KR102212825B1 - 이미지를 기반으로 포즈 계산을 위한 지도의 최신성을 유지하는 방법 및 시스템 - Google Patents

이미지를 기반으로 포즈 계산을 위한 지도의 최신성을 유지하는 방법 및 시스템 Download PDF

Info

Publication number
KR102212825B1
KR102212825B1 KR1020190040936A KR20190040936A KR102212825B1 KR 102212825 B1 KR102212825 B1 KR 102212825B1 KR 1020190040936 A KR1020190040936 A KR 1020190040936A KR 20190040936 A KR20190040936 A KR 20190040936A KR 102212825 B1 KR102212825 B1 KR 102212825B1
Authority
KR
South Korea
Prior art keywords
image
pose
absolute pose
images
absolute
Prior art date
Application number
KR1020190040936A
Other languages
English (en)
Other versions
KR20200118677A (ko
Inventor
김덕화
이동환
석상옥
Original Assignee
네이버랩스 주식회사
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 네이버랩스 주식회사 filed Critical 네이버랩스 주식회사
Priority to KR1020190040936A priority Critical patent/KR102212825B1/ko
Priority to US16/841,920 priority patent/US11625855B2/en
Publication of KR20200118677A publication Critical patent/KR20200118677A/ko
Application granted granted Critical
Publication of KR102212825B1 publication Critical patent/KR102212825B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G06T7/55—Depth or shape recovery from multiple images
    • G06T7/579—Depth or shape recovery from multiple images from motion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
    • G01C21/30—Map- or contour-matching
    • G01C21/32—Structuring or formatting of map data
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • G01C21/3833—Creation or updating of map data characterised by the source of data
    • G01C21/3848—Data obtained from both position sensors and additional sensors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/53—Querying
    • G06F16/532—Query formulation, e.g. graphical querying
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/5854—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using shape and object relationship
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/587—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/901—Indexing; Data structures therefor; Storage structures
    • G06F16/9024—Graphs; Linked lists
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B29/00—Maps; Plans; Charts; Diagrams, e.g. route diagram
    • G09B29/003—Maps
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20072—Graph-based image processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30241—Trajectory
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30244—Camera pose

Abstract

이미지를 기반으로 포즈 계산을 위한 지도의 최신성을 유지하는 방법 및 시스템이 개시된다. 최신성 유지를 위한 지도 업데이트 방법은, 연속적인 이미지 간의 상대적인 포즈 관계를 계산하는 단계; 상기 연속적인 이미지 간의 상대적인 포즈 관계를 이용하여 각 이미지의 절대 포즈를 계산하는 단계; 및 상기 절대 포즈를 기반으로 VL(visual localization)에 이용되는 지도를 업데이트 하는 단계를 포함한다.

