WO2025147103A1 - 매설물 탐지를 위한 자율 주행 모빌리티 및 이를 이용한 매설물 탐지 방법 - Google Patents

매설물 탐지를 위한 자율 주행 모빌리티 및 이를 이용한 매설물 탐지 방법 Download PDF

Info

Publication number
WO2025147103A1
WO2025147103A1 PCT/KR2025/000054 KR2025000054W WO2025147103A1 WO 2025147103 A1 WO2025147103 A1 WO 2025147103A1 KR 2025000054 W KR2025000054 W KR 2025000054W WO 2025147103 A1 WO2025147103 A1 WO 2025147103A1
Authority
WO
WIPO (PCT)
Prior art keywords
buried
magnetic field
driving
mobility
data
Prior art date
Legal status (The legal status 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 status listed.)
Pending
Application number
PCT/KR2025/000054
Other languages
English (en)
French (fr)
Inventor
한경석
박건태
오재현
최경진
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Industry Academic Cooperation Foundation of KNU
Original Assignee
Industry Academic Cooperation Foundation of KNU
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 Industry Academic Cooperation Foundation of KNU filed Critical Industry Academic Cooperation Foundation of KNU
Publication of WO2025147103A1 publication Critical patent/WO2025147103A1/ko
Anticipated expiration legal-status Critical
Pending legal-status Critical Current

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J11/00—Manipulators not otherwise provided for
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J13/00—Controls for manipulators
    • B25J13/08—Controls for manipulators by means of sensing devices, e.g. viewing or touching devices
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J19/00—Accessories fitted to manipulators, e.g. for monitoring, for viewing; Safety devices combined with or specially adapted for use in connection with manipulators
    • B25J19/02—Sensing devices
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J5/00—Manipulators mounted on wheels or on carriages
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Program-controlled manipulators
    • B25J9/16—Program controls
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Program-controlled manipulators
    • B25J9/16—Program controls
    • B25J9/1628—Program controls characterised by the control loop
    • B25J9/163—Program controls characterised by the control loop learning, adaptive, model based, rule based expert control
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Program-controlled manipulators
    • B25J9/16—Program controls
    • B25J9/1679—Program controls characterised by the tasks executed
    • B25J9/1684—Tracking a line or surface by means of sensors
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V3/00—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation
    • G01V3/12—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation operating with electromagnetic waves
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V3/00—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation
    • G01V3/15—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation specially adapted for use during transport, e.g. by a person, vehicle or boat
    • G01V3/17—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation specially adapted for use during transport, e.g. by a person, vehicle or boat operating with electromagnetic waves
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/20—Control system inputs
    • G05D1/24—Arrangements for determining position or orientation
    • G05D1/243—Means capturing signals occurring naturally from the environment, e.g. ambient optical, acoustic, gravitational or magnetic signals
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/20—Control system inputs
    • G05D1/24—Arrangements for determining position or orientation
    • G05D1/246—Arrangements for determining position or orientation using environment maps, e.g. simultaneous localisation and mapping [SLAM]
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/20—Control system inputs
    • G05D1/24—Arrangements for determining position or orientation
    • G05D1/247—Arrangements for determining position or orientation using signals provided by artificial sources external to the vehicle, e.g. navigation beacons
    • G05D1/248—Arrangements for determining position or orientation using signals provided by artificial sources external to the vehicle, e.g. navigation beacons generated by satellites, e.g. GPS

