계를 포함하는,
    이사비용 산출 방법.
  16. 제 14항에서,
    상기 아이템 사이즈정보를 생성하는 단계는,
    상기 기준 아이템과 연관된 사이즈 및 상기 기준 아이템과 연관된 실제 사이즈 간의 비율을 기초로, 상기 아이템 사이즈정보를 산출하는 단계를 포함하는,
    이사비용 산출 방법.
  17. 제 14항에서,
    상기 기준 아이템은,
    상기 이미지에 포함된 바닥면 및 천장면, 상기 이미지에 포함된 바닥면 및 문 손잡이, 상기 이미지에 포함된 바닥면 및 의자 좌판, 및 상기 이미지에 포함된 표준 규격 아이템 중 적어도 하나를 포함하는,
    이사비용 산출 방법.
  18. 제 14항에서,
    상기 방법은,
    생성된 상기 아이템 정보를 상기 사용자 단말로 전송하는 단계, 및
    상기 아이템 정보를 수정할 수 있는 사용자 인터페이스를 상기 사용자 단말에 출력하고, 상기 사용자 인터페이스를 통해 입력된 정보를 기초로 상기 아이템 정보를 갱신하는 단계를 더 포함하는,
    이사비용 산출 방법.
  19. 제 14항에서,
    상기 방법은,
    상기 이미지를 상기 아이템 정보 및 상기 이사견적 중 적어도 하나와 매칭하여 저장하는 단계를 더 포함하는,
    이사비용 산출 방법.
KR1020220000278A 2021-10-18 2022-01-03 이사비용 산출 방법 및 장치 KR20230055329A (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020210138209 2021-10-18
KR20210138209 2021-10-18

Publications (1)

Publication Number Publication Date
KR20230055329A true KR20230055329A (ko) 2023-04-25

Family

ID=86101786

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220000278A KR20230055329A (ko) 2021-10-18 2022-01-03 이사비용 산출 방법 및 장치

Country Status (1)

Country Link
KR (1) KR20230055329A (ko)

Similar Documents

Publication Publication Date Title
CN111598972B (zh) 户型图生成方法、装置、计算机设备和存储介质
US20210173967A1 (en) Artificial intelligence systems and methods for interior design
CN114155299B (zh) 一种建筑数字孪生构建方法及系统
WO2019058266A1 (en) SYSTEM AND METHOD FOR CONVERTING A 3D SCALE SOIL PLAN FOR THE CREATION AND RENDERING OF ARCHITECTURAL SCENES OF VIRTUAL REALITY, VIDEOS AND VISUAL IMAGES
KR102472743B1 (ko) 잔여 공간에 배치가 가능한 가구 추천 방법
CN113222686A (zh) 一种装修设计方案推荐方法
KR20200111002A (ko) 이사 견적 서비스 제공 서버 및 그 방법
CN111709062A (zh) 用于获取物品摆放方案评分方法、装置以及设备、介质
CN109840376A (zh) 户型图的读取方法,装置以及存储介质
KR20220080269A (ko) 데이터 분석 기반 인테리어 시뮬레이션 및 견적서비스 제공 시스템 및 방법
US20240153271A1 (en) Method and apparatus for selecting cover of video, computer device, and storage medium
KR102493818B1 (ko) 사용자 맞춤형 인테리어 추천 방법
US20160292761A1 (en) Systems and methods to provide moving service price quotes through use of portable computing devices
KR102019299B1 (ko) 홈 스타일링 서버 및 이를 포함하는 시스템과, 홈 스타일링을 위한 영상 처리 방법
WO2024071257A1 (ja) プログラム、情報処理方法、及び情報処理装置
US11636235B2 (en) Systems and methods of predicting architectural materials within a space
KR102472746B1 (ko) 기존 가구를 통한 추가 가구 추천 방법
KR20230055329A (ko) 이사비용 산출 방법 및 장치
CN116775964A (zh) 数字模型的展示方法及装置、存储介质及电子装置
JP2023132142A (ja) 情報処理方法、情報処理装置、及び情報処理プログラム
CN114359502A (zh) 一种家装方案推荐方法及系统
CN113256392A (zh) 一种基于ar的瓷砖换块装修展示方法、系统和可读存储介质
KR20230054059A (ko) 아파트 인테리어 견적자동산출 장치
JP5809124B2 (ja) 情報処理システム、情報処理方法、及びプログラム
CN110648400A (zh) 模型的空间量化方法、映射关系建立方法、装置和设备

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E601 Decision to refuse application