Description

이미지를 기반으로 포즈 계산을 위한 지도의 최신성을 유지하는 방법 및 시스템{METHOD AND SYSTEM FOR UPDATING MAP FOR POSE ESTIMATION BASED ON IMAGES}
아래의 설명은 모바일 기기의 포즈 계산(pose estimation)을 위한 지도의 최신성을 유지하는 기술에 관한 것이다.
이동로봇은 주어진 환경 내에서 자신의 위치를 파악할 수 있어야 할 뿐만 아니라, 이전에 경험하지 못한 새로운 환경에 놓이는 경우 스스로 그 주변 화면에 대한 지도를 작성할 수 있어야 한다.
이동로봇의 지도 작성이란, 주변의 장애물이나 물체가 놓인 위치, 그리고 자유롭게 이동 가능한 열린 공간 등을 알아내어 적절한 방법으로 기억하는 작업을 의미한다.
이동로봇의 지도 작성 기술의 일례로, 한국 공개특허공보 제10-2010-0070922호(공개일 2010년 06월 28일)에는 주변 물체까지의 거리 정보를 이용하여 격자 지도를 작성한 후 랜드마크의 위치 정보와 연동 시킴으로써 이동로봇의 위치 인식을 위한 최종 격자 지도를 작성할 수 있는 기술이 개시되어 있다.
이미지를 기반으로 모바일 기기의 위치파악을 위한 VL(visual localization)용 지도의 최신성을 유지할 수 있는 방법 및 시스템을 제공한다.
공간적 변화와 상태적 변화를 반영하여 지도의 최신성을 유지할 수 있는 방법 및 시스템을 제공한다.
대상 공간에서 위치기반 서비스를 이용하기 위해 발생되는 연속적인 쿼리 정보를 이용하여 VL용 지도를 업데이트할 수 있는 방법 및 시스템을 제공한다.
컴퓨터 시스템에서 실행되는 지도 업데이트 방법에 있어서, 상기 컴퓨터 시스템은 메모리에 포함된 컴퓨터 판독가능한 명령들을 실행하도록 구성된 적어도 하나의 프로세서를 포함하고, 상기 지도 업데이트 방법은, 상기 적어도 하나의 프로세서에 의해, 연속적인 이미지 간의 상대적인 포즈 관계를 계산하는 단계; 상기 적어도 하나의 프로세서에 의해, 상기 연속적인 이미지 간의 상대적인 포즈 관계를 이용하여 각 이미지의 절대 포즈를 계산하는 단계; 및 상기 적어도 하나의 프로세서에 의해, 상기 절대 포즈를 기반으로 VL(visual localization)에 이용되는 지도를 업데이트 하는 단계를 포함하는 지도 업데이트 방법을 제공한다.
일 측면에 따르면, 상기 상대적인 포즈 관계를 계산하는 단계는, VL 기반 서비스를 이용하는 전자 기기에서 발생되는 쿼리 정보로서 상기 전자 기기로부터 상기 연속적인 이미지를 수신하는 단계를 포함할 수 있다.
다른 측면에 따르면, 상기 상대적인 포즈 관계를 계산하는 단계는, 각 이미지에서 추출된 특징점의 관련성(correspondences)을 이용하여 상기 연속적인 이미지 간의 상대적인 포즈 관계를 계산할 수 있다.
또 다른 측면에 따르면, 상기 절대 포즈를 계산하는 단계는, 상기 지도를 이용한 VL을 통해 각 이미지에 대한 절대 포즈 계산의 실패 여부를 결정하는 단계; 및 상기 연속적인 이미지 중 계산이 성공한 이미지의 절대 포즈와 상기 연속적인 이미지 간의 상대적인 포즈 관계를 이용하여 계산이 실패한 나머지 이미지의 절대 포즈를 추정하는 단계를 포함할 수 있다.
또 다른 측면에 따르면, 상기 계산이 실패한 나머지 이미지의 절대 포즈를 추정하는 단계는, 계산이 성공한 이미지의 절대 포즈와 상기 연속적인 이미지 간의 상대적인 포즈 관계를 기초로 정의된 그래프 구조를 통해 상기 계산이 실패한 나머지 이미지의 절대 포즈를 추정할 수 있다.
또 다른 측면에 따르면, 상기 계산이 실패한 나머지 이미지의 절대 포즈를 추정하는 단계는, 상기 연속적인 이미지에 대해 각 이미지의 포즈를 노드(node)로 정의하고 이미지 간의 포즈 차이를 엣지(edge)로 정의한 그래프 구조를 생성하는 단계; 상기 연속적인 이미지 중 상기 계산이 성공한 이미지의 절대 포즈를 상기 그래프 구조에 추가 노드로 정의하는 단계; 및 상기 노드와 상기 추가 노드 간의 오차를 최소화하는 방식으로 나머지 노드에 해당되는 이미지의 절대 포즈를 추정하는 단계를 포함할 수 있다.
또 다른 측면에 따르면, 각 이미지에 대한 절대 포즈 계산의 실패 여부를 결정하는 단계는, 각 이미지에 해당되는 쿼리 이미지의 특징점을 추출하는 단계; 상기 특징점을 이용하여 상기 쿼리 이미지와 유사한 참조 이미지를 검색하는 단계; 및 상기 쿼리 이미지와 상기 참조 이미지를 이용한 로컬리제이션을 통해 상기 지도 상의 절대 포즈를 추정하는 단계를 포함할 수 있다.
또 다른 측면에 따르면, 상기 지도를 업데이트 하는 단계는, 상기 연속적인 이미지 중 절대 포즈가 추정된 이미지들을 VL을 위한 참조 이미지로 추가함으로써 상기 지도를 업데이트할 수 있다.
상기한 지도 업데이트 방법을 컴퓨터에 실행시키기 위한 프로그램이 기록되어 있는 비-일시적인 컴퓨터 판독 가능한 기록 매체를 제공한다.
컴퓨터 시스템에 있어서, 메모리에 포함된 컴퓨터 판독가능한 명령들을 실행하도록 구성된 적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로세서는, 연속적인 이미지 간의 상대적인 포즈 관계를 계산하는 상대 포즈 계산부; 상기 연속적인 이미지 간의 상대적인 포즈 관계를 이용하여 각 이미지의 절대 포즈를 계산하는 절대 포즈 계산부; 및 상기 절대 포즈를 기반으로 VL(visual localization)에 이용되는 지도를 업데이트 하는 지도 업데이트부를 포함하는 컴퓨터 시스템을 제공한다.
본 발명의 실시예들에 따르면, 이미지를 기반으로 모바일 기기의 위치파악을 위한 VL용 지도의 최신성을 유지할 수 있다.
본 발명의 실시예들에 따르면, 공간적 변화와 상태적 변화를 반영하여 지도의 최신성을 유지할 수 있다.
본 발명의 실시예들에 따르면, 대상 공간에서 위치기반 서비스를 이용하기 위해 발생되는 연속적인 쿼리 정보를 이용하여 VL용 지도를 업데이트할 수 있다.
도 1은 본 발명의 일실시예에 따른 네트워크 환경의 예를 도시한 도면이다.
도 2는 본 발명의 일실시예에 있어서 전자 기기 및 서버의 내부 구성을 설명하기 위한 블록도이다.
도 3 내지 도 4는 본 발명의 일실시예에 있어서 VL(visual localization)을 수행하는 과정을 설명하기 위한 예시 도면이다.
도 5는 본 발명의 일실시예에 따른 서버의 프로세서가 포함할 수 있는 구성요소의 예를 도시한 블록도이다.
도 6은 본 발명의 일실시예에 따른 서버가 수행할 수 있는 방법의 예를 도시한 흐름도이다.
도 7은 본 발명의 일실시예에 있어서 이미지 간 관련성을 획득하는 과정을 설명하기 위한 예시 도면이다.
도 8은 본 발명의 일실시예에 있어서 이미지의 절대 포즈 계산 과정을 설명하기 위한 예시 도면이다.
도 9 내지 도 11은 본 발명의 일실시예에 있어서 그래프 기반의 포즈 최적화 과정을 설명하기 위한 예시 도면이다.
이하, 본 발명의 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.
본 발명의 실시예들은 모바일 기기의 포즈 계산을 위한 지도의 최신성을 유지하는 기술에 관한 것이다.
본 명세서에서 구체적으로 개시되는 것들을 포함하는 실시예들은 이미지를 기반으로 VL(visual localization)용 지도를 업데이트할 수 있고, 이를 통해 최신성, 효율성, 강인성, 영속성, 비용 절감 등의 측면에 있어서 상당한 장점들을 달성할 수 있다.