Definitions

  • the driving control unit can control the vehicle to drive along the pipeline of the buried object transmitting the magnetic field signal by executing a pre-arranged line tracing algorithm when driving in the tracking driving mode.
  • the information analysis unit (130) analyzes information on buried facilities, including the location, type, and depth of the buried facilities, using the data collected by the data collection unit (120).
  • the information analysis unit (130) analyzes the reception location data of the magnetic field signal to determine the location of the buried object.
  • the GNSS sensor is a sensor that measures location using satellites, and the location is measured by measuring the time it takes for a signal transmitted from a satellite to arrive at the receiver and calculating the distance to the satellite. Therefore, the current location can be calculated by measuring the distance to each satellite received and using triangulation.
  • the information analysis unit (130) analyzes the intensity data of the magnetic field signal to extract features and inputs the extracted features into a pre-prepared pattern recognition model to determine the type of buried object.
  • the pattern recognition model may be a deep learning-based model that is prepared by learning feature value data extracted from the intensity data of the magnetic field signal as learning data to determine the type of buried object.
  • the pattern recognition model is a model that extracts feature data from the intensity data of a magnetic field signal and generates the extracted feature data using at least one machine learning among supervised, unsupervised, and reinforcement learning, and the type of buried object is determined using the pattern recognition model generated in this way.
  • the type of buried object can also be determined using at least one artificial intelligence algorithm among an Artificial Neural Network (ANN), a Recurrent Neural Network (RNN), a Long Short Term Memory (LSTM) network, a Deep Neural Network (DNN), a Convolutional Neural Network (CNN), and a Bidirectional Recurrent Deep Neural Network (BRDNN).
  • ANN Artificial Neural Network
  • RNN Recurrent Neural Network
  • LSTM Long Short Term Memory
  • DNN Deep Neural Network
  • CNN Convolutional Neural Network
  • BBDNN Bidirectional Recurrent Deep Neural Network
  • the material of the buried facility such as iron or copper
  • the type of the buried facility for example, six types of underground facilities, namely water supply and sewage, communications, heating, gas, and electricity
  • the reflectivity of the magnetic field signal varies depending on the medium, and by reflecting this characteristic in the pattern recognition model, the intensity data of the received magnetic field signal can be classified.
  • the information analysis unit (130) extracts the characteristic values of the intensity data of the magnetic field signal, clusters the extracted characteristic values, calculates the characteristic values (reference values) for each type of buried facility prepared in advance and the Euclidean-based distance value, finds the reference value having a distance value lower than a preset threshold value, and determines the type of buried facility by identifying the type of buried facility matching the reference value.
  • the information analysis unit (130) can determine the location, type, and burial depth of the buried object using the location, intensity, and time data of the magnetic field signal.
  • the storage unit (140) stores the driving route driven in the tracking driving mode.
  • the tracking driving mode is to drive along the location where the magnetic field signal is received, the driving path can be saved and used as data when generating a map.
  • the map generation unit (150) generates a facility map by reflecting the facility information analyzed by the information analysis unit (130) on the driving route stored in the storage unit (140).
  • the map generation unit (150) reflects the location of the buried facility, the type of the buried facility, and the buried depth of the buried facility determined by the information analysis unit (130) to the driving route stored in the storage unit (140) to generate a buried facility map and store it in the storage unit (140).
  • Figure 2 is an exemplary drawing illustrating the autonomous driving mobility of Figure 1.
  • a mobility (100) that autonomously drives according to a control command receives a magnetic field signal transmitted from a buried facility while autonomously driving in an autonomous driving mode along a predetermined range
  • the vehicle switches to a tracking driving mode immediately upon receiving the magnetic field signal and autonomously drives along a location where the magnetic field signal is detected, thereby collecting the received magnetic field signals.
  • the collected signals are analyzed to determine the location, type, and buried depth of the buried facility, and the determined result is reflected in the driving path driven while driving in the tracking driving mode to generate a buried facility map.
  • the generated buried facility map can be processed so that it can be transmitted to an external server to enable linkage with smart glasses and other devices.
  • FIG. 3 is a flowchart illustrating the operation flow of a method for detecting buried objects using autonomous driving mobility according to an embodiment of the present invention, and the specific operation of the present invention will be described with reference to this.
  • an autonomous driving mobility (100) for detecting buried objects drives in a designated range in an autonomous driving mode until a magnetic field signal is detected by a magnetic field sensor (S10, S11).
  • the mobility (100) may be equipped with magnetic field sensors on both sides of the front for detecting magnetic field signals caused by underground structures, a GNSS (Global Navigation Satellite System) sensor for identifying the location where the magnetic field signal is detected, and a camera sensor, a lidar sensor, and an ultrasonic sensor for autonomous driving in an autonomous driving mode or a tracking driving mode according to the control of the driving control unit (110).
  • GNSS Global Navigation Satellite System
  • the vehicle switches to tracking driving mode and drives along the location where the magnetic field signal is detected (S20).
  • the mobility (100) can run along the pipeline of the buried facility transmitting the magnetic field signal by executing a pre-arranged line tracing algorithm.
  • reception position data, intensity data, and time data required for signal transmission and reception are collected respectively (S30).
  • step S40 information on buried objects including the location, type, and depth of the buried objects is analyzed (S40).
  • step S40 analyzes the reception location data of the magnetic field signal to determine the location of the buried object, analyzes the intensity data of the magnetic field signal to extract features, and inputs the extracted features into a pre-prepared pattern recognition model to determine the type of buried object.
  • the time required for transmitting and receiving the magnetic field signal is calculated to determine the burial depth of the buried object.
  • the tracking driving mode is to drive along the location where the magnetic field signal is received, the driving path can be saved and used as data when generating a map.
  • a facility map is created by reflecting the facility information analyzed in step S40 on the driving route saved in step S50 (S60).

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Mechanical Engineering (AREA)
  • Robotics (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Automation & Control Theory (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Geology (AREA)
  • Geophysics (AREA)
  • Environmental & Geological Engineering (AREA)
  • Electromagnetism (AREA)
  • Human Computer Interaction (AREA)
  • Geophysics And Detection Of Objects (AREA)

Abstract

본 발명은 매설물 탐지를 위한 자율 주행 모빌리티 및 이를 이용한 매설물 탐지 방법에 관한 것으로, 자율 주행 모드로 지정 범위를 주행하는 도중 자기장 센서에 의해 자기장 신호가 감지되면, 추적 주행 모드로 전환시켜 자기장 신호가 감지되는 위치를 따라 주행하도록 제어하는 주행 제어부; 추적 주행 모드로 주행하면서 수신되는 자기장 신호의 수신 위치 데이터, 세기 데이터 및 신호 송수신 시 소요되는 시간 데이터를 수집하는 데이터 수집부; 수집한 데이터를 이용하여 매설물의 위치, 종류 및 깊이를 포함하는 매설물 정보를 분석하는 정보 분석부; 및 추적 주행 모드로 주행한 주행 경로를 저장하고, 저장된 주행 경로에 매설물 정보가 반영된 매설물 지도를 생성하는 지도 생성부를 포함한다. [대표도] 도 1