도 1은 본 발명의 일실시예에 따른 네트워크 환경의 예를 도시한 도면이다. 도 1의 네트워크 환경은 복수의 전자 기기들(110, 120, 130, 140), 복수의 서버들(150, 160) 및 네트워크(170)를 포함하는 예를 나타내고 있다. 이러한 도 1은 발명의 설명을 위한 일례로 전자 기기의 수나 서버의 수가 도 1과 같이 한정되는 것은 아니다.
복수의 전자 기기들(110, 120, 130, 140)은 컴퓨터 시스템으로 구현되는 고정형 단말이거나 이동형 단말일 수 있다. 복수의 전자 기기들(110, 120, 130, 140)의 예를 들면, 스마트폰(smart phone), 휴대폰, 내비게이션, 컴퓨터, 노트북, 디지털방송용 단말, PDA(Personal Digital Assistants), PMP(Portable Multimedia Player), 태블릿 PC, 게임 콘솔(game console), 웨어러블 디바이스(wearable device), IoT(internet of things) 디바이스, VR(virtual reality) 디바이스, AR(augmented reality) 디바이스 등이 있다. 일례로 도 1에서는 전자 기기(110)의 예로 스마트폰의 형상을 나타내고 있으나, 본 발명의 실시예들에서 전자 기기(110)는 실질적으로 무선 또는 유선 통신 방식을 이용하여 네트워크(170)를 통해 다른 전자 기기들(120, 130, 140) 및/또는 서버(150, 160)와 통신할 수 있는 다양한 물리적인 컴퓨터 시스템들 중 하나를 의미할 수 있다.
통신 방식은 제한되지 않으며, 네트워크(170)가 포함할 수 있는 통신망(일례로, 이동통신망, 유선 인터넷, 무선 인터넷, 방송망, 위성망 등)을 활용하는 통신 방식뿐만 아니라 기기들간의 근거리 무선 통신 역시 포함될 수 있다. 예를 들어, 네트워크(170)는, PAN(personal area network), LAN(local area network), CAN(campus area network), MAN(metropolitan area network), WAN(wide area network), BBN(broadband network), 인터넷 등의 네트워크 중 하나 이상의 임의의 네트워크를 포함할 수 있다. 또한, 네트워크(170)는 버스 네트워크, 스타 네트워크, 링 네트워크, 메쉬 네트워크, 스타-버스 네트워크, 트리 또는 계층적(hierarchical) 네트워크 등을 포함하는 네트워크 토폴로지 중 임의의 하나 이상을 포함할 수 있으나, 이에 제한되지 않는다.
서버(150, 160) 각각은 복수의 전자 기기들(110, 120, 130, 140)과 네트워크(170)를 통해 통신하여 명령, 코드, 파일, 컨텐츠, 서비스 등을 제공하는 컴퓨터 장치 또는 복수의 컴퓨터 장치들로 구현될 수 있다. 예를 들어, 서버(150)는 네트워크(170)를 통해 접속한 복수의 전자 기기들(110, 120, 130, 140)로 제1 서비스를 제공하는 시스템일 수 있으며, 서버(160) 역시 네트워크(170)를 통해 접속한 복수의 전자 기기들(110, 120, 130, 140)로 제2 서비스를 제공하는 시스템일 수 있다. 보다 구체적인 예로, 서버(150)는 복수의 전자 기기들(110, 120, 130, 140)에 설치되어 구동되는 컴퓨터 프로그램으로서의 어플리케이션을 통해, 해당 어플리케이션이 목적하는 서비스(일례로, VL 기반 서비스 등)를 제1 서비스로서 복수의 전자 기기들(110, 120, 130, 140)로 제공할 수 있다. 다른 예로, 서버(160)는 상술한 어플리케이션의 설치 및 구동을 위한 파일을 복수의 전자 기기들(110, 120, 130, 140)로 배포하는 서비스를 제2 서비스로서 제공할 수 있다.
도 2는 본 발명의 일실시예에 있어서 전자 기기 및 서버의 내부 구성을 설명하기 위한 블록도이다. 도 2에서는 전자 기기에 대한 예로서 전자 기기(110), 그리고 서버(150)의 내부 구성을 설명한다. 또한, 다른 전자 기기들(120, 130, 140)이나 서버(160) 역시 상술한 전자 기기(110) 또는 서버(150)와 동일한 또는 유사한 내부 구성을 가질 수 있다.
전자 기기(110)와 서버(150)는 메모리(211, 221), 프로세서(212, 222), 통신 모듈(213, 223) 그리고 입출력 인터페이스(214, 224)를 포함할 수 있다. 메모리(211, 221)는 비-일시적인 컴퓨터 판독 가능한 기록매체로서, RAM(random access memory), ROM(read only memory), 디스크 드라이브, SSD(solid state drive), 플래시 메모리(flash memory) 등과 같은 비소멸성 대용량 저장 장치(permanent mass storage device)를 포함할 수 있다. 여기서 ROM, SSD, 플래시 메모리, 디스크 드라이브 등과 같은 비소멸성 대용량 저장 장치는 메모리(211, 221)와는 구분되는 별도의 영구 저장 장치로서 전자 기기(110)나 서버(150)에 포함될 수도 있다. 또한, 메모리(211, 221)에는 운영체제와 적어도 하나의 프로그램 코드(일례로 전자 기기(110)에 설치되어 구동되는 브라우저나 특정 서비스의 제공을 위해 전자 기기(110)에 설치된 어플리케이션 등을 위한 코드)가 저장될 수 있다. 이러한 소프트웨어 구성요소들은 메모리(211, 221)와는 별도의 컴퓨터에서 판독 가능한 기록매체로부터 로딩될 수 있다. 이러한 별도의 컴퓨터에서 판독 가능한 기록매체는 플로피 드라이브, 디스크, 테이프, DVD/CD-ROM 드라이브, 메모리 카드 등의 컴퓨터에서 판독 가능한 기록매체를 포함할 수 있다. 다른 실시예에서 소프트웨어 구성요소들은 컴퓨터에서 판독 가능한 기록매체가 아닌 통신 모듈(213, 223)을 통해 메모리(211, 221)에 로딩될 수도 있다. 예를 들어, 적어도 하나의 프로그램은 개발자들 또는 어플리케이션의 설치 파일을 배포하는 파일 배포 시스템(일례로, 상술한 서버(160))이 네트워크(170)를 통해 제공하는 파일들에 의해 설치되는 컴퓨터 프로그램(일례로 상술한 어플리케이션)에 기반하여 메모리(211, 221)에 로딩될 수 있다.
프로세서(212, 222)는 기본적인 산술, 로직 및 입출력 연산을 수행함으로써, 컴퓨터 프로그램의 명령을 처리하도록 구성될 수 있다. 명령은 메모리(211, 221) 또는 통신 모듈(213, 223)에 의해 프로세서(212, 222)로 제공될 수 있다. 예를 들어 프로세서(212, 222)는 메모리(211, 221)와 같은 기록 장치에 저장된 프로그램 코드에 따라 수신되는 명령을 실행하도록 구성될 수 있다.
통신 모듈(213, 223)은 네트워크(170)를 통해 전자 기기(110)와 서버(150)가 서로 통신하기 위한 기능을 제공할 수 있으며, 전자 기기(110) 및/또는 서버(150)가 다른 전자 기기(일례로 전자 기기(120)) 또는 다른 서버(일례로 서버(160))와 통신하기 위한 기능을 제공할 수 있다. 일례로, 전자 기기(110)의 프로세서(212)가 메모리(211)와 같은 기록 장치에 저장된 프로그램 코드에 따라 생성한 요청이 통신 모듈(213)의 제어에 따라 네트워크(170)를 통해 서버(150)로 전달될 수 있다. 역으로, 서버(150)의 프로세서(222)의 제어에 따라 제공되는 제어 신호나 명령, 컨텐츠, 파일 등이 통신 모듈(223)과 네트워크(170)를 거쳐 전자 기기(110)의 통신 모듈(213)을 통해 전자 기기(110)로 수신될 수 있다. 예를 들어 통신 모듈(213)을 통해 수신된 서버(150)의 제어 신호나 명령, 컨텐츠, 파일 등은 프로세서(212)나 메모리(211)로 전달될 수 있고, 컨텐츠나 파일 등은 전자 기기(110)가 더 포함할 수 있는 저장 매체(상술한 영구 저장 장치)로 저장될 수 있다.
입출력 인터페이스(214)는 입출력 장치(215)와의 인터페이스를 위한 수단일 수 있다. 예를 들어, 입력 장치는 키보드, 마우스, 마이크로폰, 카메라 등의 장치를, 그리고 출력 장치는 디스플레이, 스피커, 햅틱 피드백 디바이스(haptic feedback device) 등과 같은 장치를 포함할 수 있다. 다른 예로 입출력 인터페이스(214)는 터치스크린과 같이 입력과 출력을 위한 기능이 하나로 통합된 장치와의 인터페이스를 위한 수단일 수도 있다. 입출력 장치(215)는 전자 기기(110)와 하나의 장치로 구성될 수도 있다. 또한, 서버(150)의 입출력 인터페이스(224)는 서버(150)와 연결되거나 서버(150)가 포함할 수 있는 입력 또는 출력을 위한 장치(미도시)와의 인터페이스를 위한 수단일 수 있다. 보다 구체적인 예로, 전자 기기(110)의 프로세서(212)가 메모리(211)에 로딩된 컴퓨터 프로그램의 명령을 처리함에 있어서 서버(150)나 전자 기기(120)가 제공하는 데이터를 이용하여 구성되는 서비스 화면이나 컨텐츠가 입출력 인터페이스(214)를 통해 디스플레이에 표시될 수 있다.
또한, 다른 실시예들에서 전자 기기(110) 및 서버(150)는 도 2의 구성요소들보다 더 많은 구성요소들을 포함할 수도 있다. 그러나, 대부분의 종래기술적 구성요소들을 명확하게 도시할 필요성은 없다. 예를 들어, 전자 기기(110)는 상술한 입출력 장치(215) 중 적어도 일부를 포함하도록 구현되거나 또는 트랜시버(transceiver), GPS(Global Positioning System) 모듈, 카메라, 각종 센서, 데이터베이스 등과 같은 다른 구성요소들을 더 포함할 수도 있다. 보다 구체적인 예로, 전자 기기(110)가 스마트폰인 경우, 일반적으로 스마트폰이 포함하고 있는 가속도 센서나 자이로 센서, 카메라 모듈, 각종 물리적인 버튼, 터치패널을 이용한 버튼, 입출력 포트, 진동을 위한 진동기 등의 다양한 구성요소들이 전자 기기(110)에 더 포함되도록 구현될 수 있다.
먼저, 이미지를 기반으로 포즈(3축 위치 값과 3축 방향 값을 포함함)를 계산하는, 즉 VL을 수행하는 과정을 설명한다.
도 3 내지 도 4는 VL 과정의 일례를 설명하기 위한 예시 도면이다.
서버(150)는 대상 공간에 대한 지리적 태그 이미지(geo-tagged images)를 이용하여 3D 모델에 해당되는 VL용 지도(400)를 사전에 구성하여 유지할 수 있다.
도 3에 도시한 바와 같이, 서버(150)는 전자 기기(예컨대, 모바일 단말이나 이동로봇 등)(110)에서 촬영된 이미지를 쿼리 이미지(301)로 수신하는 경우 VL용 지도 DB(일례로, 메모리(221))로부터 쿼리 이미지(301)와 유사한 참조 이미지(302)를 추출할 수 있다. 이때, 서버(150)는 딥러닝(deep learning) 모델을 통해 쿼리 이미지(301)에서 글로벌한 피처를 추출한 후 추출된 피처를 이용하여 참조 이미지(302)를 검색할 수 있다.
도 4에 도시한 바와 같이, 서버(150)는 참조 이미지(302)와 대응되는 3D 모델(303)과 함께 쿼리 이미지(301)를 이용한 로컬리제이션을 통해 쿼리 이미지(301)의 6자유도 포즈(위치 및 방향)를 추정할 수 있다. 다시 말해, 서버(150)는 포즈가 태깅된 데이터를 이용하여 VL을 수행함으로써 VL용 지도(400) 상에서 쿼리 이미지(301)에 대응되는 지점을 확인할 수 있다.
이와 같이, 이미지를 기반으로 포즈(3축 위치 값과 3축 방향 값을 포함함)를 계산하기 위해서, 즉 VL을 수행하기 위해서는 사전에 데이터 수집 장비를 이용하여 대상 공간을 스캐닝 한 후 스캐닝을 통해 얻은 (포즈가 태깅된) 데이터를 가공하여 VL용 지도(400)를 생성할 수 있다.
그러나, 시간이 흐름에 따라 대상 공간의 변화(예컨대, 가게, 조형물, 구조물 등이 없어지거나 새로 생기는 경우 등)가 생길 수 있으며, 이러한 변화는 시각 정보만을 기반으로 동작하는 VL 성능에 영향을 미칠 수 있다.
따라서, 공간적 변화와 상태적 변화를 반영할 수 있는 지도의 최신성 유지 기술이 필요하다.
본 발명은 대상 공간에서 사용자가 위치 기반 서비스를 지속적으로 이용하기 위해 해당 사용자의 전자 기기(110)에서 발생되는 연속적인 쿼리 정보인 센서 정보를 이용하여 VL용 지도의 최신성을 유지하는 기술에 관한 것이다.
이하에서는 이미지를 기반으로 포즈 계산을 위한 지도의 최신성을 유지하는 방법 및 시스템의 구체적인 실시예를 설명하기로 한다.
도 5은 본 발명의 일실시예에 따른 서버의 프로세서가 포함할 수 있는 구성요소의 예를 도시한 블록도이고, 도 6는 본 발명의 일실시예에 따른 서버가 수행할 수 있는 방법의 예를 도시한 흐름도이다.
본 실시예에 따른 서버(150)는 위치 기반 서비스의 일례로 VL 기반 서비스를 제공할 수 있으며, 특히 크라우드소싱(crowdsourcing)을 기반으로 VL용 지도의 최신성을 유지하는 클라우드 서버 역할을 할 수 있다.
서버(150)의 프로세서(222)는 도 6에 따른 지도 업데이트 방법을 수행하기 위한 구성요소로서 도 5에 도시된 바와 같이, 상대 포즈 계산부(510), 절대 포즈 계산부(520), 및 지도 생성 및 업데이트부(530)를 포함할 수 있다. 실시예에 따라 프로세서(222)의 구성요소들은 선택적으로 프로세서(222)에 포함되거나 제외될 수도 있다. 또한, 실시예에 따라 프로세서(222)의 구성요소들은 프로세서(222)의 기능의 표현을 위해 분리 또는 병합될 수도 있다.
이러한 프로세서(222) 및 프로세서(222)의 구성요소들은 도 6의 지도 업데이트 방법이 포함하는 단계들(S610 내지 S630)을 수행하도록 서버(150)를 제어할 수 있다. 예를 들어, 프로세서(222) 및 프로세서(222)의 구성요소들은 메모리(221)가 포함하는 운영체제의 코드와 적어도 하나의 프로그램의 코드에 따른 명령(instruction)을 실행하도록 구현될 수 있다.
여기서, 프로세서(222)의 구성요소들은 서버(150)에 저장된 프로그램 코드가 제공하는 명령에 따라 프로세서(222)에 의해 수행되는 프로세서(222)의 서로 다른 기능들(different functions)의 표현들일 수 있다. 예를 들어, 서버(150)가 상대적인 포즈 관계를 계산하도록 상술한 명령에 따라 서버(150)를 제어하는 프로세서(222)의 기능적 표현으로서 상대 포즈 계산부(510)가 이용될 수 있다.