Description

매설물 탐지를 위한 자율 주행 모빌리티 및 이를 이용한 매설물 탐지 방법
본 발명은 매설물 탐지를 위한 자율 주행 모빌리티 및 이를 이용한 매설물 탐지 방법에 관한 것으로서, 더욱 상세하게는 자기장 센서를 이용하여 지하 매설물의 위치를 탐지하는 매설물 탐지를 위한 자율 주행 모빌리티 및 이를 이용한 매설물 탐지 방법에 관한 것이다.
도심 인프라에 해당하는 상하수도, 가스, 난방, 통신 및 전력 시설은 일반적으로 지하에 매설되어 있어, 인프라 유지 및 개선을 위한 공사 시행 시 지하 매설물의 정확한 위치 정보가 필요하다. 매설물의 위치가 제대로 파악되지 않은 채 공사를 시행하는 경우 중장비가 가스관을 파손하여 지하 가스관 폭발 사고가 발생하는 등과 같은 안전 사고로 이어질 확률이 높다.
또한, 장기간 매설되어 있는 노후 지하 매설물은 위치 정보가 부정확하여 안전 사고가 빈번하게 발생하는 문제점이 있고, 매설물의 위치를 정확하게 알고 있더라도 매설되어 있는 동안 위치 변동이 발생할 수도 있기 때문에 지하 작업 전 2차 탐지 과정은 필수이다.
이와 같은 2차 탐지를 위해 종래에는 탐지기를 이용하여 지상에서 매설물의 위치를 탐지한 후 페인트로 표시하는 방법이 주로 사용되었으나, 이러한 방법은 사람이 직접 탐지기로 탐색하기 때문에 인력 비용, 탐지 시간 소요 및 탐지 정확도가 낮은 문제점이 있었다. 또한, 매설물 탐지 이후에도 정보 업데이트 및 모니터링 프로세스의 불편한 문제점이 있었다. 따라서 이러한 문제를 해결하고 지하 매설물의 위치 또한 정확하게 탐지하고 판단할 수 있는 기술의 개발이 필요하다.
발명의 배경이 되는 기술은 대한민국 등록특허공보 제10-1730296호(2017. 04. 25. 공고)에 개시되어 있다.
본 발명은 상기와 같은 문제를 해결하기 위해 안출된 것으로, 본 발명이 이루고자 하는 기술적 과제는 모빌리티에 구비되는 자기장 센서를 이용하여 지하 매설물의 위치를 탐지하는 매설물 탐지를 위한 자율 주행 모빌리티 및 이를 이용한 매설물 탐지 방법을 제공하기 위한 것이다.
또한, 모빌리티의 주행 경로와 자기장 센서를 통해 수신되는 데이터를 이용하여 매설물의 위치, 종류 및 매설 깊이 정보가 반영된 매설물 지도를 생성하여 제공하기 위한 매설물 탐지를 위한 자율 주행 모빌리티 및 이를 이용한 매설물 탐지 방법을 제공하기 위한 것이다.
이러한 기술적 과제를 이루기 위한 본 발명의 실시 예에 따른 매설물 탐지를 위한 자율 주행 모빌리티는, 자율 주행 모드로 지정 범위를 주행하는 도중 자기장 센서에 의해 자기장 신호가 감지되면, 추적 주행 모드로 전환시켜 상기 자기장 신호가 감지되는 위치를 따라 주행하도록 제어하는 주행 제어부; 상기 추적 주행 모드로 주행하면서 수신되는 자기장 신호의 수신 위치 데이터, 세기 데이터 및 신호 송수신 시 소요되는 시간 데이터를 수집하는 데이터 수집부; 상기 수집한 데이터를 이용하여 매설물의 위치, 종류 및 깊이를 포함하는 매설물 정보를 분석하는 정보 분석부; 및 상기 추적 주행 모드로 주행한 주행 경로를 저장하고, 저장된 주행 경로에 상기 매설물 정보가 반영된 매설물 지도를 생성하는 지도 생성부를 포함한다.
이때, 상기 주행 제어부는 상기 추적 주행 모드로 주행 시 미리 마련된 라인 트레이싱(Line Tracing) 알고리즘을 실행하여 상기 자기장 신호를 송신하는 매설물의 파이프 라인을 따라 주행하도록 제어할 수 있다.
또한, 상기 정보 분석부는 상기 모빌리티에 구비되는 GNSS 센서와 상기 자기장 신호의 수신 위치 데이터를 분석하여 매설물의 위치를 판단하고, 상기 세기 데이터의 특징을 추출하고 추출된 특징을 미리 마련된 패턴 인식 모델에 입력하여 매설물의 종류를 판단하며, 상기 시간 데이터를 분석하여 신호 송수신 시 소요되는 시간을 계산하여 매설물의 매설 깊이를 판단하고, 상기 패턴 인식 모델은 매설물의 종류를 판단하기 위해 매설물 종류별로 수신되는 세기 데이터로부터 추출된 특징 값 데이터를 학습데이터로 학습을 수행하여 마련되는 딥러닝 기반 모델일 수 있다.
또한, 상기 지도 생성부는 상기 판단된 매설물의 위치, 매설물의 종류 및 매설물의 매설 깊이를 상기 주행 경로에 반영하여 상기 매설물 지도를 생성하고 저장할 수 있다.
또한, 상기 모빌리티는 지하 매설물에 의한 자기장 신호를 감지하는 상기 자기장 센서가 전면부 양측에 각각 구비되고, 상기 자기장 신호가 감지된 위치를 파악하기 위한 GNSS(Global Navigation Satellite System) 센서와, 상기 주행 제어부의 제어에 따라 자율 주행 모드 또는 추적 주행 모드로 자율 주행하기 위한 카메라 센서, 라이다 센서 및 초음파 센서가 각각 구비될 수 있다.
또한, 본 발명의 다른 실시 예에 따른 매설물 탐지 방법은, 모빌리티가 자기장 센서에 의해 자기장 신호가 감지될 때까지 자율 주행 모드로 지정 범위를 주행하는 단계; 상기 주행 도중 자기장 신호가 감지되면 추적 주행 모드로 전환하여 상기 자기장 신호가 감지되는 위치를 따라 주행하는 단계; 상기 추적 주행 모드로 주행하면서 수신되는 자기장 신호의 수신 위치 데이터, 세기 데이터 및 신호 송수신 시 소요되는 시간 데이터를 수집하는 단계; 상기 수집한 데이터를 이용하여 매설물의 위치, 종류 및 깊이를 포함하는 매설물 정보를 분석하는 단계; 및 상기 추적 주행 모드로 주행한 주행 경로를 저장하고, 저장된 주행 경로에 상기 매설물 정보가 반영된 매설물 지도를 생성하는 단계를 포함한다.