프로세서(222)는 서버(150)의 제어와 관련된 명령이 로딩된 메모리(221)로부터 필요한 명령을 읽어들일 수 있다. 이 경우, 상기 읽어들인 명령은 프로세서(222)가 이후 설명될 단계들(S610 내지 S630)을 실행하도록 제어하기 위한 명령을 포함할 수 있다.
단계(S610)에서 상대 포즈 계산부(510)는 VL 기반 서비스를 이용하는 사용자의 전자 기기(110)로부터 서비스 이용 중 발생되는 쿼리 정보로서 연속적인 센서 정보를 수신할 수 있으며, 센서 정보에 포함된 연속적인 이미지 사이에서의 상대적인 포즈 관계를 계산할 수 있다. 센서 정보는 이미지 센서, IMU(inertial measurement unit), 휠 인코더(wheel encoder), WiFi, 블루투스, GPS 등 각종 센서에서 획득 가능한 데이터를 포함할 수 있다. 전자 기기(110)에서 대상 공간의 주요 기하학 정보(디스크립터, 점, 선 등)에 대한 계산을 직접 수행한 후 서버(150)로 업로드할 수 있다. 이때, 상대 포즈 계산부(510)는 다양한 센서를 통해서 전자 기기(110)로부터 전송 받은 연속적인 이미지 사이에서의 대략적인 포즈 관계를 계산할 수 있다. 이때, 상대 포즈 계산은 예를 들어 VINS(visual-inertial system)와 같은 VO(visual odometry), VIO(visual-inertial odometry) 등의 기법이 사용될 수 있다.
상대적인 포즈 관계를 계산하기 위해 먼저, 상대 포즈 계산부(510)는 SIFT(Scale Invariant Feature Transform), SURF(Speeded up robust features), FAST(Features from Accelerated Segment Test), BRIEF(Binary robust independent elementary features), ORB(Oriented FAST and Rotated BRIEF) 등의 특징점 추출 알고리즘을 통해서 이미지 상에서 특징점을 추출할 수 있다.
상대 포즈 계산부(510)는 이미지에서 함께 추출된 특징점의 디스크립터(descriptor) 정보를 이용하여 서로 다른 이미지 간에 특징점의 관련성(correspondences)을 획득할 수 있다. 도 7를 참조하면, 상대 포즈 계산부(510)는 제1 이미지(701)와 제2 이미지(702)의 특징점 매칭 결과로부터 서로 다른 두 이미지(701)(702) 간의 관련성을 획득할 수 있다.
서로 다른 이미지 사이에서 얻어진 관련성을 이용하여 투영 오차(projection error)(
Figure 112019035833062-pat00001
)를 수학식 1과 같이 정의할 수 있다.
[수학식 1]
Figure 112019035833062-pat00002
여기서,
Figure 112019035833062-pat00003
는 투영 함수(projection function)이고,
Figure 112019035833062-pat00004
는 6자유도 포즈를 나타내는 4×4 변환 행렬(transformation matrix)이다. 그리고,
Figure 112019035833062-pat00005
는 참조 이미지 특징점의 3차원 포인트이고,
Figure 112019035833062-pat00006
는 쿼리 이미지 특징점의 2차원 픽셀 좌표이다.
모든 관련성에 대하여 오차를 합산하면 수학식 2와 같은 형태의 에너지 함수(energy fuction)(
Figure 112019035833062-pat00007
)를 얻을 수 있다.
[수학식 2]
Figure 112019035833062-pat00008
상기한 에너지 함수(
Figure 112019035833062-pat00009
)가 최소화가 되는 방향으로 변환 행렬인
Figure 112019035833062-pat00010
를 계산할 수 있다. 이때, 변환 행렬(
Figure 112019035833062-pat00011
)의 계산을 위해서는 수학식 3과 같은 screw displacement 기법을 사용할 수 있다.
[수학식 3]
Figure 112019035833062-pat00012
(
Figure 112019035833062-pat00013
)
여기서,
Figure 112019035833062-pat00014
은 회전 행력(rotation matrix)이고,
Figure 112019035833062-pat00015
는 병진 벡터(translation vector)이다. 그리고,
Figure 112019035833062-pat00016
는 트위스트 벡터(twist vector)를 의미하고,
Figure 112019035833062-pat00017
,
Figure 112019035833062-pat00018
,
Figure 112019035833062-pat00019
는 각 축의 회전 속도(rotation velocity)를 의미하고,
Figure 112019035833062-pat00020
,
Figure 112019035833062-pat00021
,
Figure 112019035833062-pat00022
는 각 축의 병진 속도를 의미한다.
최종적으로, 1차 테일러 계열 근사(First-order Talor series approximation) 기법과 연쇄 법칙(chain-rule)을 통해서 에너지 함수(
Figure 112019035833062-pat00023
)를 수학식 4와 같이 선형화할 수 있다. 이때, 분해(decomposition) 기법을 통해 재귀적으로(recursive) 트위스트 벡터 값(
Figure 112019035833062-pat00024
Figure 112019035833062-pat00025
)을 계산할 수 있다.
[수학식 4]
Figure 112019035833062-pat00026
여기서, M은 변환 행렬(T)과 트위스트 벡터(
Figure 112019035833062-pat00027
Figure 112019035833062-pat00028
) 간의 변환을 위한 매핑 행렬(mapping matrix)을 의미한다.
상대 포즈 계산부(510)는 상기한 과정을 거쳐 서로 다른 이미지 사이에서 획득한 특징점의 관련성을 바탕으로 연속적인 이미지 사이에서의 상대 포즈를 계산할 수 있다.
다시 도 6에서, 단계(S620)에서 절대 포즈 계산부(520)는 기존 지도와 연결되는 지점을 기반으로 연속적인 이미지들의 절대 포즈를 계산할 수 있다. 이때, 절대 포즈 계산부(520)는 연속적인 이미지 사이에서의 상대적인 포즈 관계를 이용하여 각 이미지의 절대 포즈를 계산할 수 있다.
절대 포즈 계산부(520)는 전자 기기(110)로부터 전송 받은 이미지 중에서 기존의 VL용 지도 상에서 절대 포즈 계산이 성공한 지점을 기반으로, 계산이 실패한 나머지 이미지들의 절대 포즈를 단계(S610)에서 계산된 상대적인 포즈 관계를 이용하여 계산할 수 있다.
도 8을 참조하면, 절대 포즈 계산부(520)는 연속적인 쿼리 이미지(301)로 전송 받은 각 이미지를 VL을 위한 입력으로 하여 절대 포즈 계산을 시도한 다음 각 이미지 별로 절대 포즈 계산의 실패 여부를 결정한다. 절대 포즈 계산은 도 3과 도 4를 통해 설명한 VL 과정을 통해 이루어진다. 다시 말해, 절대 포즈 계산부(520)는 쿼리 이미지(301)의 특징점을 추출한 후 VL용 지도 DB에서 상기 추출된 특징점을 이용하여 쿼리 이미지(301)와 유사한 참조 이미지를 검색할 수 있고, 검색된 참조 이미지와 쿼리 이미지(301)를 이용한 로컬리제이션을 통해 쿼리 이미지(301)에 대한 VL용 지도 상의 절대 포즈를 추정할 수 있다.
절대 포즈 계산부(520)는 상기한 과정을 거쳐 얻어진 절대 포즈와 단계(S610)에서 얻어진 상대 포즈를 이용하여 그래프 기반의 포즈 최적화를 통해 절대 포즈 계산에 실패한 이미지들의 포즈를 추정할 수 있다.
도 9를 참조하면, 각 이미지들의 포즈를 그래프의 노드(
Figure 112019035833062-pat00029
)로 정의하고, 연속적인 이미지 노드들(
Figure 112019035833062-pat00030
,
Figure 112019035833062-pat00031
)의 엣지(
Figure 112019035833062-pat00032
,
Figure 112019035833062-pat00033
)를 상대적 포즈(
Figure 112019035833062-pat00034
) 값을 이용하여 정의할 수 있다. 여기서,
Figure 112019035833062-pat00035
는 상대적 포즈(
Figure 112019035833062-pat00036
) 값의 공분산을 의미한다. 오차(
Figure 112019035833062-pat00037
)는 상대적 포즈(
Figure 112019035833062-pat00038
) 값과 실제 노드들의 포즈 차이(
Figure 112019035833062-pat00039
)를 통해 수학식 5와 같이 정의될 수 있다.
[수학식 5]
Figure 112019035833062-pat00040
여기서,
Figure 112019035833062-pat00041
는 변환 행렬을 1×6의 벡터로 변형하는 함수를 의미하는 것으로, 주로 screw displacement 기법을 사용할 수 있다.
절대 포즈 계산부(520)는 VO나 VIO를 통해 얻어진 연속적인 이미지들의 포즈를 이용하여 이미지 노드를 정의하고 이러한 이미지 노드 사이를 상대적 포즈 값을 통해 엣지로 정의할 수 있다. 그리고, 절대 포즈 계산부(520)는 VL을 통해 절대 포즈 계산이 성공한 노드를 정의하고 절대 포즈 계산이 성공한 시점의 이미지 노드와 고유 포즈(Identity pose) 관계를 통해 추가적인 엣지를 정의할 수 있다.
모든 그래프 구조를 정의하면 모든 엣지에 대해 수학식 6과 같이 포즈 그래프 오차 함수(pose-graph error function)(
Figure 112019035833062-pat00042
)를 정의할 수 있다.
[수학식 6]
Figure 112019035833062-pat00043
절대 포즈 계산부(520)는 수학식 7과 같이 오차를 최소화하는 방향으로 노드의 포즈 값(
Figure 112019035833062-pat00044
)을 가우스-뉴턴(Gauss-Newtopn) 방식을 통해 재귀적으로 추정할 수 있다.
[수학식 7]
Figure 112019035833062-pat00045
다시 도 6에서, 단계(S630)에서 지도 생성 및 업데이트부(530)는 연속적인 이미지들의 절대 포즈를 기반으로 VL용 지도를 생성 및 업데이트할 수 있다.
지도 생성 및 업데이트부(530)는 단계(S620)를 통해 계산된 이미지들의 절대 포즈를 이용하여 VL을 위한 지도 생성 및 기존 지도 업데이트를 수행할 수 있다. 이때, 지도 업데이트는 포즈 추정에 필요한 정보(이미지 디스크립터, 이미지 상에서 추출된 특징점과 특징점의 디스크립터, 및 특징점의 3차원 포인트 등)를 기존 지도에 추가적으로 삽입함으로써 이루어진다.
다시 말해, 지도 생성 및 업데이트부(530)는 도 9를 통해 설명한 그래프 구조를 기반으로 VL용 지도를 생성 및 업데이트할 수 있다.
도 10을 참조하면, 절대 포즈 계산부(520)는 T0, T1, T2, T3, T4, T5, T6 시점에 수신된 연속적인 쿼리 이미지에 대하여 VO나 VIO를 통해 얻어진 각 이미지의 포즈, 즉 각 이미지가 찍힌 지점을 노드(1001)로 정의하고 이전 시점의 이미지와의 포즈 차이(R,t)를 엣지(1002)로 정의함으로써 그래프 구조를 생성할 수 있다.
그리고, 도 11에 도시한 바와 같이 절대 포즈 계산부(520)는 이미지 노드(1001) 중 VL을 통해 절대 포즈 계산이 성공한 노드(T0, T2, T6)(1101)를 추가로 정의한 후, 절대 포즈 계산이 성공한 노드(T0, T2, T6)의 절대 포즈와 상대 포즈 간의 오차를 최소화하는 방향으로 나머지 노드(T1, T3, T4, T5)의 절대 포즈를 추정할 수 있다.
이후, 지도 생성 및 업데이트부(530)는 VL을 통해 절대 포즈 계산이 실패한 이미지들, 즉 그래프 기반의 포즈 최적화를 통해 포즈가 추정된 이미지들을 해당 지점의 참조 이미지로 추가함으로써 VL용 지도를 업데이트 할 수 있다.
따라서, 서버(150)는 VO나 VIO 기법을 이용하여 연속적인 이미지 사이에서의 상대 포즈를 계산한 후 이를 이용하여 VL용 지도를 갱신할 수 있으며, 갱신된 VL용 지도 상에서의 전자 기기(110)의 포즈를 계산할 수 있다.
이처럼 본 발명의 실시예들에 따르면, VL 기반 서비스의 지속적인 제공을 위하여 크라우드소싱을 기반으로 VL용 지도의 최신성을 유지할 수 있으며, 이를 통해 대상 공간의 공간적/상태적 변환에 강인하고 안정적인 VL 기반 서비스를 제공할 수 있다. 크라우드소싱 기반의 이미지를 이용하여 VL용 지도의 최신성을 유지하는 기술은 대상 공간의 환경이 변할 때마다 데이터 수집 장비를 이용하여 스캐닝한 후 VL용 지도를 업데이트하는 기존 방식에 비해 보다 효율적이고 영속적인 장점이 있다.
이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 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 어플리케이션을 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, 컴퓨터 저장 매체 또는 장치에 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. 이때, 매체는 컴퓨터로 실행 가능한 프로그램을 계속 저장하거나, 실행 또는 다운로드를 위해 임시 저장하는 것일 수도 있다. 또한, 매체는 단일 또는 수 개의 하드웨어가 결합된 형태의 다양한 기록수단 또는 저장수단일 수 있는데, 어떤 컴퓨터 시스템에 직접 접속되는 매체에 한정되지 않고, 네트워크 상에 분산 존재하는 것일 수도 있다. 매체의 예시로는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium), 및 ROM, RAM, 플래시 메모리 등을 포함하여 프로그램 명령어가 저장되도록 구성된 것이 있을 수 있다. 또한, 다른 매체의 예시로, 어플리케이션을 유통하는 앱 스토어나 기타 다양한 소프트웨어를 공급 내지 유통하는 사이트, 서버 등에서 관리하는 기록매체 내지 저장매체도 들 수 있다.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims (17)