이때, 상기 자기장 신호가 감지되는 위치를 따라 주행하는 단계는 미리 마련된 라인 트레이싱 알고리즘을 실행하여 상기 자기장 신호를 송신하는 매설물의 파이프 라인을 따라 주행할 수 있다.
또한, 상기 매설물 정보를 분석하는 단계는 상기 모빌리티에 구비되는 GNSS 센서와 상기 자기장 신호의 수신 위치 데이터를 분석하여 매설물의 위치를 판단하고, 상기 세기 데이터의 특징을 추출하고 추출된 특징을 미리 마련된 패턴 인식 모델에 입력하여 매설물의 종류를 판단하며, 상기 시간 데이터를 분석하여 신호 송수신 시 소요되는 시간을 계산하여 매설물의 매설 깊이를 판단하고, 상기 패턴 인식 모델은 매설물의 종류를 판단하기 위해 매설물 종류별로 수신되는 세기 데이터로부터 추출된 특징 값 데이터를 학습데이터로 학습을 수행하여 마련되는 딥러닝 기반 모델일 수 있다.
또한, 상기 매설물 지도를 생성하는 단계는 상기 판단된 매설물의 위치, 매설물의 종류 및 매설물의 매설 깊이를 상기 주행 경로에 반영하여 상기 매설물 지도를 생성하고 저장할 수 있다.
또한, 상기 모빌리티는 지하 매설물에 의한 자기장 신호를 감지하는 상기 자기장 센서가 전면부 양측에 각각 구비되고, 상기 자기장 신호가 감지된 위치를 파악하기 위한 GNSS 센서와, 상기 주행 제어부의 제어에 따라 자율 주행 모드 또는 추적 주행 모드로 자율 주행하기 위한 카메라 센서, 라이다 센서 및 초음파 센서가 각각 구비될 수 있다.
이와 같이 본 발명에 따르면, 모빌리티에 구비되는 자기장 센서를 이용하여 지하 매설물의 위치를 탐지할 수 있어 매설물로 인한 안전 사고를 예방할 수 있는 효과가 있다.
또한 본 발명에 따르면, 모빌리티의 주행 경로와 자기장 센서를 통해 수신되는 데이터를 이용하여 매설물의 위치, 종류 및 매설 깊이 정보가 반영된 매설물 지도를 생성하여 신뢰도 높은 데이터를 제공함으로써 지하 매설물의 위치와 종류를 신속하게 판단할 수 있어 시공 현장에서 유용하게 활용할 수 있다.
또한 본 발명에 따르면, 자율 주행 모빌리티를 이용하여 매설물 탐지 프로세스를 자동화하고 스마트 인프라 시스템 구축하여 인력 개입을 최소화함으로써 시공 현장 내 지하 매설물로 인해 발생하는 안전 사고를 최소화할 수 있고, 안전한 시공 환경을 조성할 수 있다.
도 1은 본 발명의 실시 예에 따른 매설물 탐지를 위한 자율 주행 모빌리티의 블록구성도이다.
도 2는 도 1의 자율 주행 모빌리티를 설명하기 위해 예시적으로 도시한 도면이다.
도 3은 본 발명의 실시 예에 따른 매설물 탐지를 위한 자율 주행 모빌리티를 이용한 매설물 탐지 방법의 동작 흐름을 도시한 순서도이다.
이하 첨부된 도면을 참조하여 본 발명에 따른 바람직한 실시 예를 상세히 설명하기로 한다. 이 과정에서 도면에 도시된 선들의 두께나 구성요소의 크기 등은 설명의 명료성과 편의상 과장되게 도시되어 있을 수 있다.
또한 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서, 이는 사용자, 운용자의 의도 또는 관례에 따라 달라질 수 있다. 그러므로 이러한 용어들에 대한 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
이하, 도면들을 참조하여 본 발명의 바람직한 실시 예들을 보다 상세하게 설명하기로 한다.
먼저, 도 1 및 도 2를 통해 본 발명의 실시 예에 따른 매설물 탐지를 위한 자율 주행 모빌리티에 대하여 설명한다.
본 발명의 실시 예에서의 자율 주행 모빌리티는, 매설물 탐지를 위해 자율 주행 모드 또는 추적 주행 모드로 자율 주행하고, 지하 매설물에 의한 자기장 신호를 감지하는 자기장 센서가 전면부 양측에 각각 구비되며, 자기장 신호가 감지된 위치를 파악하기 위한 GNSS(Global Navigation Satellite System) 센서와, 제어에 따라 자율 주행 모드 또는 추적 주행 모드로 자율 주행하기 위한 카메라 센서, 라이다 센서 및 초음파 센서가 각각 구비될 수 있다.
도 1은 본 발명의 실시 예에 따른 매설물 탐지를 위한 자율 주행 모빌리티의 블록구성도이다.
도 1에서와 같이 본 발명의 실시 예에 따른 매설물 탐지를 위한 자율 주행 모빌리티(100)는, 주행 제어부(110), 데이터 수집부(120), 정보 분석부(130), 저장부(140) 및 지도 생성부(150)를 포함한다.
먼저, 주행 제어부(110)는 모빌리티(100)가 자율 주행 모드로 지정 범위를 주행하는 도중 자기장 센서에 의해 자기장 신호가 감지되면, 추적 주행 모드로 전환시켜 자기장 신호가 감지되는 위치를 따라 주행하도록 제어한다.
이때, 주행 제어부(110)는 추적 주행 모드로 주행 시 미리 마련된 라인 트레이싱(Line Tracing) 알고리즘을 실행하여 자기장 신호를 송신하는 매설물의 파이프 라인을 따라 주행하도록 제어할 수도 있다.
여기서, 라인 트레이싱 알고리즘은 센서를 통해 검출된 선의 정보를 처리하여 정해진 선을 따라 주행하도록 제어하는 알고리즘이다.
따라서, 주행 제어부(110)는 모빌리티(100)가 자율 주행 모드로 주행하는 도중 자기장 신호가 감지되면 추적 주행 모드로 전환시켜 모빌리티(100)의 전면부 양측에 각각 구비되는 자기장 센서(홀센서)가 매설물의 파이프 라인 내에 위치할 수 있도록 교차 주행하면서 라인 트레이싱 하도록 제어할 수도 있다.
그리고 데이터 수집부(120)는 모빌리티(100)가 추적 주행 모드로 주행하면서 수신되는 자기장 신호의 수신 위치 데이터, 세기 데이터 및 신호 송수신 시 소요되는 시간 데이터를 수집한다.
이때, 데이터 수집부(120)는 모빌리티(100)에 구비되는 GNSS 센서를 이용하여 자기장 신호를 수신한 위치에 대한 위치 데이터를 수집할 수 있다.
또한, 수신한 자기장 신호로부터 자기장 신호의 세기 데이터를 추출하여 수집하고, 자기장 신호의 송수신 시 소요되는 시간을 측정하여 시간 데이터를 수집할 수 있다.
그리고 정보 분석부(130)는 데이터 수집부(120)에서 수집한 데이터를 이용하여 매설물의 위치, 종류 및 깊이를 포함하는 매설물 정보를 분석한다.
자세히는, 정보 분석부(130)는 자기장 신호의 수신 위치 데이터를 분석하여 매설물의 위치를 판단한다.
여기서, GNSS 센서는 위성을 사용하여 위치를 측정하는 센서로서 위치 측정은 위성에서 발신된 신호가 수신기까지 도착하는 시간을 측정하여 위성과의 거리 계산한다. 따라서, 수신되는 각각의 위성과의 거리를 측정한 후 삼각 측량을 사용하여 현재 위치를 계산할 수 있다.
그리고, 정보 분석부(130)는 자기장 신호의 세기 데이터를 분석하여 특징을 추출하고 추출된 특징을 미리 마련된 패턴 인식 모델에 입력하여 매설물의 종류를 판단한다.
이때, 패턴 인식 모델은 매설물의 종류를 판단하기 위해 자기장 신호의 세기 데이터로부터 추출된 특징 값 데이터를 학습데이터로 학습하여 마련되는 딥러닝 기반 모델일 수 있다.
자세히는, 패턴 인식 모델은 자기장 신호의 세기 데이터로부터 특징 데이터를 추출하여 추출된 특징 데이터를 지도, 비지도, 강화 학습 중 적어도 하나의 기계 학습을 이용하여 생성된 모델이며, 이렇게 생성된 패턴 인식 모델을 이용하여 매설물의 종류를 판단하는데, ANN(Artificial Neural Network) RNN(Recurrent Neural Network), LSTM(Long Short Term Memory) 네트워크, DNN(Deep Neural Network), CNN(Convolutional Neural Network) 및 BRDNN(Bidirectional Recurrent Deep Neural Network) 중 적어도 하나의 인공지능 알고리즘을 이용하여 매설물의 종류를 판단할 수도 있다.
따라서, 본 발명의 실시 예에서는 패턴 인식 모델을 이용하여 자기장 신호의 세기 데이터 패턴을 분석하여 철, 구리 등과 같은 매설물의 재질을 구분하여 매설물의 종류(예를 들면, 지하 매설물 6종 즉, 상하수도, 통신, 난방, 가스, 전력)를 판단할 수도 있다.
즉, 자기장 신호는 매질에 따라 자기장의 신호의 반사율이 상이한데, 이러한 특징을 패턴 인식 모델에 반영하여, 수신한 자기장 신호의 세기 데이터를 분류할 수 있다.
또한, 정보 분석부(130)는 자기장 신호의 세기 데이터의 특징 값을 추출하고 추출된 특징값을 군집화하여, 미리 마련된 매설물 종류 별 특징 값(기준값)과 유클리드 기반의 거리값을 계산하여 미리 설정된 임계값 이하의 거리 값을 갖는 기준 값을 찾고, 해당 기준 값에 매칭되는 매설물의 종류를 파악하여 매설물의 종류를 판단할 수도 있다.
그리고, 정보 분석부(130)는 자기장 신호의 시간 데이터를 분석하여 자기장 신호 송수신 시 소요되는 시간을 계산하여 매설물의 매설 깊이를 판단할 수 있다.
따라서, 정보 분석부(130)는 자기장 신호의 위치, 세기 및 시간 데이터를 이용하여 매설물의 위치, 종류 및 매설 깊이를 판단할 수 있다.
그리고 저장부(140)는 추적 주행 모드로 주행한 주행 경로를 저장한다.
즉, 추적 주행 모드는 자기장 신호가 수신되는 위치를 따라 주행하는 것이므로 해당 주행 경로를 저장하여 이를 지도 생성시 데이터로 사용할 수도 있다.
마지막으로 지도 생성부(150)는 저장부(140)에 저장된 주행 경로에 정보 분석부(130)에서 분석한 매설물 정보를 반영하여 매설물 지도를 생성한다.
이때, 지도 생성부(150)는 정보 분석부(130)로부터 판단된 매설물의 위치, 매설물의 종류 및 매설물의 매설 깊이를 저장부(140)에 저장된 주행 경로에 반영하여 매설물 지도를 생성하고 저장부(140)에 저장한다.
도 2는 도 1의 자율 주행 모빌리티를 설명하기 위해 예시적으로 도시한 도면이다.
도 2에서와 같이, 제어 명령에 따라 자율 주행하는 모빌리티(100)가 기 지정된 범위를 자율 주행 모드로 자율 주행하는 도중 지하에 매설된 매설물로부터 송신되는 자기장 신호를 수신하면, 자기장 신호를 수신하는 즉시 추적 주행 모드로 전환하여 자기장 신호가 감지되는 위치를 따라 자율 주행하면서 수신되는 자기장 신호들을 수집하게 된다. 이때 수집한 신호들을 분석하여 매설물의 위치, 종류 및 매설 깊이를 판단하고, 판단된 결과를 추적 주행 모드로 주행시 주행했던 주행 경로에 반영하여 매설물 지도를 생성한다. 이때, 생성된 매설물 지도는 외부 서버로 전송하여 스마트 글래스 및 타기기와의 연동이 가능하도록 가공될 수도 있다.
이하에서는 도 3을 통해 본 발명의 실시 예에 따른 매설물 탐지를 위한 자율 주행 모빌리티를 이용한 매설물 탐지 방법에 대하여 설명한다.
도 3은 본 발명의 실시 예에 따른 매설물 탐지를 위한 자율 주행 모빌리티를 이용한 매설물 탐지 방법의 동작 흐름을 도시한 순서도로서, 이를 참조하여 본 발명의 구체적인 동작을 설명한다.
본 발명의 실시 예에 따르면, 먼저 매설물 탐지를 위한 자율 주행 모빌리티(100)가 자기장 센서에 의해 자기장 신호가 감지될 때까지 자율 주행 모드로 지정 범위를 주행한다(S10, S11).
이때, 모빌리티(100)는 지하 매설물에 의한 자기장 신호를 감지하는 자기장 센서가 전면부 양측에 각각 구비되고, 자기장 신호가 감지된 위치를 파악하기 위한 GNSS(Global Navigation Satellite System) 센서와, 주행 제어부(110)의 제어에 따라 자율 주행 모드 또는 추적 주행 모드로 자율 주행하기 위한 카메라 센서, 라이다 센서 및 초음파 센서가 각각 구비될 수도 있다.
만약, 자기장 신호가 감지되면, 추적 주행 모드로 전환하여 자기장 신호가 감지되는 위치를 따라 주행한다(S20).
자세히는, 모빌리티(100)가 미리 마련된 라인 트레이싱 알고리즘을 실행하여 자기장 신호를 송신하는 매설물의 파이프 라인을 따라 주행할 수 있다.
그리고, 추적 주행 모드로 주행하면서 수신되는 자기장 신호의 수신 위치 데이터, 세기 데이터 및 신호 송수신 시 소요되는 시간 데이터를 각각 수집한다(S30).
그리고, S30 단계에서 수집한 데이터를 이용하여 매설물의 위치, 종류 및 깊이를 포함하는 매설물 정보를 분석한다(S40).
자세히는, S40 단계는 자기장 신호의 수신 위치 데이터를 분석하여 매설물의 위치를 판단하고, 자기장 신호의 세기 데이터를 분석하여 특징을 추출하고 추출된 특징을 미리 마련된 패턴 인식 모델에 입력하여 매설물의 종류를 판단한다.
이때, 패턴 인식 모델은 매설물의 종류를 판단하기 위해 자기장 신호의 세기 데이터로부터 추출된 특징 값 데이터를 학습데이터로 학습하여 마련되는 딥러닝 기반 모델일 수 있다.
그리고 자기장 신호의 시간 데이터를 분석하여 자기장 신호 송수신 시 소요되는 시간을 계산하여 매설물의 매설 깊이를 판단한다.
그리고, S20 단계에서 추적 주행 모드로 주행한 주행 경로를 저장한다(S50).
즉, 추적 주행 모드는 자기장 신호가 수신되는 위치를 따라 주행하는 것이므로 해당 주행 경로를 저장하여 이를 지도 생성시 데이터로 사용할 수도 있다.
마지막으로 S50 단계에서 저장된 주행 경로에 S40 단계에서 분석된 매설물 정보를 반영하여 매설물 지도를 생성한다(S60).
즉, S60 단계는 S40 단계에서 판단된 매설물의 위치, 매설물의 종류 및 매설물의 매설 깊이를 S50 단계에서 저장된 주행 경로에 반영하여 매설물 지도를 생성하고, 생성된 매설물 지도를 저장할 수도 있다.
한편, 본 발명은 또한 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다.
이러한, 컴퓨터가 읽을 수 있는 기록매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있으며, 컴퓨터 시스템에 의해 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 기록매체의 예로는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(Magnetic Media), CD-ROM(Compact Disk Read Only Memory), DVD(Digital Video Disk)와 같은 광기록 매체(Optical Media), 플롭티컬 디스크(Floptical Disk)와 같은 자기-광 매체(Magneto-Optical Media) 및 롬(ROM, Read Only Memory), 램(RAM, Random Access Memory), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치를 포함한다.
또한, 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다. 그리고, 본 발명을 구현하기 위한 기능적인(functional) 프로그램, 코드 및 코드 세그먼트들은 본 발명이 속하는 기술분야의 프로그래머들에 의해 용이하게 추론될 수 있다.
이상과 같은 본 발명에 의하면, 모빌리티에 구비되는 자기장 센서를 이용하여 지하 매설물의 위치를 탐지할 수 있어 매설물로 인한 안전 사고를 예방할 수 있다.
또한, 모빌리티의 주행 경로와 자기장 센서를 통해 수신되는 데이터를 이용하여 매설물의 위치, 종류 및 매설 깊이 정보가 반영된 매설물 지도를 생성하여 신뢰도 높은 데이터를 제공함으로써 지하 매설물의 위치와 종류를 신속하게 판단할 수 있어 시공 현장에서 유용하게 활용할 수 있다.
또한, 자율 주행 모빌리티를 이용하여 매설물 탐지 프로세스를 자동화하고 스마트 인프라 시스템 구축하여 인력 개입을 최소화함으로써 시공 현장 내 지하 매설물로 인해 발생하는 안전 사고를 최소화할 수 있고, 안전한 시공 환경을 조성할 수 있다.
본 발명은 도면에 도시된 실시 예를 참고로 하여 설명되었으나 이는 예시적인 것에 불과하며, 당해 기술이 속하는 분야에서 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시 예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호범위는 아래의 특허청구범위의 기술적 사상에 의하여 정해져야 할 것이다.
[부호의 설명]
100 : 모빌리티 110 : 주행 제어부
120 : 데이터 수집부 130 : 정보 분석부
140 : 저장부 150 : 지도 생성부

Claims (10)

  1. 매설물 탐지를 위해 자율 주행 모드 또는 추적 주행 모드로 주행하는 자율 주행 모빌리티에 있어서,
    상기 자율 주행 모드로 지정 범위를 주행하는 도중 자기장 센서에 의해 자기장 신호가 감지되면, 상기 추적 주행 모드로 전환시켜 상기 자기장 신호가 감지되는 위치를 따라 주행하도록 제어하는 주행 제어부;
    상기 추적 주행 모드로 주행하면서 수신되는 자기장 신호의 수신 위치 데이터, 세기 데이터 및 신호 송수신 시 소요되는 시간 데이터를 수집하는 데이터 수집부;
    상기 수집한 데이터를 이용하여 매설물의 위치, 종류 및 깊이를 포함하는 매설물 정보를 분석하는 정보 분석부; 및
    상기 추적 주행 모드로 주행한 주행 경로를 저장하고, 저장된 주행 경로에 상기 매설물 정보가 반영된 매설물 지도를 생성하는 지도 생성부를 포함하는 자율 주행 모빌리티.
  2. 제1항에 있어서,
    상기 주행 제어부는,
    상기 추적 주행 모드로 주행 시 미리 마련된 라인 트레이싱(Line Tracing) 알고리즘을 실행하여 상기 자기장 신호를 송신하는 매설물의 파이프 라인을 따라 주행하도록 제어하는 자율 주행 모빌리티.
  3. 제1항에 있어서,
    상기 정보 분석부는,
    상기 모빌리티에 구비되는 GNSS 센서와 상기 자기장 신호의 수신 위치 데이터를 분석하여 매설물의 위치를 판단하고,
    상기 세기 데이터의 특징을 추출하고 추출된 특징을 미리 마련된 패턴 인식 모델에 입력하여 매설물의 종류를 판단하며,
    상기 시간 데이터를 분석하여 신호 송수신 시 소요되는 시간을 계산하여 매설물의 매설 깊이를 판단하고,
    상기 패턴 인식 모델은,
    매설물의 종류를 판단하기 위해 매설물 종류별로 수신되는 세기 데이터로부터 추출된 특징 값 데이터를 학습데이터로 학습을 수행하여 마련되는 딥러닝 기반 모델인 자율 주행 모빌리티.
  4. 제3항에 있어서,
    상기 지도 생성부는,
    상기 판단된 매설물의 위치, 매설물의 종류 및 매설물의 매설 깊이를 상기 주행 경로에 반영하여 상기 매설물 지도를 생성하고 저장하는 자율 주행 모빌리티.
  5. 제1항에 있어서,
    상기 모빌리티는,
    지하 매설물에 의한 자기장 신호를 감지하는 상기 자기장 센서가 전면부 양측에 각각 구비되고, 상기 자기장 신호가 감지된 위치를 파악하기 위한 GNSS(Global Navigation Satellite System) 센서와, 상기 주행 제어부의 제어에 따라 자율 주행 모드 또는 추적 주행 모드로 자율 주행하기 위한 카메라 센서, 라이다 센서 및 초음파 센서가 각각 구비되는 자율 주행 모빌리티.
  6. 매설물 탐지를 위한 자율 주행 모빌리티를 이용한 매설물 탐지 방법에 있어서,
    상기 모빌리티가 자기장 센서에 의해 자기장 신호가 감지될 때까지 자율 주행 모드로 지정 범위를 주행하는 단계;
    상기 주행 도중 자기장 신호가 감지되면 추적 주행 모드로 전환하여 상기 자기장 신호가 감지되는 위치를 따라 주행하는 단계;
    상기 추적 주행 모드로 주행하면서 수신되는 자기장 신호의 수신 위치 데이터, 세기 데이터 및 신호 송수신 시 소요되는 시간 데이터를 수집하는 단계;
    상기 수집한 데이터를 이용하여 매설물의 위치, 종류 및 깊이를 포함하는 매설물 정보를 분석하는 단계; 및
    상기 추적 주행 모드로 주행한 주행 경로를 저장하고, 저장된 주행 경로에 상기 매설물 정보가 반영된 매설물 지도를 생성하는 단계를 포함하는 매설물 탐지 방법.
  7. 제6항에 있어서,
    상기 자기장 신호가 감지되는 위치를 따라 주행하는 단계는,
    미리 마련된 라인 트레이싱(Line Tracing) 알고리즘을 실행하여 상기 자기장 신호를 송신하는 매설물의 파이프 라인을 따라 주행하는 매설물 탐지 방법.
  8. 제6항에 있어서,
    상기 매설물 정보를 분석하는 단계는,
    상기 모빌리티에 구비되는 GNSS 센서와 상기 자기장 신호의 수신 위치 데이터를 분석하여 매설물의 위치를 판단하고, 상기 세기 데이터의 특징을 추출하고 추출된 특징을 미리 마련된 패턴 인식 모델에 입력하여 매설물의 종류를 판단하며, 상기 시간 데이터를 분석하여 신호 송수신 시 소요되는 시간을 계산하여 매설물의 매설 깊이를 판단하고,
    상기 패턴 인식 모델은,
    매설물의 종류를 판단하기 위해 매설물 종류별로 수신되는 세기 데이터로부터 추출된 특징 값 데이터를 학습데이터로 학습을 수행하여 마련되는 딥러닝 기반 모델인 매설물 탐지 방법.
  9. 제8항에 있어서,
    상기 매설물 지도를 생성하는 단계는,
    상기 판단된 매설물의 위치, 매설물의 종류 및 매설물의 매설 깊이를 상기 주행 경로에 반영하여 상기 매설물 지도를 생성하고 저장하는 매설물 탐지 방법.
  10. 제6항에 있어서,
    상기 모빌리티는,
    지하 매설물에 의한 자기장 신호를 감지하는 상기 자기장 센서가 전면부 양측에 각각 구비되고, 상기 자기장 신호가 감지된 위치를 파악하기 위한 GNSS(Global Navigation Satellite System) 센서와, 상기 주행 제어부의 제어에 따라 자율 주행 모드 또는 추적 주행 모드로 자율 주행하기 위한 카메라 센서, 라이다 센서 및 초음파 센서가 각각 구비되는 매설물 탐지 방법.
PCT/KR2025/000054 2024-01-03 2025-01-02 매설물 탐지를 위한 자율 주행 모빌리티 및 이를 이용한 매설물 탐지 방법 Pending WO2025147103A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2024-0000872 2024-01-03
KR1020240000872A KR20250107300A (ko) 2024-01-03 2024-01-03 매설물 탐지를 위한 자율 주행 모빌리티 및 이를 이용한 매설물 탐지 방법

Publications (1)

Publication Number Publication Date
WO2025147103A1 true WO2025147103A1 (ko) 2025-07-10

Family

ID=96300386

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2025/000054 Pending WO2025147103A1 (ko) 2024-01-03 2025-01-02 매설물 탐지를 위한 자율 주행 모빌리티 및 이를 이용한 매설물 탐지 방법

Country Status (2)

Country Link
KR (1) KR20250107300A (ko)
WO (1) WO2025147103A1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005181491A (ja) * 2003-12-17 2005-07-07 Gis Kyushu:Kk 地理情報システムの地理情報作成方法及び地理情報システム
KR102220157B1 (ko) * 2019-09-05 2021-02-25 주식회사 센서피아 이동체 탑재형 자성체 매설물 정보 획득 장치 및 이의 자성체 매설물 정보 획득 방법
KR20220036583A (ko) * 2020-09-16 2022-03-23 신준구 인공 지능을 기반으로 매설물을 탐지하고 식별하는 장치 및 그 방법
JP2022062539A (ja) * 2020-10-08 2022-04-20 株式会社Ihi 放射性廃棄物の地下運送システム
KR102456916B1 (ko) * 2022-04-11 2022-10-21 주식회사 사성공간정보 지자기 검출과 분석에 의한 지하시설물 위치 측량 시스템

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005181491A (ja) * 2003-12-17 2005-07-07 Gis Kyushu:Kk 地理情報システムの地理情報作成方法及び地理情報システム
KR102220157B1 (ko) * 2019-09-05 2021-02-25 주식회사 센서피아 이동체 탑재형 자성체 매설물 정보 획득 장치 및 이의 자성체 매설물 정보 획득 방법
KR20220036583A (ko) * 2020-09-16 2022-03-23 신준구 인공 지능을 기반으로 매설물을 탐지하고 식별하는 장치 및 그 방법
JP2022062539A (ja) * 2020-10-08 2022-04-20 株式会社Ihi 放射性廃棄物の地下運送システム
KR102456916B1 (ko) * 2022-04-11 2022-10-21 주식회사 사성공간정보 지자기 검출과 분석에 의한 지하시설물 위치 측량 시스템

Also Published As

Publication number Publication date
KR20250107300A (ko) 2025-07-14

Similar Documents

Publication Publication Date Title
JP7521462B2 (ja) 走行支援制御装置、走行支援制御方法、走行支援制御プログラム
CA2505841C (en) Foreign object detection system and method
WO2020067751A1 (ko) 이종 센서 간의 데이터 융합 장치 및 방법
CN112621710A (zh) 一种架空输电线路巡检机器人障碍检测控制系统及方法
CN106601023A (zh) 一种室内停车场车辆引导及定位系统及方法
CN112286180A (zh) 一种基于巡检机器人的电力巡检分析系统及方法
CN115359301A (zh) 一种基于云端平台的数据挖掘方法
WO2021045445A1 (ko) 운전면허시험 처리 장치
WO2020101071A1 (ko) 도로 장애물의 알림 및 차량의 추적이 가능한 라이다를 이용한 교통 감시 시스템
CN114661057B (zh) 一种智能仿生双足巡检机器人
WO2025089565A1 (ko) 복수의 레이더 및 카메라를 이용한 센서 융합 시스템 및 방법
CN115762025A (zh) 通信光缆智能预警方法及系统
WO2025220964A1 (ko) 잠재적 주행 경로 침범 차량 검출 장치 및 그 방법
CN112013993B (zh) 一种基于水下机器人的海底电缆探测方法
EP1333246A4 (en) POSITION DETECTION PROCEDURE, POSITION DETECTION DEVICE, EXPOSURE METHOD; EXPOSURE SYSTEM, CONTROL PROGRAM AND COMPONENT MANUFACTURING METHOD
JP3018175B1 (ja) 走行支援道路システム
CN109002054A (zh) 一种无人机排水管道测绘巡线系统及其巡线方法
KR20250107300A (ko) 매설물 탐지를 위한 자율 주행 모빌리티 및 이를 이용한 매설물 탐지 방법
WO2021172720A1 (ko) 자율 무인항공 이동체 및 이의 제어 방법
WO2021107415A1 (ko) 자율주행 주행경로에 필요한 신호등 체계 분석 시스템
CN214224147U (zh) 一种低成本信标信息采集定位系统
CN106032875A (zh) 一种用于地下管道监测系统的多功能检测装置
KR20070039259A (ko) 저가형 매설식 차량정보 검출시스템 및 차량정보 검출방법
WO2023033309A1 (ko) 자율/원격 주행과 v2x 서비스를 위한 실시간 주행 차로 검출 방법 및 시스템
CN115423001A (zh) 一种改进的智能驾驶难例识别方法及装置

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 25736257

Country of ref document: EP

Kind code of ref document: A1