  1. 컴퓨터 시스템에서 실행되는 지도 업데이트 방법에 있어서,
    상기 컴퓨터 시스템은 메모리에 포함된 컴퓨터 판독가능한 명령들을 실행하도록 구성된 적어도 하나의 프로세서를 포함하고,
    상기 지도 업데이트 방법은,
    상기 적어도 하나의 프로세서에 의해, 연속적인 이미지 간의 상대적인 포즈 관계를 계산하는 단계;
    상기 적어도 하나의 프로세서에 의해, 상기 연속적인 이미지 간의 상대적인 포즈 관계를 이용하여 각 이미지의 절대 포즈를 계산하는 단계; 및
    상기 적어도 하나의 프로세서에 의해, 상기 절대 포즈를 기반으로 VL(visual localization)에 이용되는 지도를 업데이트 하는 단계
    를 포함하고,
    상기 각 이미지의 절대 포즈를 계산하는 단계는,
    상기 연속적인 이미지의 각 이미지를 VL을 위한 쿼리 이미지로 입력받는 단계;
    상기 쿼리 이미지와 유사한 참조 이미지를 검색하여 상기 쿼리 이미지와 상기 참조 이미지를 이용한 로컬리제이션을 통해 상기 쿼리 이미지에 대응되는 지점으로 상기 지도 상의 절대 포즈를 계산하는 단계; 및
    상기 연속적인 이미지 중 절대 포즈 계산이 성공한 이미지에 대응되는 지점을 기반으로 절대 포즈 계산이 실패한 나머지 이미지의 절대 포즈를 추정하는 단계
    를 포함하고,
    상기 지도를 업데이트 하는 단계는,
    상기 연속적인 이미지 중 절대 포즈가 추정된 상기 나머지 이미지를 VL을 위한 해당 지점의 참조 이미지로 추가함으로써 상기 지도를 업데이트하는 것
    을 특징으로 하는 지도 업데이트 방법.
  2. 제1항에 있어서,
    상기 상대적인 포즈 관계를 계산하는 단계는,
    VL 기반 서비스를 이용하는 전자 기기에서 발생되는 쿼리 정보로서 상기 전자 기기로부터 상기 연속적인 이미지를 수신하는 단계
    를 포함하는 지도 업데이트 방법.
  3. 제1항에 있어서,
    상기 상대적인 포즈 관계를 계산하는 단계는,
    각 이미지에서 추출된 특징점의 관련성(correspondences)을 이용하여 상기 연속적인 이미지 간의 상대적인 포즈 관계를 계산하는 것
    을 특징으로 하는 지도 업데이트 방법.
  4. 제1항에 있어서,
    상기 나머지 이미지의 절대 포즈를 추정하는 단계는,
    상기 연속적인 이미지 중 절대 포즈 계산이 성공한 이미지의 절대 포즈와 상기 연속적인 이미지 간의 상대적인 포즈 관계를 이용하여 상기 나머지 이미지의 절대 포즈를 추정하는 단계
    를 포함하는 지도 업데이트 방법.
  5. 제1항에 있어서,
    상기 나머지 이미지의 절대 포즈를 추정하는 단계는,
    절대 포즈 계산이 성공한 이미지의 절대 포즈와 상기 연속적인 이미지 간의 상대적인 포즈 관계를 기초로 정의된 그래프 구조를 통해 상기 나머지 이미지의 절대 포즈를 추정하는 것
    을 특징으로 하는 지도 업데이트 방법.
  6. 제1항에 있어서,
    상기 나머지 이미지의 절대 포즈를 추정하는 단계는,
    상기 연속적인 이미지에 대해 각 이미지의 포즈를 노드(node)로 정의하고 이미지 간의 포즈 차이를 엣지(edge)로 정의한 그래프 구조를 생성하는 단계;
    상기 연속적인 이미지 중 상기 절대 포즈 계산이 성공한 이미지의 절대 포즈를 상기 그래프 구조에 추가 노드로 정의하는 단계; 및
    상기 노드와 상기 추가 노드 간의 오차를 최소화하는 방식으로 나머지 노드에 해당되는 이미지의 절대 포즈를 추정하는 단계
    를 포함하는 지도 업데이트 방법.
  7. 제1항에 있어서,
    상기 지도 상의 절대 포즈를 계산하는 단계는,
    각 이미지에 해당되는 쿼리 이미지의 특징점을 추출하는 단계; 및
    상기 특징점을 이용하여 상기 쿼리 이미지와 유사한 참조 이미지를 검색하는 단계
    를 포함하는 지도 업데이트 방법.
  8. 삭제
  9. 제1항 내지 제7항 중 어느 한 항의 지도 업데이트 방법을 컴퓨터에 실행시키기 위한 프로그램이 기록되어 있는 비-일시적인 컴퓨터 판독 가능한 기록 매체.
  10. 컴퓨터 시스템에 있어서,
    메모리에 포함된 컴퓨터 판독가능한 명령들을 실행하도록 구성된 적어도 하나의 프로세서
    를 포함하고,
    상기 적어도 하나의 프로세서는,
    연속적인 이미지 간의 상대적인 포즈 관계를 계산하는 상대 포즈 계산부;
    상기 연속적인 이미지 간의 상대적인 포즈 관계를 이용하여 각 이미지의 절대 포즈를 계산하는 절대 포즈 계산부; 및
    상기 절대 포즈를 기반으로 VL(visual localization)에 이용되는 지도를 업데이트 하는 지도 업데이트부
    를 포함하고,
    상기 절대 포즈 계산부는,
    상기 연속적인 이미지의 각 이미지를 VL을 위한 쿼리 이미지로 입력받고,
    상기 쿼리 이미지와 유사한 참조 이미지를 검색하여 상기 쿼리 이미지와 상기 참조 이미지를 이용한 로컬리제이션을 통해 상기 쿼리 이미지에 대응되는 지점으로 상기 지도 상의 절대 포즈를 계산하고,
    상기 연속적인 이미지 중 절대 포즈 계산이 성공한 이미지에 대응되는 지점을 기반으로 절대 포즈 계산이 실패한 나머지 이미지의 절대 포즈를 추정하고,
    상기 지도 업데이트부는,
    상기 연속적인 이미지 중 절대 포즈가 추정된 상기 나머지 이미지를 VL을 위한 해당 지점의 참조 이미지로 추가함으로써 상기 지도를 업데이트하는 것
    을 특징으로 하는 컴퓨터 시스템.
  11. 제10항에 있어서,
    상기 상대 포즈 계산부는,
    VL 기반 서비스를 이용하는 전자 기기에서 발생되는 쿼리 정보로서 상기 전자 기기로부터 상기 연속적인 이미지를 수신하는 것
    을 특징으로 하는 컴퓨터 시스템.
  12. 제10항에 있어서,
    상기 상대 포즈 계산부는,
    각 이미지에서 추출된 특징점의 관련성을 이용하여 상기 연속적인 이미지 간의 상대적인 포즈 관계를 계산하는 것
    을 특징으로 하는 컴퓨터 시스템.
  13. 제10항에 있어서,
    상기 절대 포즈 계산부는,
    상기 연속적인 이미지 중 절대 포즈 계산이 성공한 이미지의 절대 포즈와 상기 연속적인 이미지 간의 상대적인 포즈 관계를 이용하여 상기 나머지 이미지의 절대 포즈를 추정하는 것
    을 특징으로 하는 컴퓨터 시스템.
  14. 제10항에 있어서,
    상기 절대 포즈 계산부는,
    절대 포즈 계산이 성공한 이미지의 절대 포즈와 상기 연속적인 이미지 간의 상대적인 포즈 관계를 기초로 정의된 그래프 구조를 통해 상기 나머지 이미지의 절대 포즈를 추정하는 것
    을 특징으로 하는 컴퓨터 시스템.
  15. 제10항에 있어서,
    상기 절대 포즈 계산부는,
    상기 연속적인 이미지에 대해 각 이미지의 포즈를 노드로 정의하고 이미지 간의 포즈 차이를 엣지로 정의한 그래프 구조를 생성하고,
    상기 연속적인 이미지 중 상기 절대 포즈 계산이 성공한 이미지의 절대 포즈를 상기 그래프 구조에 추가 노드로 정의하고,
    상기 노드와 상기 추가 노드 간의 오차를 최소화하는 방식으로 나머지 노드에 해당되는 이미지의 절대 포즈를 추정하는 것
    을 특징으로 하는 컴퓨터 시스템.
  16. 제10항에 있어서,
    상기 절대 포즈 계산부는,
    각 이미지에 해당되는 쿼리 이미지의 특징점을 추출하고,
    상기 특징점을 이용하여 상기 쿼리 이미지와 유사한 참조 이미지를 검색하는 것
    을 특징으로 하는 컴퓨터 시스템.
  17. 삭제
KR1020190040936A 2019-04-08 2019-04-08 이미지를 기반으로 포즈 계산을 위한 지도의 최신성을 유지하는 방법 및 시스템 KR102212825B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020190040936A KR102212825B1 (ko) 2019-04-08 2019-04-08 이미지를 기반으로 포즈 계산을 위한 지도의 최신성을 유지하는 방법 및 시스템
US16/841,920 US11625855B2 (en) 2019-04-08 2020-04-07 Method and system for updating map for pose estimation based on images

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190040936A KR102212825B1 (ko) 2019-04-08 2019-04-08 이미지를 기반으로 포즈 계산을 위한 지도의 최신성을 유지하는 방법 및 시스템

Publications (2)

Publication Number Publication Date
KR20200118677A KR20200118677A (ko) 2020-10-16
KR102212825B1 true KR102212825B1 (ko) 2021-02-08

Family

ID=72661626

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190040936A KR102212825B1 (ko) 2019-04-08 2019-04-08 이미지를 기반으로 포즈 계산을 위한 지도의 최신성을 유지하는 방법 및 시스템

Country Status (2)

Country Link
US (1) US11625855B2 (ko)
KR (1) KR102212825B1 (ko)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102516450B1 (ko) * 2020-10-16 2023-04-03 네이버랩스 주식회사 맵 생성 방법 및 이를 이용한 이미지 기반 측위 시스템
WO2022092511A1 (ko) * 2020-10-30 2022-05-05 에스케이텔레콤 주식회사 3차원 맵을 생성하는 방법 및 생성된 3차원 맵을 이용하여 사용자 단말의 포즈를 결정하는 방법
KR102525281B1 (ko) * 2020-11-12 2023-04-25 네이버랩스 주식회사 이미지 기반 측위 방법 및 시스템
KR102271745B1 (ko) * 2020-12-24 2021-07-01 주식회사 맥스트 맵 토폴로지 생성 방법 및 이를 수행하기 위한 컴퓨팅 장치
KR102339625B1 (ko) * 2021-01-29 2021-12-16 주식회사 맥스트 공간 지도 갱신 장치 및 방법
KR102555668B1 (ko) * 2021-04-27 2023-07-17 네이버랩스 주식회사 맵 생성 방법 및 이를 이용한 이미지 기반 측위 방법
CN114603555B (zh) * 2022-02-24 2023-12-08 江西省智能产业技术创新研究院 移动机器人初始位姿估计方法、系统、计算机及机器人
KR102616028B1 (ko) * 2023-05-02 2023-12-20 주식회사 브이알크루 비주얼 로컬라이제이션을 효율적으로 수행하기 위한 방법 및 장치

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100809352B1 (ko) * 2006-11-16 2008-03-05 삼성전자주식회사 파티클 필터 기반의 이동 로봇의 자세 추정 방법 및 장치
KR20100070922A (ko) 2008-12-18 2010-06-28 한국전자통신연구원 위치 인식을 위한 격자 지도 작성 장치 및 그 방법
EP2619742B1 (en) * 2010-09-24 2018-02-28 iRobot Corporation Systems and methods for vslam optimization
US9020187B2 (en) * 2011-05-27 2015-04-28 Qualcomm Incorporated Planar mapping and tracking for mobile devices
CN103968846B (zh) * 2014-03-31 2017-02-08 小米科技有限责任公司 定位导航方法和装置
WO2017172778A1 (en) * 2016-03-28 2017-10-05 Sri International Collaborative navigation and mapping
DE102016205964A1 (de) * 2016-04-11 2017-10-12 Volkswagen Aktiengesellschaft Verfahren und System zum Bestimmen einer globalen Position einer ersten Landmarke
US10782137B2 (en) * 2019-01-28 2020-09-22 Qfeeltech (Beijing) Co., Ltd. Methods, apparatus, and systems for localization and mapping

Also Published As

Publication number Publication date
KR20200118677A (ko) 2020-10-16
US20200320738A1 (en) 2020-10-08
US11625855B2 (en) 2023-04-11

Similar Documents

Publication Publication Date Title
KR102212825B1 (ko) 이미지를 기반으로 포즈 계산을 위한 지도의 최신성을 유지하는 방법 및 시스템
KR102132675B1 (ko) 항공뷰를 통한 이동 기능을 제공하는 방법 및 시스템
JP2022043216A (ja) ターゲット検出方法、電子機器、路側機器、及びクラウド制御プラットフォーム
KR102347239B1 (ko) 라이다와 카메라를 이용하여 이미지 특징점의 깊이 정보를 향상시키는 방법 및 시스템
KR101932007B1 (ko) 공간 메시징과 컨텐츠 공유를 위한 방법 및 그 시스템
US11620755B2 (en) Method and system for tracking trajectory based on visual localization and odometry
EP3612799A1 (en) Distributed device mapping
US10953331B2 (en) Battlefield online game implementing augmented reality using IoT device
US20220230350A1 (en) Position recognition method and system based on visual information processing
KR20210015516A (ko) 라이다와 카메라를 이용하여 이미지 특징점의 깊이 정보를 향상시키는 방법 및 시스템
KR102316216B1 (ko) 블라인드 워터마킹 기술을 이용한 카메라 기반 측위 방법 및 시스템
CN114674328B (zh) 地图生成方法、装置、电子设备、存储介质、及车辆
KR102407522B1 (ko) 실시간 3차원 모델 구축 방법 및 시스템
KR102188592B1 (ko) 스팟 정보를 공유하는 방법 및 시스템
KR20220018371A (ko) 3차원 지형 모델 복원을 위한 점군 데이터 정합 방법 및 그 장치
JP2019220153A (ja) イメージを位置データに変換して提供する方法とシステム、および非一時的なコンピュータ読み取り可能な記録媒体
CN116012624B (zh) 定位方法、装置、电子设备、介质以及自动驾驶设备
KR102243138B1 (ko) 환경 정보 취득을 이용한 혼합 현실 기기 지원 장치 및 그 방법
KR20240053966A (ko) 그라운드 컨트롤 포인트 자동 취득 방법 및 시스템
KR20240064332A (ko) 3차원 모델을 이용한 거리뷰 영상 사이의 특징점 매칭쌍 자동 취득 방법 및 시스템
KR20240053987A (ko) 시각 특징 추출 신경망 모델 학습 방법 및 시스템
CN117870650A (zh) 一种ar定位地图更新的方法和装置
KR20190072409A (ko) 공간 메시징과 컨텐츠 공유를 위한 방법 및 그 시스템
WO2007018329A1 (en) Sytem and method for 3d graphic acceleration in synthesis cdma environment

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant