KR102269065B1 - 혼합 현실 교정을 위한 안구주위 테스트 - Google Patents
혼합 현실 교정을 위한 안구주위 테스트 Download PDFInfo
- Publication number
- KR102269065B1 KR102269065B1 KR1020197011884A KR20197011884A KR102269065B1 KR 102269065 B1 KR102269065 B1 KR 102269065B1 KR 1020197011884 A KR1020197011884 A KR 1020197011884A KR 20197011884 A KR20197011884 A KR 20197011884A KR 102269065 B1 KR102269065 B1 KR 102269065B1
- Authority
- KR
- South Korea
- Prior art keywords
- user
- image
- hmd
- periocular
- eye
- Prior art date
Links
- 238000012937 correction Methods 0.000 title description 6
- 238000012360 testing method Methods 0.000 title description 4
- 238000003384 imaging method Methods 0.000 claims abstract description 138
- 238000009877 rendering Methods 0.000 claims abstract description 132
- 230000000284 resting effect Effects 0.000 claims abstract description 42
- 210000001508 eye Anatomy 0.000 claims description 384
- 238000000034 method Methods 0.000 claims description 218
- 210000003128 head Anatomy 0.000 claims description 107
- 238000013507 mapping Methods 0.000 claims description 53
- 238000010801 machine learning Methods 0.000 claims description 41
- 230000008859 change Effects 0.000 claims description 30
- 230000004044 response Effects 0.000 claims description 21
- 238000005259 measurement Methods 0.000 claims description 13
- 230000000873 masking effect Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims 13
- 238000004422 calculation algorithm Methods 0.000 description 76
- 210000001747 pupil Anatomy 0.000 description 45
- 230000003287 optical effect Effects 0.000 description 41
- 230000008569 process Effects 0.000 description 37
- 230000003190 augmentative effect Effects 0.000 description 36
- 230000000007 visual effect Effects 0.000 description 30
- 238000012545 processing Methods 0.000 description 29
- 238000013528 artificial neural network Methods 0.000 description 26
- 230000033001 locomotion Effects 0.000 description 26
- 230000001815 facial effect Effects 0.000 description 19
- 230000004308 accommodation Effects 0.000 description 14
- 238000009826 distribution Methods 0.000 description 14
- 210000004709 eyebrow Anatomy 0.000 description 14
- 238000010586 diagram Methods 0.000 description 11
- 230000001179 pupillary effect Effects 0.000 description 9
- 210000001525 retina Anatomy 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 8
- 230000001133 acceleration Effects 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 7
- 230000004424 eye movement Effects 0.000 description 7
- 239000000835 fiber Substances 0.000 description 7
- 210000001061 forehead Anatomy 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 239000000463 material Substances 0.000 description 7
- 210000004279 orbit Anatomy 0.000 description 7
- 238000000926 separation method Methods 0.000 description 7
- 230000008447 perception Effects 0.000 description 6
- 230000002829 reductive effect Effects 0.000 description 6
- 230000009471 action Effects 0.000 description 5
- 238000006073 displacement reaction Methods 0.000 description 5
- 238000000605 extraction Methods 0.000 description 5
- 239000011521 glass Substances 0.000 description 5
- 210000003786 sclera Anatomy 0.000 description 5
- 238000003860 storage Methods 0.000 description 5
- 239000013598 vector Substances 0.000 description 5
- 210000004556 brain Anatomy 0.000 description 4
- 230000007423 decrease Effects 0.000 description 4
- 238000010191 image analysis Methods 0.000 description 4
- 238000002347 injection Methods 0.000 description 4
- 239000007924 injection Substances 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 239000013307 optical fiber Substances 0.000 description 4
- 230000001953 sensory effect Effects 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000003066 decision tree Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000004438 eyesight Effects 0.000 description 3
- 210000003811 finger Anatomy 0.000 description 3
- 238000002513 implantation Methods 0.000 description 3
- 238000000513 principal component analysis Methods 0.000 description 3
- 230000001902 propagating effect Effects 0.000 description 3
- 238000013139 quantization Methods 0.000 description 3
- 239000007787 solid Substances 0.000 description 3
- 210000003813 thumb Anatomy 0.000 description 3
- 238000013519 translation Methods 0.000 description 3
- 230000014616 translation Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 210000005252 bulbus oculi Anatomy 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 210000000613 ear canal Anatomy 0.000 description 2
- 210000000744 eyelid Anatomy 0.000 description 2
- 210000000887 face Anatomy 0.000 description 2
- 238000007499 fusion processing Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000000977 initiatory effect Effects 0.000 description 2
- 230000004807 localization Effects 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000035807 sensation Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 241000256837 Apidae Species 0.000 description 1
- 206010019233 Headaches Diseases 0.000 description 1
- 239000004983 Polymer Dispersed Liquid Crystal Substances 0.000 description 1
- 230000002350 accommodative effect Effects 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 208000003464 asthenopia Diseases 0.000 description 1
- 230000003416 augmentation Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000003181 biological factor Substances 0.000 description 1
- 230000002051 biphasic effect Effects 0.000 description 1
- 230000004397 blinking Effects 0.000 description 1
- 238000005253 cladding Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000002939 deleterious effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 210000005069 ears Anatomy 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002570 electrooculography Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 210000000720 eyelash Anatomy 0.000 description 1
- 230000008921 facial expression Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 210000004247 hand Anatomy 0.000 description 1
- 230000004886 head movement Effects 0.000 description 1
- 231100000869 headache Toxicity 0.000 description 1
- 230000001976 improved effect Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 238000013488 ordinary least square regression Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 230000010344 pupil dilation Effects 0.000 description 1
- 230000011514 reflex Effects 0.000 description 1
- 230000004043 responsiveness Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000015541 sensory perception of touch Effects 0.000 description 1
- 125000006850 spacer group Chemical group 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000004936 stimulating effect Effects 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000008093 supporting effect Effects 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 230000016776 visual perception Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G02—OPTICS
- G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
- G02B27/00—Optical systems or apparatus not provided for by any of the groups G02B1/00 - G02B26/00, G02B30/00
- G02B27/01—Head-up displays
- G02B27/017—Head mounted
- G02B27/0172—Head mounted characterised by optical features
-
- G—PHYSICS
- G02—OPTICS
- G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
- G02B27/00—Optical systems or apparatus not provided for by any of the groups G02B1/00 - G02B26/00, G02B30/00
- G02B27/0093—Optical systems or apparatus not provided for by any of the groups G02B1/00 - G02B26/00, G02B30/00 with means for monitoring data relating to the user, e.g. head-tracking, eye-tracking
-
- G—PHYSICS
- G02—OPTICS
- G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
- G02B27/00—Optical systems or apparatus not provided for by any of the groups G02B1/00 - G02B26/00, G02B30/00
- G02B27/01—Head-up displays
- G02B27/0179—Display position adjusting means not related to the information to be displayed
-
- G06K9/00248—
-
- G06K9/00255—
-
- G06K9/00281—
-
- G06K9/00604—
-
- G06K9/00617—
-
- G06K9/4671—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/60—Editing figures and text; Combining figures or text
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/006—Mixed reality
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformation in the plane of the image
- G06T3/20—Linear translation of a whole image or part thereof, e.g. panning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/20—Scenes; Scene-specific elements in augmented reality scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
- G06V40/165—Detection; Localisation; Normalisation using facial parts and geometric relationships
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
- G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
- G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/18—Eye characteristics, e.g. of the iris
- G06V40/19—Sensors therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/18—Eye characteristics, e.g. of the iris
- G06V40/193—Preprocessing; Feature extraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/18—Eye characteristics, e.g. of the iris
- G06V40/197—Matching; Classification
-
- G—PHYSICS
- G02—OPTICS
- G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
- G02B27/00—Optical systems or apparatus not provided for by any of the groups G02B1/00 - G02B26/00, G02B30/00
- G02B27/01—Head-up displays
- G02B27/0101—Head-up displays characterised by optical features
- G02B2027/0127—Head-up displays characterised by optical features comprising devices increasing the depth of field
-
- G—PHYSICS
- G02—OPTICS
- G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
- G02B27/00—Optical systems or apparatus not provided for by any of the groups G02B1/00 - G02B26/00, G02B30/00
- G02B27/01—Head-up displays
- G02B27/0101—Head-up displays characterised by optical features
- G02B2027/0132—Head-up displays characterised by optical features comprising binocular systems
- G02B2027/0134—Head-up displays characterised by optical features comprising binocular systems of stereoscopic type
-
- G—PHYSICS
- G02—OPTICS
- G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
- G02B27/00—Optical systems or apparatus not provided for by any of the groups G02B1/00 - G02B26/00, G02B30/00
- G02B27/01—Head-up displays
- G02B27/0101—Head-up displays characterised by optical features
- G02B2027/0138—Head-up displays characterised by optical features comprising image capture systems, e.g. camera
-
- G—PHYSICS
- G02—OPTICS
- G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
- G02B27/00—Optical systems or apparatus not provided for by any of the groups G02B1/00 - G02B26/00, G02B30/00
- G02B27/01—Head-up displays
- G02B27/0101—Head-up displays characterised by optical features
- G02B2027/014—Head-up displays characterised by optical features comprising information/image processing systems
-
- G—PHYSICS
- G02—OPTICS
- G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
- G02B27/00—Optical systems or apparatus not provided for by any of the groups G02B1/00 - G02B26/00, G02B30/00
- G02B27/01—Head-up displays
- G02B27/017—Head mounted
- G02B2027/0178—Eyeglass type
-
- G—PHYSICS
- G02—OPTICS
- G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
- G02B27/00—Optical systems or apparatus not provided for by any of the groups G02B1/00 - G02B26/00, G02B30/00
- G02B27/01—Head-up displays
- G02B27/0179—Display position adjusting means not related to the information to be displayed
- G02B2027/0181—Adaptation to the pilot/driver
-
- G—PHYSICS
- G02—OPTICS
- G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
- G02B27/00—Optical systems or apparatus not provided for by any of the groups G02B1/00 - G02B26/00, G02B30/00
- G02B27/01—Head-up displays
- G02B27/0179—Display position adjusting means not related to the information to be displayed
- G02B2027/0187—Display position adjusting means not related to the information to be displayed slaved to motion of at least a part of the body of the user, e.g. head, eye
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Ophthalmology & Optometry (AREA)
- Optics & Photonics (AREA)
- Geometry (AREA)
- Computer Graphics (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- User Interface Of Digital Computer (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
- Transforming Electric Information Into Light Information (AREA)
- Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)
- Image Analysis (AREA)
- Processing Or Creating Images (AREA)
Abstract
웨어러블 디바이스는 사용자의 안구주위(periocular) 구역의 이미지들을 획득하도록 구성된 내향 이미징 시스템을 포함할 수 있다. 웨어러블 디바이스는 내향 이미징 시스템에 의해 획득된 이미지들에 기반하여 웨어러블 디바이스와 사용자의 얼굴 간의 상대적 포지션(relative position)을 결정할 수 있다. 상대적 포지션은, 사용자가 웨어러블 디바이스를 착용하고 있는지 여부, 웨어러블 디바이스가 사용자에게 핏팅되었는지 여부, 또는 웨어러블 디바이스의 정상 휴식 포지션(normal resting position)으로부터 웨어러블 디바이스의 편차를 보상하기 위해, 가상 오브젝트의 렌더링 위치(rendering location)에 대한 조정이 이루어져야 하는지 여부를 결정하는 데 사용될 수 있다.
Description
[0001] 본 출원은, 35 U.S.C.§119(e)하에, 2016년 10월 5일자로 "PERIOCULAR TEST FOR GLASSES REMOVAL"란 명칭으로 출원된 미국 가출원번호 제62/404,419호, 2016년 10월 5일자로 "PERIOCULAR TEST FOR GLASSES FIT"란 명칭으로 출원된 미국 가출원번호 제62/404,493호, 및 2016년 11월 2일자로 "DYNAMIC DISPLAY CORRECTION BASED ON DISPLAY POSITION TRACKING"란 명칭으로 출원된 미국 가출원번호 제62/416,341호의 우선권의 이익을 주장하며, 이로써, 이 출원들 모두의 개시내용들은 그 전체가 인용에 의해 본원에 포함된다.
[0002] 본 개시내용은 가상 현실 및 증강 현실 이미징 및 시각화 시스템들에 관한 것으로, 보다 구체적으로는 가상 또는 증강 현실 웨어러블 디스플레이 디바이스의 동작 파라미터들을 튜닝하는 것에 관한 것이다.
[0003] 현대 컴퓨팅 및 디스플레이 기술들은 소위 "가상 현실(virtual reality)", "증강 현실(augmented reality)", 또는 "혼합 현실(mixed reality)" 경험들을 위한 시스템들의 개발을 가능하게 했으며, 여기서 디지털방식으로 재생되는 이미지들 또는 이미지들의 부분들은, 그들이 실제인 것으로 보이거나, 실제로서 지각될 수 있는 방식으로 사용자에게 제공된다. 가상 현실, 또는 "VR" 시나리오는 전형적으로 다른 실제 실세계 시각적 입력에 대한 투명성(transparency)이 없는 디지털 또는 가상 이미지 정보의 프리젠테이션(presentation)을 수반하고; 증강 현실, 또는 "AR" 시나리오는 전형적으로 사용자 주위의 실제 세계의 시각화에 대한 증강으로서 디지털 또는 가상 이미지 정보의 프리젠테이션을 수반하고; 혼합 현실, 또는 "MR"은, 실제 및 가상 세계들을 병합하여 물리적 및 가상 오브젝트들이 공존하고 실시간으로 상호작용하는 새로운 환경을 생성하는 것과 관련된다. 밝혀진 바와 같이, 인간 시각 지각 시스템은 매우 복잡하며, 다른 가상 또는 실세계 이미저리 엘리먼트들 간의 가상 이미지 엘리먼트들의 편안하고 자연스러운 느낌의 풍부한 프리젠테이션을 가능하게 하는 VR, AR 또는 MR 기술을 생성하는 것은 난제시된다. 본원에 개시된 시스템들 및 방법들은 VR, AR 및 MR 기술에 관련된 다양한 난제들을 처리한다.
[0004] 웨어러블 디바이스는 사용자의 안구주위(periocular) 구역의 이미지들을 획득하도록 구성된 내향 이미징 시스템을 포함할 수 있다. 웨어러블 디바이스는 내향 이미징 시스템에 의해 획득된 이미지들에 기반하여 웨어러블 디바이스와 사용자의 얼굴 간의 상대적 포지션(relative position)을 결정할 수 있다. 상대적 포지션은, 사용자가 웨어러블 디바이스를 착용하고 있는지 여부, 웨어러블 디바이스가 사용자에게 핏팅(fit)되었는지 여부, 또는 웨어러블 디바이스의 정상 휴식 포지션(normal resting position)으로부터 웨어러블 디바이스의 편차를 보상하기 위해, 가상 오브젝트의 렌더링 위치(rendering location)에 대한 조정이 이루어져야 하는지 여부를 결정하는 데 사용될 수 있다.
[0005] 본 명세서에서 설명되는 청구대상의 하나 이상의 구현들의 세부사항들은, 아래의 첨부 도면들 및 설명에서 기술된다. 다른 특징들, 양상들 및 장점들은 설명, 도면들 및 청구항들로부터 자명해질 것이다. 이 개요 또는 다음의 상세한 설명 어느 것도, 본 발명의 청구대상의 범위를 정의하거나 제한하는 것으로 의도되지 않는다.
[0006] 도 1은 사람이 보는 특정 물리적 오브젝트들 및 특정 가상 현실 오브젝트들을 갖는 혼합 현실 시나리오의 예시를 묘사한다.
[0007] 도 2는 웨어러블 시스템의 예를 개략적으로 예시한다.
[0008] 도 3은 다중 깊이 평면들을 사용하여 3-차원 이미저리(three-dimensional imagery)를 시뮬레이팅하기 위한 접근법의 양상들을 개략적으로 예시한다.
[0009] 도 4는 사용자에게 이미지 정보를 출력하기 위한 도파관 스택의 예를 개략적으로 예시한다.
[0010] 도 5는 도파관에 의해 출력될 수 있는 예시적인 출사 빔(exit beam)들을 도시한다.
[0011] 도 6은, 다-초점 볼류메트릭 디스플레이(multi-focal volumetric display), 이미지 또는 광 필드의 생성에 사용되는, 도파관 장치, 도파관 장치로의 또는 도파관 장치로부터의 광을 광학적으로 커플링하는 광학 커플러 서브시스템, 및 제어 서브시스템을 포함하는 광학 시스템을 도시하는 개략도이다.
[0012] 도 7은 웨어러블 시스템의 일 예의 블록 다이어그램이다.
[0013] 도 8은 인식된 오브젝트들과 관련하여 가상 콘텐츠를 렌더링하는 방법의 예의 프로세스 흐름도이다.
[0014] 도 9는 웨어러블 시스템의 다른 예의 블록 다이어그램이다.
[0015] 도 10은 가상 사용자 인터페이스와 상호작용하기 위한 방법의 예의 프로세스 흐름도이다.
[0016] 도 11은 사용자의 얼굴의 이미지들을 획득할 수 있는 예시적인 웨어러블 디바이스를 예시한다.
[0017] 도 12a는 한쪽 눈에 대한 안구주위 구역의 예시적인 이미지를 예시한다.
[0018] 도 12b는 안구주위 구역의 다른 예시적 이미지를 예시하며, 여기서 이미지에서의 안구주위 구역의 일부는 마스킹 아웃되었다(masked out).
[0019] 도 13a는 머리-장착 디스플레이가 사용자의 얼굴에 대해 그의 정상 휴식 포지션에 있는 예를 예시한다.
[0020] 도 13b는 머리-장착 디스플레이가 한쪽으로 기울어진 예를 예시한다.
[0021] 도 13c는 머리-장착 디스플레이가 전방향으로(forward) 기울어진 또는 시프트된 예를 예시한다.
[0022] 도 14a 및 도 14b는 SAR(spatial augmented reality) 디스플레이에서 가상 오브젝트의 렌더링 위치를 조정하는 예를 예시한다.
[0023] 도 15a는 사용자의 얼굴에 대한 웨어러블 디바이스의 핏팅을 결정하기 위한 예시적인 방법을 예시한다.
[0024] 도 15b는 머리-장착 디스플레이가 사용자에게 접촉되어 있는지(on) 여부 및 핏팅 적합성(goodness of fit)에 대한 맵핑을 제공하기 위해 머신 학습 기법을 사용하기 위한 방법의 예를 예시한다.
[0025] 도 15c는 사용자의 머리로부터의 웨어러블 디바이스의 제거를 결정하기 위한 예시적인 방법을 예시한다.
[0026] 도 16은 가상 오브젝트의 렌더링 위치를 조정하기 위한 예시적인 프로세스를 예시한다.
[0027] 도면들 전반에 걸쳐, 참조 번호들은 참조된 엘리먼트들 간의 대응성(correspondence)을 표시하기 위해 재사용될 수 있다. 도면들은 본원에서 설명되는 예시적인 실시예들을 예시하기 위해 제공되며, 본 개시내용의 범위를 제한하는 것으로 의도되지 않는다.
[0007] 도 2는 웨어러블 시스템의 예를 개략적으로 예시한다.
[0008] 도 3은 다중 깊이 평면들을 사용하여 3-차원 이미저리(three-dimensional imagery)를 시뮬레이팅하기 위한 접근법의 양상들을 개략적으로 예시한다.
[0009] 도 4는 사용자에게 이미지 정보를 출력하기 위한 도파관 스택의 예를 개략적으로 예시한다.
[0010] 도 5는 도파관에 의해 출력될 수 있는 예시적인 출사 빔(exit beam)들을 도시한다.
[0011] 도 6은, 다-초점 볼류메트릭 디스플레이(multi-focal volumetric display), 이미지 또는 광 필드의 생성에 사용되는, 도파관 장치, 도파관 장치로의 또는 도파관 장치로부터의 광을 광학적으로 커플링하는 광학 커플러 서브시스템, 및 제어 서브시스템을 포함하는 광학 시스템을 도시하는 개략도이다.
[0012] 도 7은 웨어러블 시스템의 일 예의 블록 다이어그램이다.
[0013] 도 8은 인식된 오브젝트들과 관련하여 가상 콘텐츠를 렌더링하는 방법의 예의 프로세스 흐름도이다.
[0014] 도 9는 웨어러블 시스템의 다른 예의 블록 다이어그램이다.
[0015] 도 10은 가상 사용자 인터페이스와 상호작용하기 위한 방법의 예의 프로세스 흐름도이다.
[0016] 도 11은 사용자의 얼굴의 이미지들을 획득할 수 있는 예시적인 웨어러블 디바이스를 예시한다.
[0017] 도 12a는 한쪽 눈에 대한 안구주위 구역의 예시적인 이미지를 예시한다.
[0018] 도 12b는 안구주위 구역의 다른 예시적 이미지를 예시하며, 여기서 이미지에서의 안구주위 구역의 일부는 마스킹 아웃되었다(masked out).
[0019] 도 13a는 머리-장착 디스플레이가 사용자의 얼굴에 대해 그의 정상 휴식 포지션에 있는 예를 예시한다.
[0020] 도 13b는 머리-장착 디스플레이가 한쪽으로 기울어진 예를 예시한다.
[0021] 도 13c는 머리-장착 디스플레이가 전방향으로(forward) 기울어진 또는 시프트된 예를 예시한다.
[0022] 도 14a 및 도 14b는 SAR(spatial augmented reality) 디스플레이에서 가상 오브젝트의 렌더링 위치를 조정하는 예를 예시한다.
[0023] 도 15a는 사용자의 얼굴에 대한 웨어러블 디바이스의 핏팅을 결정하기 위한 예시적인 방법을 예시한다.
[0024] 도 15b는 머리-장착 디스플레이가 사용자에게 접촉되어 있는지(on) 여부 및 핏팅 적합성(goodness of fit)에 대한 맵핑을 제공하기 위해 머신 학습 기법을 사용하기 위한 방법의 예를 예시한다.
[0025] 도 15c는 사용자의 머리로부터의 웨어러블 디바이스의 제거를 결정하기 위한 예시적인 방법을 예시한다.
[0026] 도 16은 가상 오브젝트의 렌더링 위치를 조정하기 위한 예시적인 프로세스를 예시한다.
[0027] 도면들 전반에 걸쳐, 참조 번호들은 참조된 엘리먼트들 간의 대응성(correspondence)을 표시하기 위해 재사용될 수 있다. 도면들은 본원에서 설명되는 예시적인 실시예들을 예시하기 위해 제공되며, 본 개시내용의 범위를 제한하는 것으로 의도되지 않는다.
개요
[0028] AR/VR/MR 시스템을 위한 웨어러블 디바이스는 3D(three-dimensional) 이미지들을 사용자에게 제공하기 위한 HMD(head-mounted device)일 수 있다. HMD는, 사용자의 눈들의 관점으로부터 사용자의 환경에 3D(three-dimensional) 가상 오브젝트를 렌더링할 수 있는 머리-장착 디스플레이를 포함할 수 있다. 결과적으로, 3D 가상 오브젝트는 실세계 오브젝트들과 유사한 방식으로 사용자에 의해 지각될 수 있다. HMD는 사용자의 환경에서의 오브젝트들(가상 오브젝트들을 포함)을 표시하는 세계 맵을 기반으로 3D 가상 오브젝트를 렌더링할 수 있다. HMD는 세계 맵에 대응하는 컬러 및 세기로 디스플레이 상의 픽셀들을 조명할 수 있다. 그러나, 세계 맵에서의 포인트는, 사용자의 눈들이 여기저기 움직이기 때문에 HMD 상에 미리결정된 렌더링 위치를 갖지 않을 수 있다. 디스플레이는, 이를테면 디바이스가 사용자에 의해 처음 사용될 때, 사용자의 눈들에 대해 교정될 수 있지만, 디스플레이가 사용자의 머리에 강하게 부착되지 않을 것이기 때문에, 그러한 교정이 항상 신뢰될 수 있는 것은 아니다. 예컨대, 사용자가 디스플레이와 상호작용할 때, 이를테면 사용자가 사용자 움직임을 요구하는 비디오 게임을 플레이할 때, 디스플레이가 움직일 수 있다. 추가로, 디스플레이는 사용자의 귀들 간의 라인에 대해 기울어지거나 사용자의 코 아래로 약간 미끄러질 수 있다. 결과적으로, HMD는 디스플레이의 시프트(이를테면, 전방향 또는 한쪽으로의 기울어짐)로 인해 가상 오브젝트의 실감나는(realistic) 프리젠테이션을 제공하지 못할 수 있다.
[0029] 본원에서 설명되는 기법들은 적어도 부분적으로 이 문제점을 해결하는 것과 관련된다. 웨어러블 디바이스의 내향 이미징 시스템은 사용자의 얼굴의 안구주위 구역의 이미지들을 획득할 수 있다. 웨어러블 디바이스는 안구주위 피처(periocular feature)들(예컨대, 사용자의 눈들의 포지션)을 식별하기 위해 안구주위 이미지들을 분석할 수 있다. 웨어러블 디바이스는 사용자의 눈들과 HMD 간의 상대적 포지션을 결정하기 위해 안구주위 피처들을 추적할 수 있다. 이 정보에 기반하여, 웨어러블 디바이스는 사용자의 눈들의 관점들을 반영하도록 (HMD에 의해 디스플레이될) 가상 오브젝트의 렌더링 위치를 동적으로 조정할 수 있다. 그에 따라서, HMD의 이러한 실시예들은, HMD가 사용자의 머리에 대해 미끄러지거나, 움직이거나 또는 약간 기울어질 때 조차도, 사용자에게 이미지들을 정확히 디스플레이할 수 있다.
[0030] HMD와 사용자의 머리 간의 상대적 포지션은 또한, HMD의 핏팅을 결정하는 데 사용될 수 있다. 핏팅은, 실감나고 몰입감있는 시각적 경험을 제공하기 위해, HMD의 특정 파라미터들을 조정(예컨대, (예컨대, 더 큰 또는 더 작은 머리를 수용하기 위해 왼쪽 귀 스템과 오른쪽 귀 스템 간의 거리들을 증가시키거나 감소시킴으로써) 프레임의 포지션 또는 파라미터들을 렌더링함)할지 여부에 대한 표시를 제공할 수 있다. HMD는 핏팅 적합성을 결정하기 위해 안구주위 구역의 눈-이미지 공간으로부터 디바이스에 대한 핏팅 공간까지의 맵핑을 사용할 수 있다. 눈-이미지 공간은 내향 이미징 시스템에 의해 획득되는 이미지들, 이를테면, 예컨대 안구주위 구역들 또는 피처들의 이미지들에 기반하여 결정될 수 있다. 핏팅 공간은 핏팅 정도(degree of fit)에 대한 질적 또는 양적 표시들의 모음(collection)을 포함할 수 있다. 맵핑은 머신 학습 기법, 이를테면, 예컨대 딥 뉴럴 네트워크(deep neural network)에 의해 학습되어, 사용자의 안구주위 구역에서의 피처들을 식별하고, 식별된 피처들을 사용하여 HMD와 사용자의 얼굴 간의 상대적 포지션들을 결정하거나 핏팅 적합성을 분류할 수 있다. HMD는, 상대적 포지션 또는 머신 학습 기법에 의해 학습된 다른 피처들에 기반하여, HMD가 사용자의 얼굴에 핏팅되었는지 여부에 대한 표시를 제공할 수 있다. HMD는 또한, 사용자의 머리에 대한 HMD의 상대적 포지션에 기반하여 3D 디스플레이로부터의 광의 투사를 조정하여, 광(예컨대, 광 필드)이 사용자의 눈들 각각에 정확히 투사되게 할 수 있다.
[0031] HMD는 또한, 사용자가 HMD를 착용하고 있는지 여부를 결정하기 위해 맵핑을 사용할 수 있다. 예컨대, 안구주위 피처들이 내향 이미징 시스템에 의해 획득된 이미지들에 나타나지 않는다(또는 너무 작아서, HMD가 사용자의 얼굴에서 떨어져 있음(off)을 표시)는 것을 HMD가 결정할 때, HMD는 사용자가 디바이스를 벗었다는 것을 표시하는 신호를 전송할 수 있다. 신호는 디바이스로 하여금, 한 모드로부터 다른 모드로 변하게 할 수 있다. 예컨대, 신호는 HMD로 하여금, 활성 모드로부터, 전력이 차단된 모드 또는 슬립 모드로 변하게 할 수 있다. 다른 예로서, HMD는 사용자의 얼굴과 디바이스 간의 거리를 계산하기 위해 이미지들을 사용할 수 있으며; 그리고, 만약 HMD가 그 거리가 임계 거리보다 크다는 것을 결정하면, HMD는 사용자가 HMD를 벗었다는 것을 표시하는 신호를 전송할 수 있다.
웨어러블 시스템의 3D 디스플레이의 예들
[0032] 웨어러블 시스템(본원에서 AR(augmented reality) 시스템으로 또한 지칭됨)은 2D 또는 3D 가상 이미지들을 사용자에게 제공하도록 구성될 수 있다. 이미지들은 정지 이미지들, 비디오의 프레임들 또는 비디오, 이들의 조합 등일 수 있다. 웨어러블 시스템의 적어도 일부는 사용자 상호작용을 위해 VR, AR 또는 MR 환경을 단독으로 또는 조합하여 제공할 수 있는 웨어러블 디바이스 상에서 구현될 수 있다. 웨어러블 디바이스는 ARD(AR device)로서 상호 교환 가능하게 사용되는 HMD(head-mounted device)일 수 있다. 추가로, 본 개시내용의 목적을 위해, "AR"이란 용어는 "MR"이란 용어와 상호교환 가능하게 사용된다.
[0033] 도 1은 사람이 보는 특정 물리적 오브젝트들 및 특정 가상 현실 오브젝트들을 갖는 혼합 현실 시나리오의 예시를 묘사한다. 도 1에서, MR 장면(100)이 묘사되며, 여기서 MR 기술의 사용자는 배경에 있는 사람들, 나무들, 빌딩들, 및 콘크리트 플랫폼(120)을 특징으로 하는 실세계 공원-형 장소(110)를 본다. 이들 아이템들 외에도, MR 기술의 사용자는 또한, 그가 실세계 플랫폼(120) 상에 서 있는 로봇 동상(130), 및 호박벌의 의인화인 것으로 보여지는 날고 있는 만화형 아바타 캐릭터(140)를 보는 것을 지각하더라도, 이들 엘리먼트들은 실세계에 존재하지 않는다.
[0034] 3D 디스플레이가 올바른 깊이감(sensation of depth) 및 보다 구체적으로, 시뮬레이팅된 표면 깊이감을 생성하기 위해, 디스플레이의 시계(visual field)의 각각의 포인트가 그의 가상 깊이에 대응하는 원근조절 응답을 생성하는 것이 바람직할 수 있다. 만약 디스플레이 포인트에 대한 원근조절 응답이 수렴 및 입체시(stereopsis)의 양안 깊이 큐(binocular depth cue)들에 의해 결정된 바와 같은 그 포인트의 가상 깊이에 대응하지 않는다면, 인간의 눈은 원근조절 충돌을 경험할 수 있어, 불안정한 이미징, 유해한 눈의 피로, 두통들, 그리고 원근조절 정보의 부재 시에, 표면 깊이의 거의 완벽한 결여를 야기할 수 있다.
[0035] VR, AR 및 MR 경험들은 복수의 깊이 평면들에 대응하는 이미지들이 뷰어에게 제공되는 디스플레이들을 갖는 디스플레이 시스템들에 의해 제공될 수 있다. 이미지들은 각각의 깊이 평면마다 상이할 수 있고 (예컨대, 장면 또는 오브젝트의 약간 상이한 프리젠테이션들을 제공함) 뷰어의 눈들에 의해 별개로 초점이 맞춰질 수 있어서, 상이한 깊이 평면 상에 위치되는 장면에 대한 상이한 이미지 특징들에 초점을 맞추도록 요구되는 눈의 원근조절에 기반하여 또는 상이한 깊이 평면들 상의 상이한 이미지 특징들이 초점에서 벗어나는 것을 관찰하는 것에 기반하여 깊이 큐들을 사용자에게 제공하는 것을 돕는다. 본원의 다른 곳에서 논의된 바와 같이, 이러한 깊이 큐들은 깊이의 신뢰할 수 있는 지각들을 제공한다.
[0036] 도 2a는 AR/VR/MR 장면을 제공하도록 구성될 수 있는 웨어러블 시스템(200)의 예를 예시한다. 웨어러블 시스템(200)은 또한 AR 시스템(200)으로서 지칭될 수 있다. 웨어러블 시스템(200)은 디스플레이(220), 및 디스플레이(220)의 기능을 지원하기 위한 다양한 기계적 및 전자 모듈들 및 시스템들을 포함한다. 디스플레이(220)는 사용자, 착용자 또는 뷰어(210)에 의해 착용 가능한 프레임(230)에 커플링될 수 있다. 디스플레이(220)는 사용자(210)의 눈들 앞에 포지셔닝될 수 있다. 디스플레이(220)는 AR/VR/MR 콘텐츠를 사용자에게 제공할 수 있다. 디스플레이(220)는 사용자의 머리 상에 착용되는 머리 장착 디스플레이를 포함할 수 있다. 머리 장착 디스플레이는, (HUD(heads-up display)를 통해 지각되는 바와 같이) 사용자의 시야내의 미리결정된 위치들에 가상 정보를 디스플레이할 수 있는 HUD일 수 있다. 머리-장착 디스플레이는 또한, 가상 오브젝트들이 실세계 오브젝트들과 유사하게 나타나도록 (예컨대, 사용자의 관점으로부터) 관점 보정 방식으로 3D 오브젝트들을 사용자의 환경에 렌더링할 수 있는 SAR(spatial augmented reality) 디스플레이일 수 있다. 가상 오브젝트들을 렌더링하기 위해 사용되는 관점은 또한, 렌더링 뷰포인트(rendering viewpoint)로 지칭될 수 있다.
[0037] 일부 실시예들에서, 스피커(240)는 프레임(230)에 커플링되고 사용자의 외이도에 인접하게 포지셔닝된다(일부 실시예들에서, 도시되지 않은 다른 스피커가 사용자의 다른 외이도에 인접하게 포지셔닝되어 입체/성형가능 사운드 제어를 제공함). 디스플레이(220)는 환경으로부터 오디오 스트림을 검출하고 주변 사운드를 캡처하기 위한 오디오 센서(232)(예컨대, 마이크로폰)를 포함할 수 있다. 일부 실시예들에서, 하나 이상의 다른 오디오 센서들(도시되지 않음)이 입체 사운드 수신을 제공하도록 포지셔닝된다. 입체 사운드 수신은 사운드 소스의 위치를 결정하는 데 사용될 수 있다. 웨어러블 시스템(200)은 오디오 스트림 상에서 음성 또는 스피치 인식을 수행할 수 있다.
[0038] 웨어러블 시스템(200)은 사용자 주위의 환경의 세계를 관찰하는 외향 이미징 시스템(464)(도 4에 도시됨)을 포함할 수 있다. 웨어러블 시스템(200)은 또한 사용자의 눈 움직임들을 추적할 수 있는 내향 이미징 시스템(462)(도 4에 도시됨)을 포함할 수 있다. 내향 이미징 시스템은 어느 한쪽 눈의 움직임들 또는 양쪽 눈들의 움직임들을 추적할 수 있다. 내향 이미징 시스템(462)은 프레임(230)에 부착될 수 있고, 프로세싱 모듈(260 또는 270)과 전기 통신할 수 있으며, 이 프로세싱 모듈(260 또는 270)은 예컨대, 사용자(210)의 동공 직경들 또는 눈들의 배향들, 눈 움직임들 또는 눈 포즈(pose)를 결정하도록 내향 이미징 시스템에 의해 획득된 이미지 정보를 프로세싱할 수 있다. 내향 이미징 시스템(462)은 하나 이상의 카메라들을 포함할 수 있다. 예컨대, 적어도 하나의 카메라가 각각의 눈을 이미징하는 데 사용될 수 있다. 카메라들에 의해 획득된 이미지들은, 각각의 눈에 대한 동공 사이즈 또는 눈 포즈를 별개로 결정하는 데 사용될 수 있고, 이로써 각각의 눈에 대한 이미지 정보의 프리젠테이션이 그 눈에 동적으로 맞춰지도록 허용된다. 다른 예로서, (예컨대, 해당 눈의 이미지들을 획득하도록 구성된 카메라에 대해 획득된 이미지들에 기반하여) 단지 하나의 눈의 동공 직경 또는 배향이 결정되고, 이 눈에 대해 결정된 눈 피처들은 사용자(210)의 다른 눈에 대해 유사하다고 가정된다.
[0039] 예로서, 웨어러블 시스템(200)은 외향 이미징 시스템(464) 또는 내향 이미징 시스템(462)을 사용하여 사용자의 포즈의 이미지들을 획득할 수 있다. 이미지들은 정지 이미지들, 비디오의 프레임들 또는 비디오일 수 있다.
[0040] 디스플레이(220)는 이를테면, 유선 리드 또는 무선 연결성에 의해, 다양한 구성들로 장착될 수 있는, 이를테면, 프레임(230)에 고정적으로 부착되거나, 사용자에 의해 착용된 헬멧 또는 모자에 고정적으로 부착되거나, 헤드폰들에 내장되거나, 그렇지 않으면 사용자(210)에게 제거가능하게 부착되는 (예컨대, 백팩(backpack)-스타일 구성으로, 벨트-커플링 스타일 구성으로) 로컬 데이터 프로세싱 모듈(260)에 동작가능하게 커플링(250)될 수 있다.
[0041] 로컬 프로세싱 및 데이터 모듈(260)은 하드웨어 프로세서뿐만 아니라, 디지털 메모리 이를테면, 비-휘발성 메모리(예컨대, 플래시 메모리)를 포함할 수 있고, 이 둘 모두는 데이터의 프로세싱, 캐싱(caching) 및 저장을 보조하기 위해 활용될 수 있다. 데이터는 a) 센서들(예컨대, 프레임(230)에 동작가능하게 커플링되거나 그렇지 않으면 사용자(210)에게 부착될 수 있음), 이를테면, 이미지 캡처 디바이스들(예컨대, 내향 이미징 시스템 또는 외향 이미징 시스템의 카메라들), 오디오 센서들(예컨대, 마이크로폰들), IMU(inertial measurement unit)들, 가속도계들, 컴퍼스(compass)들, GPS(global positioning system) 유닛들, 라디오 디바이스들, 또는 자이로스코프들로부터 캡처되고; 또는 b) 원격 프로세싱 모듈(270) 또는 원격 데이터 저장소(repository)(280)를 사용하여 획득 또는 프로세싱되는(가능하게는, 이러한 프로세싱 또는 리트리벌(retrieval) 이후 디스플레이(220)에 전달하기 위한) 데이터를 포함할 수 있다. 로컬 프로세싱 및 데이터 모듈(260)은 통신 링크들(262 또는 264)에 의해, 이를테면, 유선 또는 무선 통신 링크들을 통하여, 원격 프로세싱 모듈(270) 또는 원격 데이터 저장소(280)에 동작가능하게 커플링될 수 있어서, 이들 원격 모듈들은 로컬 프로세싱 및 데이터 모듈(260)에 대한 자원들로서 이용가능하다. 또한, 원격 프로세싱 모듈(280) 및 원격 데이터 저장소(280)는 서로 동작가능하게 커플링될 수 있다.
[0042] 일부 실시예들에서, 원격 프로세싱 모듈(270)은 데이터 또는 이미지 정보를 분석 및 프로세싱하도록 구성된 하나 이상의 프로세서들을 포함할 수 있다. 일부 실시예들에서, 원격 데이터 저장소(280)는 "클라우드" 자원 구성에서 인터넷 또는 다른 네트워킹 구성을 통하여 이용 가능할 수 있는 디지털 데이터 저장 설비를 포함할 수 있다. 일부 실시예들에서, 모든 데이터는 저장되고 모든 컴퓨테이션들은 로컬 프로세싱 및 데이터 모듈에서 수행되어, 원격 모듈로부터 완전히 자율적인 사용을 허용한다.
[0043] 인간 시각 시스템은 복잡하고, 깊이의 실감나는 지각을 제공하는 것은 난제이다. 이론에 제한되지 않고, 이접운동과 원근조절의 조합으로 인해 오브젝트의 뷰어들이 오브젝트를 3-차원인 것으로 지각할 수 있는 것으로 여겨진다. 서로에 대해 2개의 눈들의 이접운동 움직임들(즉, 오브젝트를 응시하기 위해 눈들의 시선들을 수렴시키기 위해 서로를 향한 또는 서로부터 떨어진 동공들의 롤링 움직임들)은 눈들의 렌즈들의 초점 맞춤(또는 "원근조절")과 근접하게 연관된다. 정상 조건들 하에서, 하나의 오브젝트로부터 상이한 거리에서의 다른 오브젝트로 초점을 변경하기 위해, 눈들의 렌즈들의 초점을 변경하거나, 눈들을 원근조절하는 것은, "원근조절-이접운동 반사작용"으로 알려진 관계 하에서, 동일한 거리에 대한 이접운동에서 매칭 변화를 자동적으로 유발할 것이다. 원근조절과 이접운동 간의 더 나은 매치를 제공하는 디스플레이 시스템들은 3-차원 이미저리의 더 현실적이고 편안한 시뮬레이션들을 형성할 수 있다.
[0044] 도 3은 다중 깊이 평면들을 사용하여 3-차원 이미저리를 시뮬레이팅하기 위한 접근법의 양상들을 예시한다. 도 3을 참조하면, z-축 상에서 눈들(302 및 304)로부터 다양한 거리들에 있는 오브젝트들은, 이들 오브젝트들이 초점을 맞추도록 눈들(302 및 304)에 의해 원근조절된다. 눈들(302 및 304)은 z-축을 따라 상이한 거리들에 있는 오브젝트들에 초점을 맞추게 하는 특정 원근조절된 상태들을 취한다. 결과적으로, 특정 원근조절된 상태는 연관된 초점 거리를 갖는, 깊이 평면들(306) 중 특정한 하나의 깊이 평면과 연관된다고 말할 수 있어, 특정 깊이 평면의 오브젝트들 또는 오브젝트들의 부분들은, 눈이 해당 깊이 평면에 대해 원근조절된 상태에 있을 때 초점을 맞추게 된다. 일부 실시예들에서, 3-차원 이미저리는 눈들(302 및 304) 각각에 대해 이미지의 상이한 프리젠테이션들을 제공함으로써, 그리고 또한 깊이 평면들 각각에 대응하는 이미지의 상이한 프리젠테이션들을 제공함으로써 시뮬레이팅될 수 있다. 예시의 명확성을 위해 별개인 것으로 도시되지만, 눈들(302 및 304)의 시야들은 예컨대, z-축을 따른 거리가 증가함에 따라 겹쳐질 수 있다는 것이 인지될 것이다. 게다가, 예시의 용이함을 위해 평탄한 것으로 도시되지만, 깊이 평면의 윤곽들은 물리적 공간에서 만곡될 수 있어서, 깊이 평면의 모든 특징들은 특정 원근조절된 상태에서 눈과 초점을 맞춘다는 것이 인지될 것이다. 이론에 의해 제한됨이 없이, 인간 눈이 전형적으로 깊이 지각을 제공하기 위하여 유한 수의 깊이 평면들을 해석할 수 있다고 여겨진다. 결과적으로, 지각된 깊이의 매우 믿을 수 있는 시뮬레이션은, 눈에, 이들 제한된 수의 깊이 평면들 각각에 대응하는 이미지의 상이한 프리젠테이션들을 제공함으로써 달성될 수 있다.
도파관 스택 어셈블리
[0045] 도 4는 이미지 정보를 사용자에게 출력하기 위한 도파관 스택의 예를 예시한다. 웨어러블 시스템(400)은 복수의 도파관들(432b, 434b, 436b, 438b, 4400b)을 사용하여 3-차원 지각을 눈/뇌에 제공하기 위하여 활용될 수 있는 도파관들의 스택, 또는 스택된 도파관 어셈블리(480)를 포함한다. 일부 실시예들에서, 웨어러블 시스템(400)은 도 2의 웨어러블 시스템(200)에 대응할 수 있고, 도 4는 그 웨어러블 시스템(200)의 일부 부분들을 더 상세히 개략적으로 보여준다. 예컨대, 일부 실시예들에서, 도파관 어셈블리(480)는 도 2의 디스플레이(220)에 통합될 수 있다.
[0046] 도 4를 계속 참조하면, 도파관 어셈블리(480)는 또한 도파관들 사이에 복수의 특징들(458, 456, 454, 452)을 포함할 수 있다. 일부 실시예들에서, 특징들(458, 456, 454, 452)은 렌즈들일 수 있다. 다른 실시예들에서, 특징들(458, 456, 454, 452)은 렌즈들이 아닐 수 있다. 오히려, 이들은 단순히 스페이서들(예컨대, 공기 갭들을 형성하기 위한 클래딩 층들 또는 구조들)일 수 있다.
[0047] 도파관들(432b, 434b, 436b, 438b, 440b) 또는 복수의 렌즈들(458, 456, 454, 452)은 다양한 레벨들의 파면 곡률 또는 광선 발산으로 이미지 정보를 눈에 전송하도록 구성될 수 있다. 각각의 도파관 레벨은 특정 깊이 평면과 연관될 수 있고 그 깊이 평면에 대응하는 이미지 정보를 출력하도록 구성될 수 있다. 이미지 주입 디바이스들(420, 422, 424, 426, 428)은 이미지 정보를 도파관들(440b, 438b, 436b, 434b, 432b)에 주입하기 위하여 활용될 수 있고, 이 도파관들 각각은 눈(410)(이는 도 3에서의 눈(304)에 대응할 수 있음)을 향하여 출력하도록, 각각의 개개의 도파관을 가로질러 인입 광을 분배하도록 구성될 수 있다. 광은 이미지 주입 디바이스들(420, 422, 424, 426, 428)의 출력 표면을 나가고 도파관들(440b, 438b, 436b, 434b, 432b)의 대응하는 입력 에지에 주입된다. 일부 실시예들에서, 단일 광빔(예컨대, 시준된 빔)은 특정 도파관과 연관된 깊이 평면에 대응하는 특정 각도들(및 발산의 양들)로 눈(410) 쪽으로 지향되는 시준된 클론 빔(cloned collimated beam)들의 전체 필드를 출력하기 위하여 각각의 도파관으로 주입될 수 있다.
[0048] 일부 실시예들에서, 이미지 주입 디바이스들(420, 422, 424, 426, 428)은 각각, 대응하는 도파관(440b, 438b, 436b, 434b, 432b)으로의 주입을 위한 이미지 정보를 각각 생성하는 이산 디스플레이들이다. 일부 다른 실시예들에서, 이미지 주입 디바이스들(420, 422, 424, 426, 428)은 예컨대, 이미지 정보를 하나 이상의 광학 도관들(예컨대, 광섬유 케이블들)을 통하여 이미지 주입 디바이스들(420, 422, 424, 426, 428) 각각에 파이핑할 수 있는 단일 멀티플렉싱된 디스플레이의 출력 단부들이다.
[0049] 제어기(460)는 스택된 도파관 어셈블리(480) 및 이미지 주입 디바이스들(420, 422, 424, 426, 428)의 동작을 제어한다. 제어기(460)는 도파관들(440b, 438b, 436b, 434b, 432b)에 대한 이미지 정보의 타이밍 및 프로비전(provision)을 조절하는 프로그래밍(예컨대, 비-일시적 컴퓨터-판독가능 매체의 명령들)을 포함한다. 일부 실시예들에서, 제어기(460)는 단일 통합 디바이스, 또는 유선 또는 무선 통신 채널들에 의해 연결되는 분산형 시스템일 수 있다. 제어기(460)는 일부 실시예들에서, 프로세싱 모듈들(260 또는 270)(도 2에 예시됨)의 부분일 수 있다.
[0050] 도파관들(440b, 438b, 436b, 434b, 432b)은 TIR(total internal reflection)에 의해 각각의 개개의 도파관 내에서 광을 전파시키도록 구성될 수 있다. 도파관들(440b, 438b, 436b, 434b, 432b)은 각각 평면형이거나 다른 형상(예컨대, 곡선)을 가질 수 있으며, 주 최상부 및 최하부 표면들 및 이들 주 최상부와 최하부 표면들 사이에서 연장되는 에지들을 갖는다. 예시된 구성에서, 도파관들(440b, 438b, 436b, 434b, 432b)은 이미지 정보를 눈(410)에 출력하기 위해 각각의 개개의 도파관 내에서 전파되는 광을 도파관 밖으로 재지향시키음으로써 도파관으로부터 광을 추출하도록 구성된 광 추출 광학 엘리먼트들(440a, 438a, 436a, 434a, 432a)을 각각 포함할 수 있다. 추출된 광은 아웃커플링된 광으로서 또한 지칭될 수 있고, 광 추출 광학 엘리먼트들은 또한 아웃커플링 광학 엘리먼트들로서 지칭될 수 있다. 추출된 광빔은, 도파관 내에서 전파되는 광이 광 재지향 엘리먼트에 부딪치는 위치들에서 도파관에 의해 출력된다. 광 추출 광학 엘리먼트들(440a, 438a, 436a, 434a, 432a)은 예컨대, 반사성 및/또는 회절 광학 특징들일 수 있다. 설명의 용이함 및 도면 명확성을 위하여 도파관들(440b, 438b, 436b, 434b, 432b)의 최하부 주 표면들에 배치된 것으로 예시되지만, 일부 실시예들에서, 광 추출 광학 엘리먼트들(440a, 438a, 436a, 434a, 432a)은 최상부 및/또는 최하부 주 표면들에 배치될 수 있거나 도파관들(440b, 438b, 436b, 434b, 432b)의 볼륨에 직접 배치될 수 있다. 일부 실시예들에서, 광 추출 광학 엘리먼트들(440a, 438a, 436a, 434a, 432a)은 도파관들(440b, 438b, 436b, 434b, 432b)을 형성하기 위해 투명 기판에 부착된 재료 계층에 형성될 수 있다. 일부 다른 실시예들에서, 도파관들(440b, 438b, 436b, 434b, 432b)은 재료의 모놀리식 피스(piece)일 수 있고 광 추출 광학 엘리먼트들(440a, 438a, 436a, 434a, 432a)은 재료의 해당 피스의 표면 상에 그리고/또는 그 내부에 형성될 수 있다.
[0051] 도 4를 계속 참조하면, 본원에 논의된 바와 같이, 각각의 도파관(440b, 438b, 436b, 434b, 432b)은 특정 깊이 평면에 대응하는 이미지를 형성하기 위해 광을 출력하도록 구성된다. 예컨대, 눈에 가장 가까운 도파관(432b)은, 그러한 도파관(432b)에 주입된 시준된 광을 눈(410)에 전달하도록 구성될 수 있다. 시준된 광은 광학 무한대 초점 평면을 나타낼 수 있다. 다음 위의 도파관(434b)은 시준된 광이 눈(410)에 도달할 수 있기 전에 제1 렌즈(452)(예컨대, 네거티브 렌즈)를 통과하는 시준된 광을 보내도록 구성될 수 있다. 제1 렌즈(452)는 약간의 볼록한 파면 곡률을 생성하도록 구성될 수 있어서, 눈/뇌가 다음 위의 도파관(434b)에서 나오는 광을 광학 무한대로부터 눈(410)을 향해 안쪽으로 더 가까운 제1 초점 평면에서 나오는 것으로 해석한다. 유사하게, 세번째 위의 도파관(436b)은 그 출력 광을, 눈(410)에 도달하기 전에 제1 렌즈(452) 및 제2 렌즈(454) 둘 모두를 통과시킨다. 제1 및 제2 렌즈들(452 및 454)의 조합된 광학 전력은 다른 증분 양의 파면 곡률을 생성하도록 구성될 수 있어서, 눈/뇌는 제3 도파관(436b)에서 나오는 광을, 다음 위의 도파관(434b)으로부터의 광보다는 광학 무한대로부터 사람을 향하여 안쪽으로 훨씬 더 가까운 제2 초점 평면에서 나오는 것으로 해석한다.
[0052] 다른 도파관 층들(예컨대, 도파관들(438b, 440b)) 및 렌즈들(예컨대, 렌즈들(456, 458))은 유사하게 구성되는데, 스택에서 가장 높은 도파관(440b)은 자신의 출력을, 사람과 가장 가까운 초점 평면을 나타내는 어그리게이트 초점 전력에 대해 자신과 눈 간의 렌즈들 모두를 통하여 전송한다. 스택된 도파관 어셈블리(480)의 다른 측 상에서 세계(470)에서 나오는 광을 보거나/해석할 때 렌즈들(458, 456, 454, 452)의 스택을 보상하기 위하여, 보상 렌즈 계층(430)은 아래의 렌즈 스택(458, 456, 454, 452)의 어그리게이트 전력을 보상하기 위하여 스택의 최상부에 배치될 수 있다. 이러한 구성은 이용가능한 도파관/렌즈 쌍들이 존재하는 만큼 많은 지각된 초점 평면들을 제공한다. 도파관들의 광 추출 광학 엘리먼트들 및 렌즈들의 초점을 맞추는 양상들 둘 모두는 정적(예컨대, 동적이 아니거나 전자-활성이 아님)일 수 있다. 일부 대안적인 실시예들에서, 어느 하나 또는 둘 모두는 전자-활성 특징들을 사용하여 동적일 수 있다.
[0053] 도 4를 계속 참조하면, 광 추출 광학 엘리먼트들(440a, 438a, 436a, 434a, 432a)은 자신의 개개의 도파관들로부터 광을 재지향하는 것은 물론, 도파관과 연관된 특정 깊이 평면에 대해 적합한 발산량 또는 시준으로 이 광을 출력하도록 구성될 수 있다. 결과로서, 상이한 연관된 깊이 평면들을 가진 도파관들은 상이한 구성들의 광 추출 광학 엘리먼트들을 가질 수 있고, 이러한 광 추출 광학 엘리먼트들은 연관된 깊이 평면에 따라 상이한 양의 발산으로 광을 출력한다. 일부 실시예들에서, 본원에 논의된 바와 같이, 광 추출 광학 엘리먼트들(440a, 438a, 436a, 434a, 432a)은 특정 각도들로 광을 출력하도록 구성될 수 있는 볼류메트릭(volumetric) 또는 표면 특징들일 수 있다. 예컨대, 광 추출 광학 엘리먼트들(440a, 438a, 436a, 434a, 432a)은 볼륨 홀로그램들, 표면 홀로그램들, 및/또는 회절 격자들일 수 있다. 광 추출 광학 엘리먼트들, 이를테면, 회절 격자들은 2015년 6월 25일에 공개된 미국 특허 공개 번호 제2015/0178939호에 설명되며, 이는 그 전체가 본원에 인용에 의해 포함된다.
[0054] 일부 실시예들에서, 광 추출 광학 엘리먼트들(440a, 438a, 436a, 434a, 432a)은 회절 패턴을 형성하는 회절 특징들 또는 "회절 광학 엘리먼트"(또한 본원에서 "DOE"로서 지칭됨)이다. 바람직하게는, DOE는 비교적 낮은 회절 효율성을 가져서, 빔의 광의 일부만이 DOE의 각각의 교차의 경우 눈(410)을 향하여 편향되지만, 나머지는 내부 전반사를 통하여 도파관을 통해 계속 이동한다. 따라서, 이미지 정보를 전달하는 광은 다수의 위치들에서 도파관을 나가는 다수의 관련된 출사 빔들로 분할될 수 있고 그 결과는 이런 특정 시준된 빔이 도파관 내에서 이리저리 바운싱되기 때문에 눈(304)을 향하는 상당히 균일한 출사 방출 패턴이다.
[0055] 일부 실시예들에서, 하나 이상의 DOE들은, 그것들이 활성적으로 회절시키는 "온" 상태와 그것들이 상당히 회절시키지 않는 "오프" 상태 사이에서 스위칭가능할 수 있다. 예컨대, 스위칭가능 DOE는, 마이크로액적들이 호스트 매질에서 회절 패턴을 포함하는 중합체 분산형 액정 계층을 포함할 수 있고, 마이크로액적들의 굴절률은 호스트 재료의 굴절률에 실질적으로 매칭하도록 스위칭될 수 있거나(이 경우에 패턴은 입사 광을 현저하게 회절시키지 않음) 또는 마이크로액적은 호스트 매질의 인덱스에 매칭하지 않는 인덱스로 스위칭될 수 있다(이 경우 패턴은 입사 광을 활성적으로 회절시킴).
[0056] 일부 실시예들에서, 피사계 심도 또는 깊이 평면들의 수 및 분배는 뷰어의 눈들의 동공 사이즈들 또는 배향들에 기반하여 동적으로 변동될 수 있다. 피사계 심도는 뷰어의 동공 사이즈와 반대로 변할 수 있다. 결과적으로, 뷰어의 눈들의 동공들의 사이즈들이 감소함에 따라, 피사계 심도가 증가하여서, 식별 불가능한 하나의 평면의 위치가 눈의 초점의 깊이를 넘어서기 때문에 그 평면이 식별 가능하게 되고 동공 사이즈의 감소를 통해 보다 초점이 맞게 나타나고 피사계 심도의 증가와 상응할 수 있다. 마찬가지로, 뷰어에게 상이한 이미지들을 제공하는 데 사용되는 이격된 깊이 평면들의 수는 감소된 동공 사이즈에 따라 감소될 수 있다. 예컨대, 뷰어는 하나의 깊이 평면으로부터 벗어나게 그리고 다른 깊이 평면으로 눈의 원근조절을 조정하지 않고서는, 하나의 동공 사이즈에서 제1 깊이 평면 및 제2 깊이 평면 둘 모두의 세부사항들을 명확하게 지각할 수 없을 수 있다. 그러나, 이러한 2개의 깊이 평면들은 원근조절을 변하지 않고도 다른 동공 사이즈에서 사용자에게 동시에 충분히 초점을 맞출 수 있다.
[0057] 일부 실시예들에서, 디스플레이 시스템은 동공 사이즈 또는 배향의 결정들에 또는 특정 동공 사이즈 또는 배향을 나타내는 전기 신호들의 수신에 기반하여 이미지 정보를 수신하는 도파관들의 수를 변하게 할 수 있다. 예컨대, 만약 사용자의 눈들이 2개의 도파관들과 연관된 2개의 깊이 평면들 간을 구별할 수 없다면, 제어기(460)(로컬 프로세싱 및 데이터 모듈(260)의 실시예일 수 있음)는 이들 도파관들 중 하나에 이미지 정보를 제공하는 것을 중단하도록 구성되거나 프로그래밍될 수 있다. 유리하게는, 이는 시스템 상의 프로세싱 부담을 감소시킬 수 있고, 이로써 시스템의 응답성을 증가시킨다. 도파관에 대한 DOE들이 온 및 오프 상태들 사이에서 스위칭가능한 실시예들에서, 도파관이 이미지 정보를 수신할 때 DOE들은 오프 상태로 스위칭될 수 있다.
[0058] 일부 실시예들에서, 출사 빔이 뷰어의 눈의 직경 미만인 직경을 갖는 조건을 충족시키는 것이 바람직할 수 있다. 그러나, 이 조건을 충족시키는 것은 뷰어의 동공들의 사이즈의 변동성의 관점에서 난제시될 수 있다. 일부 실시예들에서, 이 조건은 뷰어의 동공의 사이즈의 결정에 대한 응답으로 출사 빔의 사이즈를 변하게 함으로써 넓은 범위의 동공 사이즈들에 걸쳐 충족된다. 예컨대, 동공 사이즈가 감소함에 따라, 출사 빔의 사이즈가 또한 감소할 수 있다. 일부 실시예들에서, 출사 빔 사이즈는 가변 어퍼처를 사용하여 변동될 수 있다.
[0059] 웨어러블 시스템(400)은 세계(470)의 일부를 이미지화하는 외향 이미징 시스템(464)(예컨대, 디지털 카메라)을 포함할 수 있다. 이러한 세계(470)의 일부는 세계 카메라의 FOV(field of view)로서 지칭될 수 있고, 이미징 시스템(464)은 때로는 FOV 카메라로서 지칭된다. 세계 카메라의 FOV는, 정해진 시간에 뷰어(210)가 지각하는 세계(470)의 부분을 포함하는, 뷰어(210)의 FOV와 동일할 수 있거나 동일하지 않을 수 있다. 예컨대, 일부 상황들에서, 세계 카메라의 FOV는 웨어러블 시스템(400)의 뷰어(210)보다 클 수 있다. 뷰어에 의한 이미징 또는 보기를 위해 이용가능한 전체 구역은 FOR(field of regard)로서 지칭될 수 있다. 착용자가 자신의 신체, 머리 또는 눈들을 움직여 실질적으로 공간의 임의의 방향을 지각할 수 있기 때문에 FOR은 웨어러블 시스템(400)을 둘러싸는 4π스테라디안(steradian)들의 입체각을 포함할 수 있다. 다른 맥락들에서, 착용자의 움직임들은 보다 억제될 수 있고, 그에 따라서 착용자의 FOR은 보다 더 작은 입체각을 마주할 수 있다(subtend). 외향 이미징 시스템(464)으로부터 획득된 이미지들은 사용자에 의해 행해진 제스처들(예컨대, 손 또는 손가락 제스처들)을 추적하고, 사용자 앞의 세계(470)의 오브젝트들을 검출하는 등을 행하는 데 사용될 수 있다.
[0060] 웨어러블 시스템(400)은 주변 사운드를 캡처하기 위한 오디오 센서(232), 예컨대, 마이크로폰을 포함할 수 있다. 위에서 설명된 바와 같이, 일부 실시예들에서, 하나 이상의 다른 오디오 센서들은 스피치 소스의 위치 결정에 유용한 입체 사운드 수신을 제공하도록 포지셔닝될 수 있다. 오디오 센서(232)는 다른 예로서, 오디오 소스가 위치되는 곳에 대한 그러한 유용한 방향 정보를 또한 제공할 수 있는 방향성 마이크로폰을 포함할 수 있다. 웨어러블 시스템(400)은, 스피치 소스(source of speech)의 위치를 찾는데(locating) 또는 특정 순간에 활동중인 화자(active speaker)를 결정하는 것 등을 위해, 외향 이미징 시스템(464) 및 오디오 센서(230) 둘 모두로부터의 정보를 사용할 수 있다. 예컨대, 웨어러블 시스템(400)은 화자의 아이덴티티를 결정하기 위해 음성 인식을 단독으로 또는 (예컨대, 미러에서 보여지는) 화자의 반사된 이미지와 조합하여 사용할 수 있다. 다른 예로서, 웨어러블 시스템(400)은 방향성 마이크로폰들으로부터 획득된 사운드에 기반하여 환경에서의 화자의 포지션을 결정할 수 있다. 웨어러블 시스템(400)은, 스피치의 내용(content of the speech)을 결정하기 위해 그리고 음성 인식 기법들을 사용하여 화자의 아이덴티티(예컨대, 이름 또는 다른 인구통계학적 정보)를 결정하기 위해, 스피치 인식 알고리즘을 이용하여 화자의 포지션에서 나오는 사운드를 파싱할 수 있다.
[0061] 웨어러블 시스템(400)은 또한 눈 움직임들 및 얼굴 움직임들과 같은 사용자의 움직임들을 관찰하는 내향 이미징 시스템(466)(예컨대, 디지털 카메라)을 포함할 수 있다. 내향 이미징 시스템(466)은 눈(304)의 동공의 사이즈 및/또는 배향을 결정하기 위해 눈(410)의 이미지들을 캡처하는 데 사용될 수 있다. 내향 이미징 시스템(466)은, (예컨대, 홍채 식별을 통해) 사용자의 생체인식 식별(biometric identification)을 위한 이미지들 또는 사용자가 바라보는 방향(예컨대, 눈 포즈)을 결정하는 데 사용하기 위한 이미지들을 획득하는 데 사용될 수 있다. 일부 실시예들에서, 독립적으로, 각각의 눈의 동공 사이즈 또는 눈 포즈를 별개로 결정하고, 이로써 각각의 눈에 대한 이미지 정보의 프리젠테이션이 그 눈에 동적으로 맞춰지도록 허용하기 위해, 각각의 눈마다 적어도 하나의 카메라가 활용될 수 있다. 일부 다른 실시예들에서, (예컨대, 한 쌍의 눈들마다 단지 단일 카메라만을 사용하여) 단지 한쪽 눈(410)의 동공 직경 또는 배향이 결정되고 사용자의 양 눈들에 대해 유사한 것으로 가정된다. 내향 이미징 시스템(466)에 의해 획득진 이미지들은 사용자의 눈 포즈 또는 분위기(mood)를 결정하도록 분석될 수 있으며, 이는 어떤 청각적 또는 시각적 콘텐츠가 사용자에게 제공되어야 하는지를 판단하기 위해 웨어러블 시스템(400)에 의해 사용될 수 있다. 웨어러블 시스템(400)은 또한 IMU들, 가속도계들, 자이로스코프들 등과 같은 센서들을 사용하여 머리 포즈(예컨대, 머리 포지션 또는 머리 배향)를 결정할 수 있다.
[0062] 웨어러블 시스템(400)은, 사용자가 웨어러블 시스템(400)과 상호작용하도록 제어기(460)에 커맨드들을 입력할 수 있게 하는 사용자 입력 디바이스(466)를 포함할 수 있다. 예컨대, 사용자 입력 디바이스(466)는 트랙패드, 터치스크린, 조이스틱, 다중 DOF(degree-of-freedom) 제어기, 용량성 감지 디바이스, 게임 제어기, 키보드, 마우스, D-패드(directional pad), 완드(wand), 햅틱 디바이스, 토템(예컨대, 가상 사용자 입력 디바이스로서 기능함) 등을 포함할 수 있다. 다중-DOF 제어기는 그 제어기의 일부 또는 모든 가능한 병진운동(translation)들(예컨대, 좌/우, 전방향/후방향 또는 위/아래) 또는 회전들(예컨대, 요(yaw), 피치(pitch) 또는 롤(roll))로 사용자 입력을 감지할 수 있다. 병진운동 움직임들을 지원하는 다중-DOF 제어기는 3DOF로서 지칭될 수 있는 반면, 병진운동들 및 회전들을 지원하는 다중-DOF 제어기는 6DOF로서 지칭될 수 있다. 일부 경우들에서, 사용자는 손가락(예컨대, 엄지 손가락)을 사용하여, 웨어러블 시스템(400)에 입력을 제공하도록(예컨대, 웨어러블 시스템(400)에 의해 제공되는 사용자 인터페이스에 사용자 입력을 제공하도록) 터치-감지 입력 디바이스를 누르거나 스와이프(swipe)할 수 있다. 사용자 입력 디바이스(466)는 웨어러블 시스템(400)의 사용 동안 사용자의 손에 휴대될 수 있다. 사용자 입력 디바이스(466)는 웨어러블 시스템(400)과 유선 또는 무선 통신할 수 있다.
[0063] 도 5는 도파관에 의해 출력된 출사 빔들의 예를 도시한다. 하나의 도파관이 예시되지만, 도파관 어셈블리(480) 내의 다른 도파관들이 유사하게 기능할 수 있다는 것이 인지될 것이며, 여기서 도파관 어셈블리(480)는 다수의 도파관들을 포함한다. 광(520)은 도파관(432b)의 입력 에지(432c)에서 도파관(432b)에 주입되고 TIR에 의해 도파관(432b) 내에서 전파된다. 광(520)이 DOE(432a)에 충돌하는 포인트들에서, 광의 일부는 출사 빔들(510)로서 도파관을 나간다. 출사 빔들(510)은 실질적으로 평행한 것으로 예시되지만, 이들 출사 빔들(510)은 또한 도파관(432b)과 연관된 깊이 평면에 의존하여, 일정 각도로 눈(410)으로 전파되도록 재지향될 수 있다(예컨대, 발산 출사 빔들을 형성함). 실질적으로 평행한 출사 빔들은, 눈(410)으로부터 먼 거리(예컨대, 광학적 무한대)에 있는 깊이 평면 상에 세팅된 것으로 나타나는 이미지들을 형성하도록 광을 아웃커플링하는 광 추출 광학 엘리먼트들을 갖는 도파관을 표시할 수 있다는 것이 인지될 것이다. 다른 도파관들 또는 광 추출 광학 엘리먼트들의 다른 세트들은 더 발산하는 출사 빔 패턴을 출력할 수 있으며, 이는, 눈(410)이 망막 상에 초점을 맞추게 하기 위해 더 근접한 거리로 원근조절하는 것을 요구할 것이고 광학적 무한대보다 눈(410)에 더 근접한 거리로부터의 광으로서 뇌에 의해 해석될 것이다.
[0064] 도 6은, 다-초점 볼류메트릭 디스플레이(multi-focal volumetric display), 이미지 또는 광 필드의 생성에 사용되는, 도파관 장치, 도파관 장치로 또는 도파관 장치로부터의 광을 광학적으로 커플링하는 광학 커플러 서브시스템, 및 제어 서브시스템을 포함하는 광학 시스템을 도시하는 개략도이다. 광학 시스템은 도파관 장치, 도파관 장치로 또는 도파관 장치로부터의 광을 광학적으로 커플링하는 광학 커플러 서브시스템, 및 제어 서브시스템을 포함할 수 있다. 광학 시스템은 다-초점 볼류메트릭, 이미지 또는 광 필드를 생성하는 데 사용할 수 있다. 광학 시스템은 하나 이상의 주 평면형 도파관들(632a)(도 6에서 단지 하나만 도시됨) 및 주 도파관들(632a) 중 적어도 일부의 주 도파관들 각각과 연관된 하나 이상의 DOE들(632b)을 포함할 수 있다. 평면형 도파관들(632b)은 도 4를 참조하여 논의된 도파관들(432b, 434b, 436b, 438b, 440b)과 유사할 수 있다. 광학 시스템은 제1 축(도 6의 도면에서 수직 또는 Y-축)을 따라 광을 중계하고 제1 축(예컨대, Y-축)을 따라 광의 유효 출사 동공을 확장시키기 위해 분배 도파관 장치를 이용할 수 있다. 분배 도파관 장치는, 예컨대, 분배 평면형 도파관(622b) 및 분배 평면형 도파관(622b)과 연관된 적어도 하나의 DOE(622a)(이중 일점 쇄선으로 예시됨)를 포함할 수 있다. 분배 평면형 도파관(622b)은 그와 상이한 배향을 갖는 주 평면형 도파관(632b)과 적어도 일부 면들에서 유사하거나 동일할 수 있다. 마찬가지로, 적어도 하나의 DOE(622a)는 DOE(632a)와 적어도 일부 면들에서 유사하거나 동일할 수 있다. 예컨대, 분배 평면형 도파관(622b) 또는 DOE(622a)는 각각, 주 평면형 도파관(632b) 또는 DOE(632a)와 동일한 재료들로 구성될 수 있다. 도 6에 도시된 광학 디스플레이 시스템(600)의 실시예들은 도 2에 도시된 웨어러블 시스템(200)에 통합될 수 있다.
[0065] 중계된 그리고 출사-동공 확장된 광은 분배 도파관 장치로부터 하나 이상의 주 평면형 도파관들(632b)에 광학적으로 커플링될 수 있다. 주 평면형 도파관(632b)은 바람직하게는, 제1 축에 직교하는 제2 축(예컨대, 도 6의 도면에서 수평 또는 X-축)을 따라 광을 중계할 수 있다. 특히, 제2 축은 제1 축에 대해 비-직교 축일 수 있다. 주 평면형 도파관(632b)은 그 제2 축(예컨대, X-축)을 따라 광의 유효 출사 동공을 확장시킨다. 예컨대, 분배 평면형 도파관(622b)은 수직 또는 Y- 축을 따라 광을 중계 및 확장시키고, 수평 또는 X-축을 따라 광을 중계 및 확장시킬 수 있는 주 평면형 도파관(632b)으로 그 광을 전달할 수 있다.
[0066] 광학 시스템은 단일 모드 광섬유(640)의 근단부에 광학적으로 커플링될 수 있는 컬러 광(예컨대, 적색, 녹색 및 청색 레이저 광)의 하나 이상의 소스들(610)을 포함할 수 있다. 광 섬유(640)의 원단부는 압전 재료의 중공 튜브(642)를 통해 스레딩(thread)되거나 수용될 수 있다. 원단부는 고정되지 않은 가요성 캔틸레버(644)로서 튜브(642)로부터 돌출한다. 압전 튜브(642)는 4개의 쿼드런트(quadrant) 전극들(예시되지 않음)과 연관될 수 있다. 전극들은 예컨대, 튜브(642)의 외부, 외측 표면 또는 외측 주변부 또는 직경 상에 도금될 수 있다. 코어 전극(예시되지 않음)은 또한 튜브(642)의 코어, 중심, 내부 주변부 또는 내부 직경에 위치될 수 있다.
[0067] 예컨대, 와이어들(660)을 통해 전기적으로 커플링된 구동 전자 장치(650)는 2개의 축들에서 압전 튜브(642)를 독립적으로 구부리기 위해 전극들의 대향하는 쌍들을 구동한다. 광섬유(644)의 돌출 원단 끝 부분은 기계적 공진 모드들을 갖는다. 공진 주파수들은 광섬유(644)의 직경, 길이 및 재료 특성들에 의존할 수 있다. 섬유 캔틸레버(644)의 제1 기계적 공진 모드 인근에서 압전 튜브(642)를 진동시킴으로써, 섬유 캔틸레버(644)는 진동하게 될 수 있고, 큰 편향들을 통해 스윕(sweep)할 수 있다.
[0068] 2개의 축들에서 공진 진동을 자극함으로써, 섬유 캔틸레버(644)의 끝 부분은 영역 채움 2-차원(2D) 스캔으로 2축 방향으로(biaxially) 스캔된다. 섬유 캔틸레버(644)의 스캔과 동기하여 광원(들)(610)의 세기를 변조함으로써, 섬유 캔틸레버(644)로부터 나오는 광은 이미지를 형성할 수 있다. 그러한 셋업에 대한 설명들은 미국 특허 공보 제2014/0003762호에서 제공되며, 그 공보는 그 전체가 인용에 의해 본원에 포함된다.
[0069] 광학 커플러 서브시스템의 컴포넌트는 스캐닝 섬유 캔틸레버(644)로부터 나오는 광을 시준할 수 있다. 시준된 광은 미러 표면(648)에 의해 적어도 하나의 DOE(diffractive optical element)(622a)를 포함하는 좁은 분배 평면형 도파관(622b)으로 반사될 수 있다. 시준된 광은 TIR에 의해 분배 평면형 도파관(622b)을 따라(도 6의 도면에 대해) 수직으로 전파될 수 있고, 이렇게 하여, DOE(622a)와 반복적으로 교차한다. DOE(622a)는 바람직하게는, 낮은 회절 효율성을 갖는다. 이는, 광의 일부(fraction of the light)(예컨대, 10%)로 하여금, DOE(622a)와의 각각의 교차점에서 더 큰 주 평면형 도파관(632b)의 에지를 향해 회절되게 하고, 광의 일부로 하여금, TIR을 통해 분배 평면형 도파관(622b)의 길이 아래에서 그의 오리지널 궤적 상에서 계속되게 할 수 있다.
[0070] DOE(622a)와의 각각의 교차점에서, 추가적인 광이 주 도파관(632b)의 입구를 향해 회절될 수 있다. 인입 광을 다수의 아웃커플링된 세트들로 분할함으로써, 광의 출사 동공은 분배 평면형 도파관(622b)에서 DOE(622a)에 의해 수직으로 확장될 수 있다. 분배 평면형 도파관(622b) 밖으로 커플링되는 이러한 수직으로 확장된 광은 주 평면형 도파관(632b)의 에지에 들어갈 수 있다.
[0071] 주 도파관(632b)에 들어가는 광은 TIR을 통해 주 도파관(632b)을 따라(도 6의 도면에 대해) 수평으로 전파될 수 있다. 광이 TIR을 통해 주 도파관(632b)의 길이의 적어도 일부를 따라 수평으로 전파됨에 따라 광은 다수의 포인트들에서 DOE(632a)와 교차한다. DOE(632a)는 유리하게는, 광의 편향 및 초점 맞추기 둘 모두를 생성하도록, 선형 회절 패턴 및 방사상 대칭 회절 패턴의 합인 위상 프로파일을 갖도록 설계 또는 구성될 수 있다. DOE(632a)는 유리하게는, 낮은 회절 효율성(예컨대, 10%)을 가질 수 있어서, 빔의 광 중 일부만이 DOE(632a)의 각각의 교차에 의해 뷰의 눈을 향해 편향되는 반면, 광의 나머지는 TIR을 통해 주 도파관(632b)을 통하여 계속 전파된다.
[0072] 전파되는 광과 DOE(632a) 간의 각각의 교차점에서, 광의 일부가 주 도파관(632b)의 인접한 면을 향해 회절되어, 광이 TIR을 빠져나와 주 도파관(632b)의 면으로부터 나오게 허용한다. 일부 실시예들에서, DOE(632a)의 방사상 대칭 회절 패턴은 추가적으로, 회절된 광에 초점 레벨을 부여하여, 개별 빔의 광 파면을 성형(예컨대, 곡률을 부여함)하는 것뿐만 아니라, 설계된 초점 레벨과 매칭하는 각도로 빔을 조종한다.
[0073] 그에 따라서, 이들 상이한 경로들은 상이한 각도들의 다수의 DOE들(632a), 초점 레벨들, 또는 출사 동공에서 상이한 채움 패턴들을 산출하는 것에 의해 광으로 하여금, 주 평면형 도파관(632b) 밖으로 커플링되게 할 수 있다. 출사 동공에서의 상이한 채움 패턴들은 다수의 깊이 평면들을 갖는 광 필드 디스플레이를 생성하는 데 유익하게 사용될 수 있다. 도파관 어셈블리 내의 각각의 계층 또는 스택 내의 한 세트의 계층들(예컨대, 3개의 계층들)은 개개의 컬러(예컨대, 적색, 청색, 녹색)를 생성하는 데 이용될 수 있다. 따라서, 예컨대, 제1 세트의 3개의 인접한 계층들은 제1 초점 깊이로 적색, 청색 및 녹색 광을 각각 생성하는 데 이용될 수 있다. 제2 세트의 3개의 인접한 계층들은 제2 초점 깊이로 적색, 청색 및 녹색 광을 각각 생성하는 데 이용될 수 있다. 다수의 세트들은 다양한 초점 깊이들을 갖는 풀 3D 또는 4D 컬러 이미지 광 필드를 생성하는 데 이용될 수 있다.
웨어러블 시스템의 다른 컴포넌트들
[0074] 다수의 구현들에서, 웨어러블 시스템은 위에서 설명된 웨어러블 시스템의 컴포넌트들에 추가적으로 또는 대안적으로 다른 컴포넌트들을 포함할 수 있다. 웨어러블 시스템은 예컨대, 하나 이상의 햅틱 디바이스들 또는 컴포넌트들을 포함할 수 있다. 햅틱 디바이스들 또는 컴포넌트들은 사용자에게 촉감을 제공하도록 동작가능할 수 있다. 예컨대, 햅틱 디바이스들 또는 컴포넌트들은 가상 콘텐츠(예컨대, 가상 오브젝트들, 가상 도구들, 다른 가상 구조들)를 터치할 때 압력 또는 텍스처의 촉감을 제공할 수 있다. 촉감은 가상 오브젝트가 표현하는 물리적 오브젝트의 느낌을 복제할 수 있거나, 또는 가상 콘텐츠가 표현하는 상상의 오브젝트 또는 캐릭터(예컨대, 용)의 느낌을 복제할 수 있다. 일부 구현들에서, 햅틱 디바이스들 또는 컴포넌트들은 사용자에 의해 착용될 수 있다(예컨대, 사용자 웨어러블 글러브). 일부 구현들에서, 햅틱 디바이스들 또는 컴포넌트들은 사용자에 의해 홀딩될 수 있다.
[0075] 웨어러블 시스템은 예컨대, 웨어러블 시스템과의 입력 또는 상호작용을 허용하도록 사용자에 의해 조작가능한 하나 이상의 물리적 오브젝트들을 포함할 수 있다. 이러한 물리적 오브젝트들은 본원에서 토템들로서 지칭될 수 있다. 일부 토템들은 무생물 오브젝트들, 예컨대, 이를테면 금속 또는 플라스틱의 피스, 벽, 테이블의 표면의 형태를 취할 수 있다. 특정 구현들에서, 토템들은 실제로, 어떠한 물리적 입력 구조들(예컨대, 키들, 트리거들, 조이스틱, 트랙볼, 로커 스위치(rocker switch))도 갖지 않을 수 있다. 대신, 토템은 단순히 물리적 표면을 제공할 수 있고, 웨어러블 시스템은 토템의 하나 이상의 표면들 상에 있는 것으로 사용자에게 나타나도록 사용자 인터페이스를 렌더링할 수 있다. 예컨대, 웨어러블 시스템은 토템의 하나 이상의 표면들에 상주하는 것으로 나타나도록 컴퓨터 키보드 및 트랙패드의 이미지를 렌더링할 수 있다. 예컨대, 웨어러블 시스템은 토템으로서 역할을 하는 알루미늄의 얇은 직사각형 플레이트의 표면 상에 나타나도록 가상 컴퓨터 키보드 및 가상 트랙패드를 렌더링할 수 있다. 직사각형 플레이트 그 자체는 어떠한 물리적인 키들 또는 트랙패드 또는 센서들도 갖지 않는다. 그러나, 웨어러블 시스템은 가상 키보드 또는 가상 트랙패드를 통해 이루어진 선택들 또는 입력들로서 직사각형 플레이트와의 사용자 조작 또는 상호작용 또는 터치들을 검출할 수 있다. 사용자 입력 디바이스(466)(도 4에 도시됨)는, 트랙패드, 터치 패드, 트리거, 조이스틱, 트랙볼, 로커 또는 가상 스위치, 마우스, 키보드, 다중-자유도 제어기 또는 다른 물리적 입력 디바이스를 포함할 수 있는 토템의 실시예일 수 있다. 사용자는 웨어러블 시스템 또는 다른 사용자들과 상호작용하기 위해 토템을 단독으로 또는 포즈들과 조합하여 사용할 수 있다.
[0076] 본 개시내용의 웨어러블 디바이스들, HMD 및 디스플레이 시스템들과 함께 사용가능한 햅틱 디바이스들 및 토템들의 예들은 미국 특허 공보 제2015/0016777호에서 설명되며, 그 공보는 그 전체가 인용에 의해 본원에 포함된다.
예시적인 웨어러블 시스템들, 환경들, 및 인터페이스들
[0077] 웨어러블 시스템은 렌더링된 광 필드들에서 높은 피사계 심도를 달성하기 위해 다양한 맵핑 관련 기법들을 이용할 수 있다. 가상 세계의 맵핑 시에, 실세계에 관하여 가상 오브젝트들을 정확히 묘사하기 위해 실세계의 모든 피처들 및 포인트들을 아는 것이 유리하다. 이를 위해, 웨어러블 시스템의 사용자들로부터 캡처된 FOV 이미지들은, 실세계의 다양한 포인트들 및 피처들에 관한 정보를 운반하는 새로운 사진들을 포함함으로써 세계 모델에 추가될 수 있다. 예컨대, 웨어러블 시스템은, 한 세트의 맵 포인트들(이를테면, 2D 포인트들 또는 3D 포인트들)을 수집하고 새로운 맵 포인트들을 발견하여 세계 모델의 보다 정확한 버전을 렌더링할 수 있다. 제1 사용자의 세계 모델은 (예컨대, 네트워크, 이를테면 클라우드 네트워크를 통해) 제2 사용자에게 통신될 수 있어서, 제2 사용자는 제1 사용자 주변의 세계를 경험할 수 있다.
[0078] 도 7은 MR 환경(700)의 예의 블록 다이어그램이다. MR 환경(700)은 하나 이상의 사용자 웨어러블 시스템들(예컨대, 웨어러블 시스템(200) 또는 디스플레이 시스템(220)) 또는 고정 룸(stationary room) 시스템들(예컨대, 룸 카메라들 등)로부터 입력(예컨대, 사용자의 웨어러블 시스템으로부터의 시각 입력(702), 이를테면, 룸 카메라들로부터의 고정 입력(704), 다양한 센서들로부터의 감각 입력(706), 제스처들, 토템들, 눈 추적, 사용자 입력 디바이스(466)로부터의 사용자 입력 등)을 수신하도록 구성될 수 있다. 웨어러블 시스템들은 사용자의 환경의 위치 및 다양한 다른 속성들을 결정하기 위해 다양한 센서들(예컨대, 가속도계들, 자이로스코프들, 온도 센서들, 움직임 센서들, 깊이 센서들, GPS 센서들, 내향 이미징 시스템, 외향 이미징 시스템 등)을 사용할 수 있다. 이 정보는 추가로, 이미지들을 제공할 수 있는 룸의 고정 카메라들로부터의 정보 또는 상이한 관점으로부터의 다양한 큐들로 보충될 수 있다. 카메라들(이를테면, 룸 카메라들 및/또는 외향 이미징 시스템의 카메라들)에 의해 획득된 이미지 데이터는 한 세트의 맵핑 포인트들로 감소될 수 있다.
[0079] 하나 이상의 오브젝트 인식기들(708)은 맵 데이터베이스(710)의 도움으로, 수신된 데이터(예컨대, 포인트들의 모음)를 크롤링(crawl through)하고, 포인트들을 인식 또는 맵핑하고, 이미지들을 태깅하고, 시맨틱 정보를 오브젝트들에 부착할 수 있다. 맵 데이터베이스(710)는 시간이 지남에 따라 수집된 다양한 포인트들 및 그들의 대응하는 오브젝트들을 포함할 수 있다. 다양한 디바이스들 및 맵 데이터베이스는 클라우드에 액세스하기 위해 네트워크(예컨대, LAN, WAN 등)를 통해 서로 연결될 수 있다.
[0080] 맵 데이터베이스의 이러한 정보 및 포인트들의 모음에 기반하여, 오브젝트 인식기들(708a 내지 708n)은 환경 내의 오브젝트들을 인식할 수 있다. 예컨대, 오브젝트 인식기들은 얼굴들, 사람들, 창문들, 벽들, 사용자 입력 디바이스들, 텔레비전들, 문서들(예컨대, 본원의 보안 예들에서 설명된 바와 같은 여행 티켓들, 운전 면허증, 여권), 사용자의 환경 내의 다른 오브젝트들 등을 인식할 수 있다. 하나 이상의 오브젝트 인식기들은 특정 특징들을 갖는 오브젝트에 대해 전문화될 수 있다. 예컨대, 오브젝트 인식기(708a)는 얼굴들을 인식하는 데 사용될 수 있는 반면, 다른 오브젝트 인식기는 문서들을 인식하는 데 사용될 수 있다.
[0081] 오브젝트 인식들은 다양한 컴퓨터 비전 기법들을 사용하여 수행될 수 있다. 예컨대, 웨어러블 시스템은 장면 재구성, 이벤트 검출, 비디오 추적, 오브젝트 인식(예컨대, 사람들 또는 문서들), 오브젝트 포즈 추정, (예컨대, 환경 내의 사람 또는 문서 상의 이미지로부터의) 안면 인식, 학습, 인덱싱, 모션 추정, 또는 이미지 분석(예컨대, 문서들 내의 표시들, 이를테면 사진들, 서명들, 식별 정보, 여행 정보 등을 식별함) 등을 수행하도록 외향 이미징 시스템(464)(도 4에 도시됨)에 의해 획득된 이미지들을 분석할 수 있다. 하나 이상의 컴퓨터 비전 알고리즘들이 이러한 임무들을 수행하기 위해 사용될 수 있다. 컴퓨터 비전 알고리즘들의 비-제한적인 예들은, SIFT(Scale-invariant feature transform), SURF(speeded up robust features), ORB(oriented FAST and rotated BRIEF), BRISK(binary robust invariant scalable keypoints), FREAK(fast retina keypoint), 비올라-존스 알고리즘(Viola-Jones algorithm), 아이겐페이스 접근법(Eigenfaces approach), 루카스-카나데 알고리즘(Lucas-Kanade algorithm), 혼-셩크 알고리즘(Horn-Schunk algorithm), 민-시프트 알고리즘, vSLAM(visual simultaneous location and mapping) 기법들, 순차적 베이지안 추정기(예컨대, 칼만 필터, 확장 칼만 필터 등), 번들 조정, 적응적 임계화(Adaptive thresholding)(및 다른 임계화 기법들), ICP(Iterative Closest Point), SGM(Semi Global Matching), SGBM(Semi Global Block Matching), 피처 포인트 히스토그램(Feature Point Histogram)들, 다양한 머신 학습 알고리즘들(이를테면, 예컨대, 서포트 벡터 머신, k-최근접 이웃 알고리즘, 나이브 베이즈(Naive Bayes), 뉴럴 네트워크(콘볼루셔널 또는 딥 뉴럴 네트워크들을 포함함) 또는 다른 감독/비-감독 모델들 등) 등을 포함한다.
[0082] 오브젝트 인식들은 추가적으로 또는 대안적으로, 다양한 머신 학습 알고리즘들에 의해 수행될 수 있다. 일단 트레이닝되면, 머신 학습 알고리즘은 HMD에 의해 저장될 수 있다. 머신 학습 알고리즘들의 일부 예들은, 회귀 알고리즘들(이를테면, 예컨대, 정규 최소 제곱 회귀(Ordinary Least Squares Regression)), 인스턴스-기반 알고리즘들(이를테면, 예컨대, 학습 벡터 양자화(Learning Vector Quantization)), 판단 트리 알고리즘들(이를테면, 예컨대, 분류 및 회귀 트리들), 베이지안 알고리즘들(이를테면, 예컨대, 나이브 베이즈), 클러스터링 알고리즘들(이를테면, 예컨대, k-민즈 클러스터링), 연관 규칙 학습 알고리즘들(이를테면, 예컨대, 선험적 알고리즘들), 인공 뉴럴 네트워크 알고리즘들(이를테면, 예컨대, 퍼셉트론(Perceptron)), 심층 학습 알고리즘들(이를테면, 예컨대, 딥 볼쯔만 머신, 또는 딥 뉴럴 네트워크), 차원 감소 알고리즘(이를테면, 예컨대, 주요 컴포넌트 분석(Principal Component Analysis)), 앙상블 알고리즘들(이를테면, 예컨대, 스택된 일반화(Stacked Generalization)), 및/또는 다른 머신 학습 알고리즘들을 포함하여, 감독 또는 비-감독 머신 학습 알고리즘들을 포함할 수 있다. 일부 실시예들에서, 개별 모델들은 개별 데이터 세트들에 대해 맞춤화될 수 있다. 예컨대, 웨어러블 디바이스는 기본 모델을 생성하거나 저장할 수 있다. 기본 모델은 데이터 타입(예컨대, 텔레프레전스 세션(telepresence session)의 특정 사용자), 데이터 세트(예컨대, 텔레프레전스 세션의 사용자의 획득된 한 세트의 추가적인 이미지들), 조건부 상황들, 또는 다른 변동들에 특정적인 추가적인 모델들을 생성하기 위한 시작 포인트로서 사용될 수 있다. 일부 실시예들에서, 웨어러블 HMD는 어그리게이팅된 데이터의 분석을 위한 모델들을 생성하기 위해 복수의 기법들을 활용하도록 구성될 수 있다. 다른 기법들은 미리 정의된 임계치들 또는 데이터 값들을 사용하는 것을 포함할 수 있다.
[0083] 맵 데이터베이스의 이러한 정보 및 포인트들의 모음에 기반하여, 오브젝트 인식기들(708a 내지 708n)은 오브젝트들을 인식하고, 오브젝트들에 생기(life)를 제공하기 위해 시맨틱 정보로 오브젝트들을 보충할 수 있다. 예컨대, 만약 오브젝트 인식기가 한 세트의 포인트들을 문이라고 인식하면, 시스템은 일부 시맨틱 정보를 부착할 수 있다(예컨대, 문은 힌지(hinge)를 갖고, 힌지를 중심으로 90도 움직임을 가짐). 만약 오브젝트 인식기가 한 세트의 포인트들을 미러라고 인식하면, 시스템은 미러는 룸 내의 오브젝트들의 이미지들을 반사할 수 있는 반사 표면을 갖는다는 시맨틱 정보를 부착할 수 있다. 시맨틱 정보는 본원에서 설명되는 바와 같이 오브젝트들의 어포던스(affordance)들을 포함할 수 있다. 예컨대, 시맨틱 정보는 오브젝트의 법선을 포함할 수 있다. 시스템은 벡터를 할당할 수 있으며, 그의 방향은 오브젝트의 법선을 표시한다. 시간이 지남에 따라, 시스템(로컬로 상주할 수 있거나, 또는 무선 네트워크를 통해 액세스가능할 수 있음)이 세계로부터 더 많은 데이터를 누적함에 따라 맵 데이터베이스가 성장한다. 일단 오브젝트들이 인식되면, 정보는 하나 이상의 웨어러블 시스템들에 송신될 수 있다. 예컨대, MR 환경(700)은 캘리포니아에서 일어나는 장면에 관한 정보를 포함할 수 있다. 환경(700)은 뉴욕의 하나 이상의 사용자들에게 송신될 수 있다. FOV 카메라로부터 수신된 데이터 및 다른 입력들에 기반하여, 오브젝트 인식기들 및 다른 소프트웨어 컴포넌트들은 다양한 이미지들로부터 수집된 포인트들을 맵핑하고, 오브젝트들을 인식하는 등을 수행할 수 있어서, 장면이 세계의 상이한 부분에 있을 수 있는 제2 사용자에게 정확히 "전달"될 수 있다. 환경(700)은 또한 로컬화 목적들을 위해 토폴로지컬 맵을 사용할 수 있다.
[0084] 도 8은 인지된 오브젝트들에 관하여 가상 콘텐츠를 렌더링하는 방법(800)의 예의 프로세스 흐름도이다. 방법(800)은 가상 장면이 웨어러블 시스템의 사용자에게 어떻게 제공될 수 있는지를 설명한다. 사용자는 장면으로부터 지리적으로 원격일 수 있다. 예컨대, 사용자는 뉴욕에 있을 수 있지만, 현재 캘리포니아에서 진행되고 있는 장면을 보기를 원할 수 있거나, 또는 캘리포니아에 거주하는 친구와 함께 산책을 하러 가기를 원할 수 있다.
[0085] 블록(810)에서, 웨어러블 시스템은 사용자 및 다른 사용자들로부터, 사용자의 환경에 관한 입력을 수신할 수 있다. 이는 다양한 입력 디바이스들 및 맵 데이터베이스에 이미 보유된 지식을 통해 달성될 수 있다. 블록(810)에서, 사용자의 FOV 카메라, 센서들, GPS, 눈 추적 등은 시스템에 정보를 운반한다. 블록(820)에서, 시스템은 이러한 정보에 기반하여 희소(sparse) 포인트들을 결정할 수 있다. 희소 포인트들은 사용자의 주변들의 다양한 오브젝트들의 배향 및 포지션을 디스플레이 및 이해하는 데 사용될 수 있는 포즈 데이터(예컨대, 머리 포즈, 눈 포즈, 신체 포즈 또는 손 제스처들)를 결정하는 데 사용될 수 있다. 블록(830)에서, 오브젝트 인식기들(708a-708n)은 이러한 수집된 포인트들을 크롤링하고, 맵 데이터베이스를 사용하여 하나 이상의 오브젝트들을 인식할 수 있다. 그런 다음, 블록(840)에서, 이러한 정보는 사용자의 개별 웨어러블 시스템으로 운반될 수 있으며, 그에 따라서, 블록(850)에서, 원하는 가상 장면이 사용자에게 디스플레이될 수 있다. 예컨대, 원하는 가상 장면(예컨대, CA의 사용자)은 뉴욕의 사용자의 다양한 오브젝트들 및 다른 주변들에 관하여 적절한 배향, 포지션 등에서 디스플레이될 수 있다.
[0086] 도 9는 웨어러블 시스템의 다른 예의 블록 다이어그램이다. 이러한 예에서, 웨어러블 시스템(900)은 세계에 대한 맵 데이터를 포함하는 맵 데이터베이스(710)를 포함할 수 있는 맵(920)을 포함한다. 맵은 부분적으로 웨어러블 시스템 상에 로컬로 상주할 수 있고, (예컨대, 클라우드 시스템에서) 유선 또는 무선 네트워크에 의해 액세스가능한 네트워킹된 저장 위치들에 부분적으로 상주할 수 있다. 포즈 프로세스(910)는 웨어러블 컴퓨팅 아키텍처(예컨대, 프로세싱 모듈(260) 또는 제어기(460)) 상에서 실행되고 맵(920)으로부터 데이터를 활용하여, 웨어러블 컴퓨팅 하드웨어 또는 사용자의 포지션 및 배향을 결정할 수 있다. 포즈 데이터는 사용자가 시스템을 경험하고 세계에서 동작할 때 즉시(on the fly) 수집된 데이터로부터 컴퓨팅될 수 있다. 데이터는 이미지들, 센서들(이를테면, 일반적으로 가속도계 및 자이로스코프 컴포넌트들을 포함하는 관성 측정 유닛들)로부터의 데이터 및 실제 또는 가상 환경의 오브젝트들에 관련된 표면 정보를 포함할 수 있다.
[0087] 희소 포인트 표현은 동시적인 로컬화 및 맵핑(예컨대, 입력이 이미지들/시각 전용인 구성을 지칭하는 SLAM 또는 vSLAM) 프로세스의 출력일 수 있다. 시스템은 다양한 컴포넌트들이 세계 어디에 있는지 뿐만 아니라, 세상이 무엇으로 이루어져 있는지를 파악하도록 구성될 수 있다. 포즈는 맵을 파퓰레이팅(populate)하고 맵으로부터의 데이터를 사용하는 것을 포함해서, 다수의 목표들을 달성하는 빌딩 블록일 수 있다.
[0088] 일 실시예에서, 희소 포인트 포지션은 그 자체로는 완전히 충분하지 않을 수 있고, 다초점 AR, VR 또는 MR 경험을 생성하기 위해 추가적인 정보가 필요할 수 있다. 일반적으로 깊이 맵 정보를 지칭하는 밀집된 표현들이 이러한 갭을 적어도 부분적으로 채우기 위해 활용될 수 있다. 그러한 정보는 입체(940)로서 지칭되는 프로세스로부터 컴퓨팅될 수 있으며, 여기서 깊이 정보는 기법, 이를테면 삼각측량 또는 비행-시간 감지를 사용하여 결정된다. 이미지 정보 및 활성 패턴들(이를테면, 활성 투사기들을 사용하여 생성된 적외선 패턴들), 이미지 카메라들로부터 획득된 이미지들, 또는 손 제스처들/토템(950)은 입체 프로세스(940)에 대한 입력으로서 역할을 할 수 있다. 상당한 양의 깊이 맵 정보가 함께 융합될 수 있으며, 그 중 일부는 표면 표현으로 요약될 수 있다. 예컨대, 수학적으로 정의가능한 표면들은 (예컨대, 큰 포인트 클라우드에 비해) 효율적일 수 있고, 게임 엔진들과 같은 다른 프로세싱 디바이스들에 이해가능한 입력들일 수 있다. 따라서, 입체 프로세스(940)의 출력(예컨대, 깊이 맵)은 융합 프로세스(930)에서 조합될 수 있다. 포즈(910)는 또한 이 융합 프로세스(930)에 대한 입력일 수 있고, 융합(930)의 출력은 맵 프로세스(920)를 파퓰레이팅하기 위한 입력이 된다. 서브-표면들이 이를테면, 토폴리지 맵핑에서 서로 연결되어 더 큰 표면들을 형성할 수 있고, 맵은 포인트들 및 표면들의 큰 하이브리드가 된다.
[0089] 혼합 현실 프로세스(960)에서의 다양한 양상들을 해결하기 위해, 다양한 입력들이 활용될 수 있다. 예컨대, 도 9에 묘사된 실시예에서, 게임 파라미터들은, 시스템의 사용자가 다양한 위치들의 하나 이상의 몬스터들, 다양한 조건들(이를테면, 사용자가 몬스터를 쏘는 경우) 하에서 죽거나 도망가는 몬스터들, 다양한 위치들의 벽들 또는 다른 오브젝트들 등을 갖는 몬스터 전투 게임을 플레이하고 있다고 결정하기 위한 입력일 수 있다. 세계 맵은 오브젝트들의 위치에 관한 정보 또는 오브젝트들의 시맨틱 정보를 포함할 수 있고, 세계 맵은 혼합 현실에 대한 다른 귀중한 입력일 수 있다. 세계에 대한 포즈는 또한 입력이 되며, 거의 모든 상호작용 시스템에 대해 중요한 역할을 한다.
[0090] 사용자로부터의 제어들 또는 입력들은 웨어러블 시스템(900)에 대한 다른 입력이다. 본원에서 설명되는 바와 같이, 사용자 입력들은 시각 입력, 제스처들, 토템들, 오디오 입력, 감각 입력 등을 포함할 수 있다. 예컨대, 주위를 돌아다니거나 게임을 플레이하기 위해, 사용자는 자신이 하기를 원하는 것에 관해 웨어러블 시스템(900)에게 명령할 필요가 있을 수 있다. 단지 공간에서 자신을 움직이는 것 외에도, 활용될 수 있는 다양한 형태들의 사용자 제어들이 존재한다. 일 실시예에서, 토템(예컨대, 사용자 입력 디바이스) 또는 오브젝트, 이를테면, 장난감 총은 사용자에 의해 홀딩되고 시스템에 의해 추적될 수 있다. 시스템은 바람직하게는, 사용자가 아이템을 홀딩하고 있다는 것을 알고 사용자가 아이템과 어떤 종류의 상호작용을 하고 있는지를 이해하도록 구성될 것이다(예컨대, 만약 토템 또는 오브젝트가 총이면, 시스템은 위치 및 배향뿐만 아니라, 센서, 이를테면 IMU가 장착될 수 있는 트리거 또는 다른 감지 버튼 또는 엘리먼트를 사용자가 클릭하고 있는지 여부를 이해하도록 구성될 수 있으며, 이러한 센서는 그러한 활동이, 카메라들 중 임의의 것의 시야 내에 있지 않을 때라도 무슨 일이 일어나고 있는지를 결정하는 데 도움을 줄 수 있음).
[0091] 손 제스처 추적 또는 인식은 또한 입력 정보를 제공할 수 있다. 웨어러블 시스템(900)은 왼쪽 또는 오른쪽, 정지, 잡기, 홀드 등을 제스처링하기 위해 버튼 누름들에 대한 손 제스처들을 추적 및 해석하도록 구성될 수 있다. 예컨대, 일 구성에서, 사용자는 비-게임 환경에서 이메일들 또는 캘린더를 훑어보이거나(flip through) 다른 사람이나 플레이어와 "주먹 인사(fist bump)"를 하기를 원할 수 있다. 웨어러블 시스템(900)은, 동적일 수 있거나 동적이지 않을 수 있는 최소량의 손 제스처를 레버리지(leverage)하도록 구성될 수 있다. 예컨대, 제스처들은 중지를 위한 펼쳐진 손, ok를 위한 엄지 올리기, not ok를 위한 엄지 내리기; 또는 방향성 커맨드들을 위한 오른쪽 또는 왼쪽 또는 위/아래로의 손 뒤집기와 같은 단순한 정적 제스처일 수 있다.
[0092] 눈 추적(예컨대, 특정한 깊이 또는 범위로 렌더링하도록 디스플레이 기술을 제어하기 위해 사용자가 바라보는 곳을 추적함)은 다른 입력이다. 일 실시예에서, 눈들의 이접운동은 삼각측량을 사용하여 결정될 수 있으며, 그런 다음, 그 특정 사람을 위해 개발된 이접운동/원근조절 모델을 사용하여, 원근조절이 결정될 수 있다. 눈 추적은, 눈 시선(예컨대, 한쪽 또는 양쪽 눈들의 방향 또는 배향)을 결정하도록 눈 카메라(eye camera)(들)에 의해 수행될 수 있다. 눈 추적, 이를테면, 예컨대 눈(들) 인근에 배치된 전극들에 의한 전기 전위들의 측정(예컨대, 안구전도(electrooculography))을 위한 다른 기법들이 사용될 수 있다.
[0093] 스피치 추적은 단독으로 또는 다른 입력들(예컨대, 토템 추적, 눈 추적, 제스처 추적 등)과 조합하여 사용될 수 있는 다른 입력일 수 있다. 스피치 추적은 스피치 인식, 음성 인식을 단독으로 또는 조합하여 포함할 수 있다. 시스템(900)은 환경으로부터 오디오 스트림을 수신하는 오디오 센서(예컨대, 마이크로폰)를 포함할 수 있다. 시스템(900)은 누가 말하고 있는지(예컨대, 스피치가 ARD의 착용자로부터의 것인지 또는 다른 사람으로부터의 것인지 또는 음성(예컨대, 환경 내의 확성기에 의해 송신된 레코딩된 음성)으로부터 것인지)를 결정하기 위한 음성 인식 기술뿐만 아니라 무엇을 말하고 있는지를 결정하기 위한 스피치 인식 기술을 통합할 수 있다. 로컬 데이터 및 프로세싱 모듈(260) 또는 원격 프로세싱 모듈(270)은, 다양한 스피치 인식 알고리즘들, 이를테면, 예컨대, 은닉 마르코프 모델(hidden Markov model)들, DTW(dynamic time warping)-기반 스피치 인식들, 뉴럴 네트워크들, 심층 학습 알고리즘들, 이를테면, 딥 피드포워드 및 회귀 뉴럴 네트워크들, 단-대-단(end-to-end) 자동 스피치 인식들, (도 7을 참조하여 설명된) 머신 학습 알고리즘들, 또는 음향 모델링 또는 언어 모델링을 사용하는 다른 알고리즘들 등을 적용함으로써 스피치의 콘텐츠를 식별하기 위해 마이크로폰으로부터의 오디오 데이터(또는 다른 스트림의 오디오 데이터, 이를테면, 사용자에 의해 시청되는 비디오 스트림)를 프로세싱할 수 있다.
[0094] 로컬 데이터 및 프로세싱 모듈(260) 또는 원격 프로세싱 모듈(270)은 또한, 화자의 아이덴티티, 이를테면, 화자가 웨어러블 시스템(900)의 사용자(210) 인지 또는 사용자가 대화중인 다른 사람인지를 식별할 수 있는 음성 인식 알고리즘들을 적용할 수 있다. 일부 예시적인 음성 인식 알고리즘들은 주파수 추정, 은닉 마르코프 모델들, 가우시안 혼합 모델들, 패턴 매칭 알고리즘들, 뉴럴 네트워크들, 매트릭스 표현, 벡터 양자화, 화자 분할, 결정 트리들, 및 DTW(dynamic time warping) 기법을 포함할 수 있다. 음성 인식 기법들은 또한, 반-화자(anti-speaker) 기법들, 이를테면 코호트 모델들 및 세계 모델들을 포함할 수 있다. 스펙트럼 피처들은 화자 특징들을 표현하는 데 사용될 수 있다. 로컬 데이터 및 프로세싱 모듈 또는 원격 데이터 프로세싱 모듈(270)은 음성 인식을 수행하기 위해 도 7을 참조하여 설명된 다양한 머신 학습 알고리즘들을 사용할 수 있다.
[0095] 카메라 시스템들과 관련하여, 도 9에 도시된 예시적인 웨어러블 시스템(900)은 카메라들의 3개의 쌍들, 즉 사용자의 얼굴의 측면들에 대해 배열되는 비교적 넓은 FOV 또는 수동 SLAM 쌍의 카메라들, 입체 이미징 프로세스(940)를 다루기 위해 그리고 또한, 사용자의 얼굴의 앞에서 추적되는 손 제스처들 및 토템/오브젝트를 캡처하기 위해 사용자의 앞에 배향된 카메라들의 상이한 쌍을 포함할 수 있다. 입체 프로세스(940)를 위한 FOV 카메라들 및 카메라들의 쌍은 외향 이미징 시스템(464)(도 4에 도시됨)의 일부일 수 있다. 웨어러블 시스템(900)은 눈 벡터들 및 다른 정보를 삼각측량하기 위해 사용자의 눈들을 향해 배향되는 눈 추적 카메라들(도 4에 도시된 내향 이미징 시스템(462)의 일부일 수 있음)을 포함할 수 있다. 웨어러블 시스템(900)은 또한 장면에 텍스처를 주입하기 위해 하나 이상의 텍스처링된 광 투사기들(이를테면, IR(infrared) 투사기들)을 포함할 수 있다.
[0096] 도 10은 가상 사용자 인터페이스와 상호작용하기 위한 방법(1000)의 예의 프로세스 흐름도이다. 방법(1000)은 본원에서 설명되는 웨어러블 시스템에 의해 수행될 수 있다. 방법(1000)은 텔레프레즌스 세션에서 방법(1000)을 수행할 수 있다.
[0097] 블록(1010)에서, 웨어러블 시스템은 특정 UI를 식별할 수 있다. UI의 타입은 사용자에 의해 미리 결정될 수 있다. 웨어러블 시스템은, 특정 UI가 사용자 입력(예컨대, 제스처, 시각 데이터, 오디오 데이터, 감각 데이터, 다이렉트 커맨드(direct command) 등)에 기반하여 파퓰레이팅될 필요가 있다는 것을 식별할 수 있다. UI는 텔레프레즌스 세션에 특정적일 수 있다. 블록(1020)에서, 웨어러블 시스템은 가상 UI에 대한 데이터를 생성할 수 있다. 예컨대, UI의 경계(confines), 일반적인 구조, 형상 등과 연관된 데이터가 생성될 수 있다. 게다가, 웨어러블 시스템이 사용자의 물리적 위치에 관하여 UI를 디스플레이할 수 있도록, 웨어러블 시스템은 사용자의 물리적 위치의 맵 좌표들을 결정할 수 있다. 예컨대, 만약 UI가 신체 중심적이라면, 웨어러블 시스템은, 링 UI가 사용자 주위에서 디스플레이될 수 있거나 또는 평면형 UI가 벽 상에 또는 사용자의 앞에 디스플레이될 수 있도록 사용자의 물리적 자세, 머리 포즈, 또는 눈 포즈의 좌표들을 결정할 수 있다. 텔레프레즌스 맥락에서, 환경에서의 다른 사용자의 존재의 실체감(tangible sense) 생성하기 위해, UI는 UI가 사용자를 둘러싼 것처럼 디스플레이될 수 있다(예컨대, UI가 사용자 주위의 참여자들의 가상 아바타들을 디스플레이할 수 있다). 만약 UI가 손 중심적이라면, 사용자의 손들의 맵 좌표들이 결정될 수 있다. 이들 맵 포인트들은 FOV 카메라들을 통해 수신된 데이터, 감각 입력, 또는 임의의 다른 타입의 수집된 데이터를 통해 도출될 수 있다.
[0098] 블록(1030)에서, 웨어러블 시스템은 클라우드로부터 디스플레이로 데이터를 전송할 수 있거나 또는 데이터는 로컬 데이터베이스로부터 디스플레이 컴포넌트들로 전송될 수 있다. 블록(1040)에서, UI는 전송된 데이터에 기반하여 사용자에게 디스플레이된다. 예컨대, 광 필드 디스플레이는 사용자의 눈들 중 한쪽 또는 양쪽 다에 가상 UI를 투사할 수 있다. 일단 가상 UI가 생성되면, 블록(1050)에서, 웨어러블 시스템은 단순히 가상 UI 상에 더 많은 가상 콘텐츠를 생성하기 위해 사용자로부터의 커맨드를 기다릴 수 있다. 예컨대, UI는 사용자의 신체 또는 사용자의 환경 내의 사람(예컨대, 여행자)의 신체 주위의 신체 중심 링일 수 있다. 그런 다음, 웨어러블 시스템은 커맨드(제스처, 머리 또는 눈 움직임, 음성 커맨드, 사용자 입력 디바이스로부터의 입력 등)를 기다릴 수 있으며, 만약 그것이 인지되면(블록(1060)), 커맨드와 연관된 가상 콘텐츠가 사용자에게 디스플레이될 수 있다(블록(1070)).
웨어러블 디바이스 및 사용자의 얼굴의 이미징의 예들
[0099] 도 11은 사용자의 얼굴의 이미지들을 획득할 수 있는 예시적인 웨어러블 디바이스를 예시한다. 웨어러블 디바이스(1150)는 도 2를 참조로 설명된 바와 같은 예시적인 HMD(head-mounted device)일 수 있다. 웨어러블 디바이스(1150)는 사용자의 눈들의 관점들로부터 가상 오브젝트들을 렌더링하기 위한 머리-장착 디스플레이를 포함할 수 있는 SAR 디바이스일 수 있다. 웨어러블 디바이스에 의해 획득된 이미지들은 이미지들, 애니메이션들, 비디오로부터의 개별 프레임들, 또는 비디오를 여전히 포함할 수 있다.
[0100] 웨어러블 디바이스(1150)는 사용자(210)의 얼굴을 이미징하도록 구성될 수 있는 이미징 시스템(1160)을 포함할 수 있다. 이미징 시스템(1160)은 도 4에 도시된 내향 이미징 시스템(462)의 예일 수 있다. 예컨대, 이미징 시스템(1160)은 사용자(210)가 웨어러블 디바이스(1150)를 착용하고 있는 동안에 사용자의 눈들(1110)의 안구주위 구역을 이미징하도록 구성된 센서들, 이를테면 눈 카메라들(눈 카메라(1160a) 및 눈 카메라(1160b))을 포함할 수 있다. 이 예에서, 눈(1110b)은 도 3에 도시된 눈(302)에 대응할 수 있고 눈(1110a)은 눈(304)에 대응할 수 있다. 웨어러블 디바이스(1150)는 또한 다른 타입들의 센서들, 이를테면 예컨대 관성 측정 유닛들, 압력 센서들, 근접 센서들 등을 포함할 수 있다. 이들 센서들 중 하나 이상은 웨어러블 디바이스(1150)의 프레임 상에(예컨대, 한쪽 또는 양쪽 귀 스템 상에) 배치될 수 있다. 센서들에 의해 획득된 데이터는 웨어러블 디바이스(1150)와 사용자의 얼굴 간의 상대적 포지션을 결정하는 데 사용될 수 있다.
[0101] 각각의 눈 카메라는 FOV(field-of-view)를 가질 수 있다. 예컨대, 눈 카메라(1160a)에 대한 FOV는 구역(1120a) 및 구역(1130)을 포함할 수 있다. 눈 카메라(1160b)에 대한 FOV는 구역(1120b) 및 구역(1130)을 포함할 수 있다. 눈 카메라(1160a)의 FOV 및 눈 카메라(1160b)의 FOV는 구역(1130)에서 오버랩할 수 있다.
[0102] 도 11에 도시된 바와 같이, 이미징 시스템(1160)은 사용자(210)의 머리를 향한다. 눈 카메라(1160a)는 눈(1110a)을 이미징하도록 구성될 수 있는데 반해 눈 카메라(1160b)는 눈(1110b)을 이미징하도록 구성될 수 있다. 이 도면에서, 눈 카메라(1160a)의 광학 축(1140a)은 눈 카메라(1160b)의 광학 축(1140b)에 평행하다.
[0103] 일부 구현들에서, 눈 카메라들 중 하나 또는 둘 다는 2개의 눈 카메라들의 광학 축들이 더 이상 평행하지 않도록 회전될 수 있다. 예컨대, 2개의 눈 카메라들은 (예컨대, 특히 만약 눈 카메라들이 디바이스(1150)의 프레임의 외측 에지들 인근에 배치된다면) 약간 서로를 향할 수 있다. 이 구현은, 2개의 눈 카메라들이 더 근접한 거리의 얼굴을 이미징하게 허용하고 또한 2개의 카메라들 간의 FOV의 오버랩을 증가시킬 수 있는 내사시(cross eyed) 구성을 생성할 수 있기 때문에 유리할 수 있다.
[0104] 웨어러블 디바이스(1150)가 사용자(210)에 너무 가까울 때, 눈 카메라들은 초점에서 벗어날 수 있다. 예컨대, 사용자에 대한 안구주위 분리(예컨대, 얼굴의 왼편과 오른편 상의 안구주위 피처들 간의 거리)가 46mm(성인 남성의 경우에 전형적임)이고 2개의 눈 카메라들 각각이 66도의 수평 FOV(눈-추적에 적합함)를 갖는다고 가정하면, 웨어러블 디바이스는 얼굴과 웨어러블 디바이스 간의 거리가 적어도 약 175mm일 때 사진들을 찍을 수 있다. 많은 눈 카메라들의 렌즈들에 대한 최소 초점 거리는 대략 14mm이다. 만약 렌즈들이 고정된 초점 길이를 갖는다면, 그것들의 초점 깊이는 약 65 디옵터일 필요가 있다.
[0105] 만약 불충분한 초점 깊이가 존재할 때 이미지들이 획득된다면, 웨어러블 디바이스(1150)는 이미지들을 저해상도 이미지들로서 처리할 수 있다. 결과적으로, 웨어러블 디바이스에 의해 생성된 얼굴 모델은 더 낮은 충실도를 가질 수 있거나 또는 전체적 얼굴 피처들의 희소성 표현들을 가질 수 있다. 그러한 얼굴 모델은 여전히 사용자에 대한 안간(interocular) 분리(예컨대, 동공간(interpupillary) 거리)를 추론하는 데 사용될 수 있는데, 그 안간 거리는 웨어러블 디바이스가 사용자의 얼굴에 핏팅되었는지 여부를 결정하는 데 유용하다.
[0106] 비록 도 11에 설명된 예가 2개의 눈 카메라들을 예시하지만, 웨어러블 디바이스(1150)는 2개의 눈 카메라들을 갖도록 요구되지 않는다. 일부 실시예들에서, 이미징 시스템(1160)은 사용자의 얼굴을 이미징하는 단안 카메라(one eye camera)를 포함할 수 있다. 단안 카메라는 한쪽 눈과 연관된 안구주위 구역 또는 양쪽 눈들에 대한 안구주위 구역들을 이미징하도록 구성될 수 있다. 다른 실시예들에서, 웨어러블 디바이스(1150)는 2개 초과의 눈 카메라들을 포함할 수 있다.
[0107] 웨어러블 디바이스(1150)는 이미징 시스템(1160)에 의해 획득된 사용자의 얼굴의 이미지들을 사용하여 사용자의 얼굴의 모델을 구축할 수 있다. 사용자가 디바이스를 착용하고 있거나 벗을 때, 이미지들이 이미징 시스템(1160)에 의해 획득될 수 있다. 이미지들은 또한 (도 4에 도시된) 외향 이미징 시스템(464)을 사용하여 사용자의 얼굴을 스캔함으로써 획득될 수 있다. 예컨대, 외향 이미징 시스템(464)을 사용하여 사용자의 얼굴을 스캔하기 위해, 외향 이미징 시스템(464)이 (사용자의 환경 보다는) 사용자의 얼굴을 향하도록 사용자는 웨어러블 디바이스(1150)를 회전시킬 수 있다. 웨어러블 디바이스는 웨어러블 디바이스의 초기화 페이즈 동안에, 이를테면 예컨대 사용자가 먼저 웨어러블 디바이스를 사용할 때 또는 사용자가 웨어러블 디바이스를 턴 온시킬 때, 사용자의 얼굴의 모델을 생성할 수 있다. 이미징 시스템(1160)에 의해 획득된 이미지들을 사용하여 얼굴 모델을 생성하는 예들은 "MODEL CAPTURE BY AN AUGMENTED REALITY DEVICE"라는 명칭의 미국 가출원 번호 제62/400,907호에 또한 설명되어 있으며, 이로 인해 그 미국 가출원의 개시내용은 그 전체가 인용에 의해 본원에 포함된다.
[0108] 사용자의 얼굴의 모델은 사용자에 특정적인 기본 모델 및 데이터에 기반하여 생성될 수 있다. 예컨대, 웨어러블 디바이스는 사람들의 그룹과 연관된 데이터로부터 사전-생성된 기본 모델을 사용하고, 그리고 웨어러블 디바이스에 의해 획득된 이미지들을 분석함으로써 획득된 사용자 특정 정보에 기반하여 기본 모델을 맞춤화할 수 있다. 일부 구현들에서, 기본 모델은 웨어러블 디바이스의 사용자에 대한 유사한 인구통계학적 정보를 갖는 사람들의 그룹과 연관될 수 있다. 예컨대, 만약 사용자가 10대 여성이라면, 웨어러블 디바이스는 전형적인 10대 여성과 연관된 기본 모델에 액세스할 수 있다. 다른 예로서, 만약 사용자가 특정 성별 및/또는 인종 그룹에 속한다면, 웨어러블 디바이스는 그 성별 및/또는 인종 그룹에 공통적인 기본 모델에 액세스할 수 있다. 웨어러블 디바이스는 또한, 사람들의 그룹 또는 사용자와 연관된 이미지들에 대한 통계 분석에 기반하여 맵 상에서 특정 얼굴 피처의 위치의 가능성을 결정할 수 있다. 그런 다음, 웨어러블 디바이스는 그 가능성을 업데이트하거나, 또는 사용자에 특정적인 획득된 이미지들에 기반하여 안구주위 피처의 위치를 확인할 수 있다.
[0109] 이미지에서 안구주위 피처들의 존재를 식별하는 것에 부가하여 또는 이에 대안적으로, 웨어러블 디바이스는 내향 이미징 시스템에 의해 획득된 이미지들을 분석하여 그 웨어러블 디바이스와 사용자 간의 상대적 포지션을 결정할 수 있다. (도 4에 도시된) 내향 이미징 시스템(462)의 눈 카메라들은 그들의 FOV 내의 이미지들을 계속해서 획득할 수 있다. 눈 카메라들은 또한, 단지 트리거에 기반하여 이미지들을 획득하도록 구성될 수 있다. 예컨대, 사용자가 웨어러블 디바이스를 착용하고 있을 때(IMU에 기반하여 웨어러블 디바이스의 움직임에 의해 결정됨), 눈 카메라들은 하나 이상의 이미지들을 캡처하도록 트리거될 수 있다. 대안적으로, 눈 카메라들은 선택된 빈도로 이미지들을 캡처할 수 있다. 빈도는 임의의 원하는 시간 인터벌, 이를테면 매 수 초 또는 수 분일 수 있고, 빈도는 이미지들을 사용하는 시스템의 요건들에 의존하여 변할 수 있다.
[0110] 웨어러블 디바이스는 또한 사용자 특정한 이미지들에 기반하여 얼굴 모델을 구축할 수 있다. 예컨대, 웨어러블 디바이스는 오로지 내향 이미징 시스템에 의해 또는 외향 이미징 시스템에 의해 획득된 이미지들로부터만 사용자의 얼굴의 모델을 생성할 수 있다. 일부 구현들에서, 웨어러블 디바이스는 사용자 얼굴의 더 많은 이미지가 획득될 때 사용자의 얼굴 모델을 업데이트할 수 있다. 예컨대, 웨어러블 디바이스는 사용자가 디바이스를 착용하고 있을 때 내향 이미징 시스템에 의해 획득된 이미지들에 기반하여 얼굴 모델을 생성할 수 있다. 웨어러블 디바이스는 사용자가 디바이스를 벗을 때 또는 사용자가 디바이스를 다시 착용하고 있는 다음 세션에서 획득된 새로운 이미지들에 기반하여 얼굴 모델을 업데이트할 수 있다.
[0111] 이들 예들은 웨어러블 디바이스를 사용하여 얼굴 모델을 구축하거나 사용자의 얼굴의 맵을 생성하는 것을 언급하지만, 일부 실시예들은 얼굴 모델을 생성하거나 그렇지 않으면 획득하기 위해 원격 컴퓨팅 디바이스와 통신하는 웨어러블 디바이스를 포함할 수 있다. 예컨대, 웨어러블 디바이스는 사용자의 얼굴의 이미지들을 획득하고, 이미지들(단독으로 또는 예컨대, 사용자의 인구통계학적 정보와 같은 사용자의 다른 정보와 조합하여)을 원격 컴퓨팅 디바이스(예컨대, 이를테면, 서버)에 전달할 수 있다. 원격 컴퓨팅 디바이스는 이미지들을 분석하고 얼굴 모델을 생성하며, 얼굴 모델을 사용자의 웨어러블 디바이스로 전달하거나 또는(예컨대, 텔레프레전스(telepresence) 세션 동안) 얼굴 모델을 다른 사용자의 웨어러블 디바이스로 전달할 수 있다.
[0112] 또한, 웨어러블 디바이스의 핏팅 또는 제거를 결정하거나 가상 이미지들의 렌더링 위치를 조정하는 것에 부가하여 또는 이에 대안적으로, 얼굴 모델은 또한 사용자 식별을 수행하는 데 사용될 수 있다. 이미지들에 기반하여 사용자의 아이덴티티를 결정하는 예로서, 웨어러블 디바이스는 획득된 이미지들(예컨대, 얼굴 형상, 피부 톤, 코, 눈들, 볼들의 특징들 등)에 다양한 안면 인식 알고리즘들을 적용함으로써 사용자의 얼굴 피처들을 분석할 수 있다. 일부 예시적인 안면 인식 알고리즘들은, 아이겐페이스(eigenface)들을 이용한 주요한 컴포넌트 분석, 선형 판별 분석(linear discriminant analysis), 피셔페이스(Fisherface) 알고리즘을 이용한 EBGM(elastic bunch graph matching), 은닉 마르코프 모델, 텐서 표현(tensor representation)을 이용한 다선형 부분공간 학습(multilinear subspace learning) 및 신경 자극 동적 링크 매칭(neuronal motivated dynamic link matching), 또는 3D 안면 인식 알고리즘을 포함한다. 디바이스는 또한 이미지들을 분석하여 홍채를 식별하고 각각의 개인에 고유한 생체인식 서명(예컨대, 홍채 코드)을 결정할 수 있다.
[0113] 웨어러블 디바이스는 또한, 디바이스가 사용자 얼굴에 착용되어 있거나 벗겨진 동안 웨어러블 디바이스에 의해 획득된 이미지들에 기반하여 이미지 등록을 수행할 수 있다. 이미지 등록으로부터 획득된 결과적인 이미지는 사용자의 얼굴에 부가하여 또는 이에 대안적으로 사용자의 환경의 일부(예컨대, 사용자의 룸 또는 사용자 인근의 다른 사람)를 포함할 수 있다.
안구주위 구역을 이미징하는 예들
[0114] 도 11을 참조로 설명된 바와 같이, 이미징 시스템(1160)에 의해 획득된 이미지들은 사용자의 안구주위 구역의 일부를 포함할 수 있다. 안구주위 구역은 하나 이상의 안구주위 피처 또는 안구주위 피처들 중 일부들을 포함할 수 있다. 안구주위 피처들은 예컨대, 눈, 안와(eye socket), 눈썹, 코, 볼 또는 이마를 포함할 수 있다. 얼굴의 다른 피처들 또는 사용자-특정한 세부사항들이 또한 안구주위 피처들로 고려될 수 있다.
[0115] 도 12a는 이를테면, 사용자의 안구주위 구역(1270)을 이미징하는 HMD 카메라로부터 획득될 수 있는, 한쪽 눈에 대한 안구주위 구역(1270)의 예시적 이미지(1200a)를 예시한다. 이 예에서, 안구주위 구역(1270)은 특정한 피처들, 이를테면, 눈(1210a), 안와, 눈썹(1220a), 코(1230a)의 일부들, 볼(1240a) 및 이마(1250a)를 포함한다. 각각의 안구주위 피처는 안구주위 피처와 연관된 다양한 특징들을 가질 수 있다. 특징들은 각각 상이한 안구주위 피처에 특정적일 수 있다. 예컨대, 안구주위 피처 눈썹(1220a)은 눈썹들의 형상, 눈썹의 컬러, 눈썹의 움직임 가능성 또는 움직임 방향들 등을 포함하는 특징들을 가질 수 있다. 안구주위 피처 눈(1210a)은 예컨대, 형상, 사이즈, 눈꼬리(eye corner)들의 위치, 시선 방향, 동공 위치, 안구 중심의 위치, 눈꺼풀의 형상 및 주름들, 안구 주위의 피부 조직 등과 같은 특징들을 가질 수 있다. 다수의 다른 특징들이 또한 각각의 안구주위 피처를 식별 및 추적하는 데 사용될 수 있다. 하나 이상의 안구주위 피처의 하나 이상의 특징은 키포인트들, 포인트 클라우드들 또는 다른 타입의 수학적 표현들에 의해 표현될 수 있다.
[0116] 웨어러블 디바이스는 SIFT(Scale-Invariant Feature Transform), SURF(Speeded Up Robust Features), ORB(Oriented Fast and Rotated BRIEF), BRISK(binary robust invariant scalable keypoints) FREAK(fast retina keypoint) 등과 같은 시각적 키포인트 기법들 또는 뉴럴 네트워크를 사용하여 안구주위 피처들 및 연관된 특징들을 컴퓨팅 및 추적할 수 있다. 일부 실시예들에서, 특정 얼굴 피처는 그 특정한 안구주위 피처에 대해 특별히 설계된 검출기를 사용하여 추적될 수 있다. 예컨대, 눈꼬리들, 코 피처들, 입꼬리들 등과 같은 안구주위 피처 특징들은 다양한 알고리즘들을 사용하여 별개로 식별 및 추적될 수 있다. 이러한 안구주위 피처 특징들 중 하나 이상을 별개로 추적하는 것은 유익할 수 있는데, 그 이유는 사용자가 얼굴 표정을 짓거나 말하는 동안 각각의 안구주위 피처 및/또는 특징이 상당한 모션을 취하는 경향이 있기 때문이다. 이러한 안구주위 피처들 및 특징들을 추적하는데 사용되는 알고리즘들은 이동 범위를 고려할 수 있다. 예로서, 일부 안구주위 피처들 및/또는 연관된 특징들은 특정 방향들로 움직일 가능성이 있고 그리고/또는 다른 방향들에서 보다 안정하게 유지될 가능성이 있다(예컨대, 눈썹들은 왼쪽 또는 오른쪽이 아니라 위 또는 아래로 움직이는 경향이 있음).
[0117] 웨어러블 디바이스는 통계적으로 안구주위 피처들의 움직임들을 분석할 수 있다. 이러한 통계는 얼굴 피처들이 특정 방향으로 움직일 가능성을 결정하는 데 사용될 수 있다. 일부 실시예들에서, 하나 이상의 안구주위 피처들 또는 특징들은, 프로세싱 요건을 감소시키거나 신뢰성을 개선시키기 위해, 제거되거나 추적되지 않을 수 있다. 신뢰성을 개선하는 것이 바람직한 예시에서, 다른 것들보다 에러가 발생하기 쉬운 안구주위 피처들 또는 특징들을 무시하거나 마스킹하는 것이 유리할 수 있다. 예컨대, 도 12b를 참조로 설명된 일부 실시예들에서, 웨어러블 디바이스는 눈(1210b)의 중심 영역(1212)에서의 픽셀들을 무시할 수 있어, 안구주위 구역(1270)에서의 다른 안구주위 피처들 또는 특징들을 추적할 때 눈 움직임이 HMD에 의해 인식되지 않는다.
[0118] 웨어러블 디바이스는 또한 순차적 베이지안 추정기(예컨대, 칼만 필터, 확장 칼만 필터 등), 번들 조정 등과 같은 vSLAM(visual simultaneous location and mapping) 기법들을 사용하여 안구주위 피처들 및 특징들을 식별 및 추적할 수 있다. 일부 실시예들에서, 웨어러블 디바이스는 사용자의 깊이 지각들 및 맵핑을 허용하도록 구성될 수 있다. 예컨대, 웨어러블 디바이스는 하나 이상의 카메라들에 의해 획득된 데이터로부터 얼굴의 적어도 일부를 인코딩하는 밀집 맵을 구성할 수 있다. 키포인트 맵과 대조적으로, 밀집 맵은 3D 형상이 측정되는 얼굴의 구역들 또는 패치들을 포함할 수 있다. 패치들 또는 구역들은 반복적인 근접 알고리즘 또는 유사한 알고리즘들과 같은 기법들을 사용하여 사용자의 얼굴에 대한 HMD의 위치를 컴퓨팅하는 데 사용될 수 있다.
[0119] 웨어러블 디바이스 상의 카메라에 의해 캡처된 안구주위 구역 내의 사이즈와 콘텐츠는 눈 카메라의 FOV에 의존할 수 있다. 일부 구현들에서, 눈 카메라는 캡처된 안구주위 구역 내의 모든 인식가능한 안구주위 피처들을 핏팅하기 위한 큰 FOV를 갖지 않을 수 있다. 예컨대, 눈 카메라에 의해 캡처된 이미지들은 안와를 포함할 수 있지만 눈썹은 포함하지 않을 수 있다. 카메라의 기술 사양들에 따라 어떤 안구주위 피처들이 안구주위 구역의 다수의 캡처된 프레임들에 그대로 존재할 가능성이 가장 높은지 그리고 어떤 안구주위 피처들이 추적하기에 가장 신뢰할 수 있는지를 결정할 수 있다.
[0120] 도 11을 참조로 설명된 바와 같이, 일부 상황들에서는, 각각의 눈 카메라가 눈을 이미징하도록 구성되더라도, 2개의 눈 카메라들(왼쪽 눈용 하나 그리고 우측 눈용 하나)은, 오버랩핑 안구주위 구역들이 카메라들에 의해 이미징되도록, 오버랩핑 FOV(1130) 영역을 가질 수 있다. 이는 두 카메라들의 FOV가 충분히 넓고, 카메라들이 사용자의 얼굴의 중심을 향해 내향으로 각지며, 카메라들이 서로 인근에 포지셔닝되기 때문이고, 그리고/또는 두 카메라들이 사용자로부터 충분히 멀리 떨어져 있기 때문일 수 있다. 결과적으로, 사용자의 얼굴의 일부, 전형적으로 중심 부분(예컨대, 코)이 양안 카메라들(both eye cameras)에 의해 캡처될 수 있다. 웨어러블 디바이스는 2개의 카메라들로부터 획득된 이미지들을 조합하고, 조합된 이미지가 안구주위 피처들을 포함하는지 여부를 결정할 수 있고, 만약 안구주위 피처들이 이미지들 내에 존재한다고 결정된다면, 웨어러블 디바이스는 안구주위 피처들을 식별할 수 있다.
[0121] 일부 구현들에서, 눈 카메라들에 의해 획득된 이미지들은 눈 카메라들이 초점에서 벗어날 수 있기 때문에 저해상도 이미지들일 수 있다. 탈초점 또는 저해상도 이미지들은 웨어러블 디바이스의 착용가능한 또는 부적절한 포지셔닝 또는 움직임의 하드웨어 내 물리적 제한들로부터 기인할 수 있다. 예컨대, 탈초점 이미지들은 눈 카메라들이 사용자의 얼굴에 너무 가깝거나 너무 멀리 떨어져 있는 것에 의해 유발될 수 있다. 대안적으로, 일부 실시예들에서, 보다 저해상도 이미지들을 캡처하는 것이 바람직할 수 있다. 예컨대, 웨어러블 디바이스는 (예컨대, 사용자의 얼굴과 웨어러블 디바이스 간의 상대적 포지션을 결정하기 위해) 안구주위 피처들을 추적하는 데 고품질 이미지들을 필요로 하지 않을 수 있으며, 고해상도 이미지들의 사용은 유용한 출력 개선을 제공하지 않으면서 웨어러블 디바이스의 소프트웨어 및 하드웨어 시스템들에 보다 많은 요구를 부과할 수 있다. 프로세싱 시간, 샘플링 빈도, 전력 소비 및 다른 메트릭들의 면에서 웨어러블 디바이스에 대한 요구를 최소화하기 위해, 눈 이미저로부터 획득된 이미지들의 해상도는 이미지들의 오리지널 해상도 또는 다른 애플리케이션들(예컨대, 눈-추적)에서 사용되는 해상도에 비해 안구주위 피처들을 검출하고 식별하는데 필요한 최소 해상도로 다운-샘플링될 수 있다. 예컨대, 눈 카메라들은 사용자의 시선의 방향을 추적하는 목적을 위해 사용자의 눈들을 이미징할 수 있다. 눈 카메라들에 의해 획득된 이미지들은, 사용자의 얼굴과 웨어러블 디바이스 간의 상대적 포지션을 결정하는데 사용하기 위해, 웨어러블 디바이스에 의해 다운사이징될 수 있다. 이 구현은 웨어러블 디바이스가 상대적 포지션을 결정하기 위해 안구주위 구역의 상세한, 고-해상도 정보를 필요로 하지 않을 수 있기 때문에 유리할 수 있다.
[0122] 일부 상황들에서, 웨어러블 디바이스는 눈 카메라의 해상도를 동적으로 변경할 수 있다. 눈 카메라의 해상도는 타이밍, 사용자의 눈들에 대한 디바이스 포지션, 또는 캡처된 이미지들의 의도된 사용에 기초하여 선택될 수 있다. 예컨대, 사용자의 얼굴의 더 큰 부분이 사용자의 얼굴의 모델을 구성하는 데 사용하기 위해 이미징되도록, 사용자의 얼굴의 이미지들을 정상 휴식 사용 포지션보다 더 멀리 떨어진 거리로부터 캡처하는 것이 유리할 수 있다. 사용자가 웨어러블 디바이스를 착용하고 있을 때 이러한 이미지들이 가장 잘 캡처된 것임이 결정될 수 있다. 눈 카메라의 해상도는 사용자가 웨어러블 디바이스를 착용하고 있을 때 고해상도로 세팅될 수 있어, 사용자의 전체 얼굴의 고해상도 사진들이 사용자의 얼굴의 모델을 생성하는데 사용하기 위해 이용가능하다. 웨어러블 디바이스가 사용자에게 접촉되어 있는 동안, 눈 카메라의 해상도는 저해상도로 세팅되어, 눈 카메라가 다른 프로세싱 애플리케이션들의 속도를 저하시키지 않고 웨어러블 디바이스가 적소에 있는지 여부를 계속해서 테스트할 수 있다. 다양한 실시예들에서, 저해상도는 고해상도보다 작은 팩터일 수 있는데, 여기서 팩터는 1 미만, 예컨대 0.5, 0.25, 0.1 또는 그 미만이다.
안구주위 구역의 마스킹 부분들의 예들
[0123] 도 12b는 안구주위 구역(1270)의 예시적 이미지를 예시하는데, 여기서는 이미지에서 안구주위 구역의 일부가 웨어러블 디바이스에 의해 마스킹 아웃된다. 이 예에서, 눈 카메라는 안구주위 구역(1270)의 이미지(1200b)를 획득한다. 이미지(1200b)는 안구주위 구역(1270)이 눈썹(1220b), 눈(1210b), 그리고 코(1230b), 볼(1240b) 및 이마(1250b)의 일부들을 포함할 수 있음을 도시한다.
[0124] 안구주위 구역의 이미지(1200b)의 일부는 마스킹되어(이를테면, 이미지 분석으로부터 무시되거나 또는 배제됨) 눈의 생물학적 상태로부터 발생하는 변동들(이를테면, 눈 포즈, 동공 확장, 깜박임 등의 변경들)을 감소시킬 수 있다. 눈의 특징들, 이를테면 눈 컬러, 안구의 포지션 등은 또한 여러 사람들 사이에서 상당히 가변적일 수 있다. 눈의 생물학적 상태와 관련된 변수들과 조합하여 이러한 변동들은, 웨어러블 디바이스가 사용자의 눈에 대해 웨어러블 디바이스의 포지션이 변경되었는지 여부를 결정하고 있을 때 잡음 및 에러를 유발할 수 있다. 따라서, 이미징되고 있는 안구주위 구역의 상당히 가변적인 부분을 마스킹하는 것은 에러를 감소시킬 수 있고, 또한 이미지를 분석하는데 필요한 컴퓨테이션의 양을 감소시킬 수 있다. 예컨대, 도 12에 도시된 바와 같이, 안구주위 구역(1270)에 도시된 눈(1210b)의 중심 영역(1212)은 이미지 분석 동안 무시되도록 마스킹될 수 있다. 일부 실시예들에서, 중심 영역(1212)은 눈의 홍채 및/또는 공막을 포함한다. 결과적으로, 웨어러블 디바이스는 안구주위의 중심 영역(1212)에서 무시된 픽셀들을 둘러싸는 안구주위 구역의 이미지(1200b)를 분석하는 동안, 영역(1212) 내의 정보를 분석하지 않을 것이다. 중심 영역(1212)은 안구주위 피처들 또는 안구주위 피처들의 특징들을 사용하여 자동으로 정의되고 한정될 수 있다.
[0125] 안구의 노출된 부분들에서 발생하는 정반사들도 또한 마스킹될 수 있다. 이러한 구현은 사용자의 얼굴과 웨어러블 디바이스 간의 상대적 포지션을 결정할 때 정확도를 개선하는 데 특히 유리하다. 사용자가 환경에서 이리저리 움직일 때, 사용자의 눈으로부터의 정반사들은 생물학적 팩터들, 이를테면 사용자가 어디를 보고 있는지에 기반하여 변할 수 있고, 또한 외부 팩터들, 이를테면 사용자가 현재 무엇을 보고 있는지, 환경 광원들의 변경들, 광원들의 거리들의 변경들 등에 기반하여 변할 수 있다. 그러나, 정반사의 변경들은 사용자의 얼굴과 웨어러블 디바이스 간의 상대적 포지션의 변화에 때때로 기인할 수 있지만, 항상 그렇지는 않다. 따라서, 이 정보는 사용자의 눈과 웨어러블 디바이스 간의 상대적 포지션을 결정하는 목적을 위해 신뢰할 수 없으므로 이 정보를 무시하는(또는 분석하지 않는) 것이 유리할 수 있다.
안구주위 피처들을 식별하는 예들
[0126] 웨어러블 디바이스는 안구주위 구역에서 안구주위 피처들을 식별하도록 머신 학습 모델을 트레이닝하기 위해 눈 카메라들에 의해 획득된 이미지들을 사용할 수 있다. 웨어러블 디바이스는 또한 식별을 수행하기 위해 오브젝트 인식기들(708)(도 7에 설명됨)을 사용할 수 있다. 오브젝트 인식기들(708)은 눈 카메라들에 의해 획득된 이미지들로부터 트레이닝된 머신 학습 모델을 구현할 수 있다. 안구주위 구역은 한쪽 또는 양쪽 눈들과 연관될 수 있다. 머신 학습 모델은 안구주위 피처들 또는 사람들의 그룹에 일반적인 또는 개인에게 특정적인 안구주위 피처들과 연관된 특성들을 사용하여 트레이닝될 수 있다. 예컨대, 웨어러블 디바이스는 안구주위 피처들, 이를테면 사용자의 눈썹들 및 안와의 특징들에 기반하여 머신 학습 모델을 트레이닝할 수 있다. 다른 예로서, 웨어러블 디바이스는 안구주위 피처들 및/또는 사용자와 동일하거나 유사한 민족성(ethnicity)을 갖는 다른 사람들의 안구주위 피처들의 연관된 특징들을 사용하여 머신 학습 모델을 트레이닝할 수 있다.
[0127] 안구주위 피처들의 검출 및 식별은 뉴럴 네트워크 기법들(이를테면, 희소 오토-인코더 또는 유사한 클러스터링 기법들 또는 많은 은닉된 층들을 사용하는 딥 뉴럴 네트워크) 또는 다른 머신 학습 알고리즘들을 사용하여 자동으로 수행될 수 있다. 일부 구현들에서, 머신 학습 모델은 그의 애플리케이션에 기반하여 맞춤화될 수 있다. 예컨대, 만약 머신 학습 모델이 웨어러블 디바이스가 사용자의 얼굴에 핏팅되었는지 여부를 결정하기 위해 사용된다면, 머신 학습 모델은 안구주위 피처들의 상세한 특징들, 이를테면 눈썹들 및 안구들의 위치를 식별하도록 트레이닝될 수 있다. 다른 예로서, 만약 머신 학습 모델이 사용자가 웨어러블 디바이스를 제거했는지 여부를 검출하기 위해 사용된다면, 머신 학습 모델은 사용자의 얼굴의 안구주위 피처들의 상세한 특징들을 학습할 필요가 없을 수 있다. 오히려, 최소 세트의 안구주위 피처들, 이를테면 사용자의 안와 및 코를 식별하는 것으로 충분할 수 있다.
HMD와 사용자의 얼굴 간의 상대적 포지션을 결정하는 예들
[0128] 웨어러블 디바이스는 웨어러블 디바이스 상의 카메라들에 의해 캡처된 이미지에서 안구주위 구역의 안구주위 피처들을 식별할 수 있고, 식별된 안구주위 피처들 및 이들의 특징들을 사용하여 웨어러블 디바이스와 사용자의 얼굴 간의 상대적 포지션을 결정할 수 있다. 특정 실시예들에서, 웨어러블 디바이스는 각각의 눈에 대해 별개로 웨어러블 디바이스와 사용자 간의 상대적 포지션을 계산할 수 있다. 예컨대, 웨어러블 디바이스가, 각각 사용자의 하나의 안구주위 구역을 이미징하도록 구성된 2개의 눈 카메라들을 가질 때, 웨어러블 디바이스는 왼쪽 눈과 왼쪽 눈 카메라 간의 하나의 상대적 포지션 및 오른쪽 눈과 오른쪽 눈 카메라 간의 다른 상대적 포지션을 계산할 수 있다. 그런 다음 왼쪽 눈과 웨어러블 디바이스 간의 그리고 오른쪽 눈과 웨어러블 디바이스 간의 상대적 포지션들이 계산될 수 있다. 일부 실시예들에서, 눈들과 웨어러블 디바이스 간의 거리들을 계산하는 것은 또한, 카메라들 자체에 대한 알려진 기술적 세부사항들, 이를테면 시야, 초점 길이 등 외에도 웨어러블 상의 눈 카메라들의 포지션들에 대한 알려진 기하학적 정보에 의존할 수 있다.
[0129] 웨어러블 디바이스가 개개의 눈들에 대한 상대적 포지션들을 별개로 추적할 수 있지만, 웨어러블 디바이스는 또한 양쪽 눈들과 웨어러블 디바이스 간의 상대적 포지션 정보를 조합하도록 구성될 수 있다. 대안적으로, 웨어러블 디바이스는 사용자의 왼쪽 및 오른쪽 눈들 둘 모두를 동시적으로 이미징할 수 있는 단안 카메라를 포함할 수 있다. 다른 실시예들에서, 웨어러블 디바이스 상의 단일 눈 카메라가 오직 한쪽 눈의 안구주위 구역을 이미징할 수 있고, 그로부터 사용자에 대하여 HMD의 상대적 포지션 데이터가 추론될 수 있다. 2개보다 많거나 적은 카메라들이 사용자의 하나 이상의 안구주위 구역들을 이미징하기 위해 사용될 수 있고, 사용되는 카메라들의 수는 카메라의 기술 사양들 및 원하는 타입들 및 특정 애플리케이션 또는 추적 알고리즘에 필요한 이미지들의 수에 의존할 수 있다.
[0130] 본원에서 추가로 설명되는 바와 같이, 사용자의 얼굴과 웨어러블 디바이스 간의 상대적 포지션들은 웨어러블 디바이스와 사용자 간에 포지션 시프트가 발생했는지 여부를 결정하기 위해 사용될 수 있다. 일부 실시예들에서, 포지션 시프트의 검출은 웨어러블 디바이스의 디스플레이로 하여금 가상 오브젝트들의 렌더링 위치들을 조정하게 할 수 있어서 렌더링된 가상 콘텐츠는 사용자의 눈들과 정확하게 정렬될 수 있다. (이를테면 웨어러블 디바이스가 한쪽으로 기울어질 때) 왼쪽 눈과 웨어러블 디바이스 간의 상대적 포지션이 오른쪽 눈과 웨어러블 디바이스 간의 상대적 포지션과 상이할 수 있기 때문에, 가상 오브젝트의 렌더링 위치에 대한 조정은 왼쪽 눈 디스플레이 및 오른쪽 눈 디스플레이에 대해 상이할 수 있다.
[0131] 도 13a-13c는 사용자의 얼굴에 대하여 다양한 예시적인 상대적 포지션들을 갖는 웨어러블 디바이스로부터 안구주위 구역들의 예들을 예시한다. 웨어러블 디바이스는 HMD일 수 있다. 도 13a는 왼쪽 및 오른쪽 동공 중심들(1318a, 1318b)과 정렬된 HMD의 기준선(1314)에 의해 표시된 바와 같이, HMD(픽처되지 않음)가 사용자의 얼굴에 대하여 이의 정상 휴식 포지션에 있는 예를 예시한다. 도 13b는 HMD가 도 13a의 정상 휴식 포지션에 대해 한쪽으로 기울어진 예를 예시한다. 도 13c는 HMD가 도 13a의 정상 휴식 포지션과 비교하여 전방향으로 기울어지거나 시프트된(예컨대, HMD가 사용자의 코 아래로 슬라이딩된) 예를 예시한다. 이들 예시적인 도면들에서, 사용자(1310)는 안구주위 구역들(1312a, 1312b)을 이미징하기 위해 적어도 2개의 눈 카메라들을 갖는 HMD를 착용하고 있다. 도 13a에 도시된 바와 같이, 단안 카메라는 안구주위 구역(1312a)을 이미징하도록 구성되는 한편 다른 눈 카메라는 안구주위 구역(1312b)을 이미징하도록 구성되지만; 사용자의 하나 이상의 안구주위 구역들을 캡처하기 위해 더 많거나 더 적은 눈 카메라들이 사용될 수 있다. 예컨대, 충분한 시야를 갖는 단일 눈 카메라가 안구주위 구역들(1312a, 1312b) 둘 모두를 이미징할 수 있다. 이 예들에서, 정상 휴식 포지션은 HMD와 연관된다. 일부 구현들에서, 정상 휴식 포지션은 사용자의 눈과 연관될 수 있다.
[0132] 웨어러블 디바이스는 HMD와 사용자 간의 상대적 포지션을 결정하기 위해 단안 또는 양안 카메라들에 의해 획득된 이미지들을 분석할 수 있다. HMD는 HMD의 정상 휴식 포지션을 결정할 수 있고, 정상 휴식 포지션으로부터의 포지션 편차에 기반하여 사용자에 대하여 HMD의 상대적 포지션을 결정할 수 있다. HMD의 정상 휴식 포지션은 웨어러블 디바이스의 초기화 페이즈 동안 결정 및 교정될 수 있다. 예컨대, 사용자가 먼저 웨어러블 디바이스를 사용할 때, 웨어러블 디바이스는 얼굴 모델(예컨대, 사용자의 얼굴의 맵)을 구축하고 얼굴 모델에 기반하여 HMD의 정상 휴식 포지션을 결정할 수 있다. 도 14a 및 14b를 참조하여 추가로 설명된 바와 같이, HMD가 정상 휴식 포지션에 있을 때, HMD는 가상 오브젝트들의 렌더링 위치를 조정할 필요가 없을 수 있다. 추가로, 만약 HMD가 정상 휴식 포지션에 있다면, HMD는 HMD가 사용자의 얼굴에 핏팅되었다고 결정할 수 있다(예컨대, 도 13a 참조). HMD는 사용자의 얼굴에 대한 HMD의 핏팅을 자동으로 평가하기 위해 사용될 수 있는 하나 이상의 핏팅 적합성 파라미터들(아래에서 추가로 설명됨)을 결정할 수 있다. 핏팅 적합성 파라미터들은 예컨대, HMD와 사용자의 눈들 간의 상대적 거리, 사용자의 얼굴에 대한 HMD의 기울어짐 또는 시프트의 양, IPD(interpupillary distance), 디스플레이에 대한 동공들의 중심들의 위치들, 동공들에 대한 HMD의 기준선의 포지션 등 중 하나 이상을 포함할 수 있다.
[0133] 사용자가 웨어러블 디바이스를 사용하고 있는 동안, 웨어러블 디바이스는 다양한 기법들을 사용하여 HMD와 사용자 간의 상대적 포지션을 계속 추적할 수 있다. 예컨대, 웨어러블 디바이스는 안구주위 피처들과 연관된 시각적 키포인트들을 식별 및 추적할 수 있다. 안구주위 피처들과 연관된 시각적 키포인트들의 움직임은 사용자의 눈들 및 얼굴에 대한 HMD의 상대적 모션을 표시할 수 있다. 일부 실시예들에서, 웨어러블 디바이스는 또한, 얼굴에 대한 HMD의 위치를 컴퓨팅하기 위해, 사용자의 얼굴의 밀집 맵에 대하여, 획득된 이미지들에서 식별된 얼굴의 구역을 매칭시킬 수 있다. 다른 예로서, HMD는 HMD(또는 HMD의 컴포넌트, 이를테면 눈 카메라)로부터 사용자(1310)의 눈들까지의 거리를 검출 또는 계산할 수 있다. 만약 HMD의 거리가 특정 거리 임계치를 넘는다면(예컨대, HMD가 너무 가깝거나 또는 너무 멀리 있을 때), HMD는 HMD가 사용자(1310)에 거의 핏팅되지 않았다고 결정할 수 있고, 픽셀들의 렌더링 위치들이 조정될 필요가 있음을 결정할 수 있다. 다른 한편으로는, 만약 HMD와 사용자의 눈들 간의 검출 또는 계산된 거리가 임계치 범위 내에 있다면, 웨어러블 디바이스는 HMD가 사용자에 용인가능하게 핏팅되고 픽셀들이 조정될 필요가 없을 것임을 결정할 수 있다.
[0134] 이는 HMD가 사용자의 눈들에 대하여 비대칭적으로 시프트하는 것일 수 있다. 예컨대, 도 13b에 도시된 바와 같이, HMD는 한쪽으로 기울어져 있을 수 있다. 그러한 포지션에서, HMD와 왼쪽 눈 간에 검출 또는 계산된 거리는 HMD와 오른쪽 눈 간에 검출 또는 계산된 거리와 상이할 수 있다. 예컨대, 도 13b에 도시된 바와 같이, 사용자의 오른쪽 눈(1324b)과 HMD 간의 거리는 사용자의 왼쪽 눈(1324a)과 HMD 간의 거리보다 더 작을 수 있다. HMD는, HMD가 어느 방향으로 기울어져 있는지를 계산하기 위해, 그리고/또는 기울어짐의 정도를 계산하기 위해, 이 차이를 큐로서 사용할 수 있다. 방향 및 기울어짐의 정도는 사용자의 눈들에 대한 HMD의 기울어짐을 수용하는 데 필요한 렌더 위치 조정의 방향 및 크기를 결정하는 데 사용될 수 있다.
[0135] 다른 예로서, HMD는 사용자의 눈들에 대하여 HMD의 위치 및/또는 HMD의 핏팅을 결정하기 위한 파라미터들 중 하나로서 IPD를 사용할 수 있다. HMD는 눈 카메라들로부터 획득된 이미지들에 기반하여 사용자의 IPD를 검출 및/또는 계산하는 것이 가능할 수 있다. 일부 실시예들에서, HMD 상의 눈 카메라들의 기하학적 배치의 지식, 눈 카메라들의 배향에 관한 상세사항(specifics), 그리고 카메라 시야, 초점 거리, 및 다른 기술적 세부사항들에 관한 정보가 또한, 사용자 IPD를 계산하는 데 사용될 수 있다.
[0136] HMD는 (예컨대, 동공간 거리들의 용인가능한 값들을 저장하는 데이터베이스에 액세스함으로써) 사용자(1310)에 대해 용인가능한 IPD 범위를 획득할 수 있다. 용인가능한 동공간 거리는 사용자(1310)에 대해 구체적으로 결정된 거리 또는 거리들의 범위일 수 있거나, 또는 사람들의 그룹으로부터의 데이터에 기반하여 결정될 수 있다. HMD는 사용자의 IPD를 용인가능한 IPD 범위와 비교할 수 있다. 만약 용인가능한 동공간 거리와 사용자의 IPD(1316) 간의 차이가 임계치를 넘는다면, HMD는 HMD가 사용자에게 거의 핏팅되지 않는다고 결정할 수 있다. 다른 한편으로는, 만약 차이가 용인가능한 범위 내에 있다면, HMD는 HMD가 사용자에게 적절히 핏팅되었다고 결정할 수 있다. HMD 핏팅이 용인가능한 것으로 결정되는 경우들에서, 렌더링 조정이 필요하지 않지만; HMD 핏팅이 부적절한 경우들에서, HMD는 준최적 핏팅(suboptimal fit)을 수용하기 위해 렌더링을 조정할 수 있다.
[0137] 예컨대, 전형적인 성인 남성에 대한 동공간 거리는 대략 65mm일 수 있다. 용인가능한 IPD 값은 특정 나이, 성별, 및/또는 인종의 사용자에 대한 평균 값에 기반할 수 있다. 예컨대, HMD는 사용자가 성인 남성임을 표시하는 사용자 정보를 획득할 수 있다. 이 정보는 성인 남성 사용자에 대한 용인가능한 IPD 값, 이를테면 65mm를 획득하는 데 사용될 수 있다. 일부 실시예들에서, HMD는 정해진 사용자에 대한 용인가능한 IPD 값에 기반하여, 용인가능한 IPD 범위를 계산할 수 있다. 위의 예를 계속하면, 용인가능한 IPD 범위는 용인가능한 IPD 값(65mm) 플러스 또는 마이너스 용인가능한 IPD 값의 선택된 거리 또는 퍼센티지일 수 있다. 선택된 거리는, 예컨대, 각각, 60mm-70mm 및 55mm-75mm의 용인가능한 IPD 범위들을 제공하기 위해, 플러스 또는 마이너스 5mm, 또는 플러스 또는 마이너스 10mm일 수 있다. IPD의 퍼센티지는, 예컨대, 각각, 61.75mm-68.25mm 및 58.5mm-71.5mm의 용인가능한 IPD 범위들을 제공하기 위해, 플러스 또는 마이너스 5%, 또는 플러스 또는 마이너스 10%일 수 있다. 용인가능한 IPD 범위를 결정하기 위해, 임의의 거리 또는 퍼센티지 값이 선택될 수 있다.
[0138] 일부 구현들에서, 동공간 거리는 사람들의 샘플 그룹으로부터 계산될 수 있다. 예컨대, HMD는 용인가능한 IPD 값 또는 범위를 결정하는 데 사용될, 사람들의 그룹에 대한 동공간 거리의 평균, 중간, 또는 중앙 값(또는 다른 통계 값들)을 계산할 수 있다. 샘플은 사용자의 특징들, 이를테면 사용자의 성별, 인종, 나이 등을 고려할 수 있다. 예컨대, 만약 HMD의 사용자가 여성 십대라면, HMD는 여성 십대들의 그룹으로부터의 데이터에 기반하여, 사용자에 대한 임계 동공간 거리를 계산할 수 있다. 동공간 거리에 부가하여 또는 이에 대안적으로, HMD는 또한, 다른 파라미터들, 이를테면 안구주위 분리에 기반하여 임계 값을 계산할 수 있다.
[0139] 웨어러블 디바이스는 또한, HMD와 얼굴 간의 상대적 포지션을 결정하기 위해, 디스플레이에 대하여 동공들(1318a 및 1318b)의 상대적 중심들의 검출된 위치를 사용할 수 있다. 도 13a에서, 디스플레이의 중심은 기준선(1314)에 의해 도시된다. 도 13a에 도시된 바와 같이, 디스플레이의 기준선(1314)은 동공들(1318a 및 1318b)의 중심들과 정렬한다. 이 예에서, 만약 디스플레이의 중심이 동공들(1318a 및 1318b)의 중심과 정렬한다면, HMD는 HMD가 사용자에게 핏팅되었다고 결정할 수 있다. HMD는 HMD의 기준선(1314)과 동공들(1318a, 1318b) 간의 정렬이 정확하고 가상 오브젝트들의 렌더링 위치들에 대한 조정이 필요하지 않다고 추가로 결정할 수 있다. 그러나, 도 13b에서, HMD는 한쪽으로 기울어져 있고, 디스플레이의 중심(1314)은 동공들(1318a, 1318b) 둘 모두와 정렬하지 않는다. 다른 예로서, 도 13c에서, HMD는 전방으로 기울어져 있거나 또는 하방으로 시프트되어 있으며, 결과적으로, 디스플레이의 기준선(1314)은 동공들(1318a 및 1318b)의 중심들과 매칭하지 않는다. 어느 하나의 또는 둘 모두의 상황들에서, HMD는 HMD와 사용자 간의 상대적 포지션을 표시하는 신호를 전송할 수 있다. 신호는 HMD로 하여금 가상 오브젝트들의 렌더링 위치들을 조정하게 할 수 있다. 일부 실시예들에서, HMD는 사용자에게 핏팅 적합성의 표시를 디스플레이하기 위해 경고를 제공할 수 있다. 사용자에게 디스플레이되는 핏팅 적합성의 표시는, 기준선(1314)과 동공들(1318a, 1318b) 간의 정렬이 개선되도록 동공들(1318a, 1318b)에 대하여 HMD를 어떻게 조정하는지를 사용자에게 알릴 수 있다.
[0140] 다른 예에서, 눈 카메라들은 HMD와 사용자 간의 상대적 포지션의 표시자로서 안구 중심을 구체적으로 추적할 수 있다. 안구 중심 위치는 웨어러블 디바이스가 3차원(예컨대, x-, y- 및 z-차원들 또는 요, 피치 및 롤 각도 차원들)까지 발생하는 상대적 기울어짐, 회전 및 병진을 결정하게 허용할 수 있다. 정반사와 연관된 에러들을 감소시키기 위해, 특정한 구성부분을 갖는 눈 추적 카메라들이 사용될 수 있다. 예컨대, 눈 카메라들은 IR(infrared) LED(light emitting diode) 광들을 포함할 수 있다. 눈 카메라들 및/또는 IR LED 광들의 동작 파라미터들은 또한, 정반사에 의해 유발된 추적 에러를 감소시키거나 또는 최소화하도록 최적화될 수 있다. 예컨대, IR LED 광들은 비교적 고전력으로 특정 파장의 광을 버스트하도록 동작될 수 있다. 최적화된 IR 파장은 약 800nm 내지 900nm일 수 있고, 최적화된 전력 레벨은 약 2.5mA 내지 50mA의 동작 전류에 대응할 수 있다. 추가적으로 또는 대안적으로, 눈 카메라들의 노출 시간은 에러를 감소시키도록 조정될 수 있다. 최적의 노출 시간은 약 400 마이크로초 내지 8 ms일 수 있다. 눈 카메라들의 동작 파라미터들을 조정하는 것에 추가 적으로 또는 대안적으로, 반사에 의해 유발된 에러를 감소시키기 위해 필터링 단계들이 수행될 수 있다. 이 개선들 중 하나 이상을 사용하는 것은 웨어러블 디바이스가, 다른 안구주위 피처들에 기반하여 상대적 포지션을 추적하는 시스템보다 더 많은 안정성 및 신뢰성으로 안구 중심에 대하여 웨어러블 디바이스 위치를 추적하게 허용할 수 있다. 이는 특히, 다른 안구주위 피처들은 웨어러블 디바이스가 식별 및 추적하기가 어려울 때, 이를테면 메이크업이 안구주위 피처들, 이를테면 눈꺼풀, 눈꼬리들, 속눈썹 길이 등을 덮을 때 관련될 수 있다.
[0141] 일부 실시예들에서, HMD는 사용자의 눈들과 웨어러블 디바이스 간의 상대적 포지션을 결정하기 위해 안구주위 구역의 이미지들에서 관찰된 비대칭성들을 사용할 수 있다. 예컨대, 도 13a에서, HMD는 안구주위 구역의 이미지들로부터 사용자의 눈들이 대칭적이라고 결정할 수 있으며, 그에 따라서 HMD가 정상 휴식 포지션에 있다고 결정할 수 있다. 일부 실시예들에서, 2 개의 안구주위 구역들 간의 대칭성을 결정하기 위해 다른 안구주위 피처들이 사용될 수 있다. 그러나, 도 13b에서, 이미지들에서 관찰된 안구주위 구역(1322b 및 1322a)은 동일한 안구주위 피처들을 갖지 않을 수 있다. 일부 실시예들에서, 동일한 안구주위 피처들이 안구주위 구역들(1322a, 1322b) 각각에 존재할 수 있지만, 캡처된 이미지 내의 그들의 위치들 또는 사이즈들은 변할 수 있다. 예컨대, 안구주위 구역(1322b)이 안구주위 구역(1322a)보다 이마의 더 큰 부분을 포함할 수 있는 한편, 안구주위 구역(1322a)은 안구주위 구역(1322b)보다 볼의 더 큰 부분을 포함할 수 있다. 결과적으로, HMD는 HMD가 자신의 정상 휴식 포지션에 대하여 기울어져 있다고 결정할 수 있다.
[0142] 도 13a-13c에 도시된 예들에서, 안구주위 구역들(1312a 및 1312b)을 이미징하기 위한 2개의 카메라들은 오버랩핑 FOV를 갖지 않지만, 일부 실시예들에서, 2개의 카메라들은 오버랩핑 FOV를 가질 수 있다. 결과적으로, 구역(1312a)의 일부는 구역(1312b)의 일부와 오버랩할 수 있다. 이 오버랩핑 FOV는 HMD와 얼굴 간의 상대적 포지션을 결정하는 데 유용할 수 있다. 예컨대, 만약 HMD가 사용자에 대한 자신의 정상 휴식 포지션에 있다면, 오버랩핑 FOV는 코의 최상부 부분을 포함할 수 있다. 그러나, 오버랩핑 FOV에서의 이미지가 (코의 최상부 부분 대신에) 한쪽 눈의 일부를 포함하는 경우, HMD는 HMD가 기울어져 있다고 결정할 수 있다. 다른 예로서, 만약 이미지가 코의 큰 부분을 포함한다면, HMD는 자신이 사용자의 코에서 슬라이딩되었다고 결정할 수 있다. 따라서, 각각의 안구주위 구역에서의 또는 오버랩된 안구주위 구역에서의 안구주위 피처들의 존재 또는 부재는 사용자의 눈들 및 얼굴에 대한 HMD의 상대적 포지션의 표시를 제공할 수 있다.
[0143] HMD와 사용자의 얼굴 간의 상대적 포지션을 결정하기 위해 이 예시적인 팩터들이 단독으로 또는 조합하여 사용될 수 있다. 예컨대, HMD가 이미지들에서 착용자의 눈들의 비대칭성들을 검출하지만, HMD는 그럼에도 불구하고, 동공들의 상대적 중심들이 기울어짐을 표시하지 않기 때문에, 자신이 정상 휴식 포지션에 있다고 결정할 수 있다. 따라서, HMD-대-사용자 오정렬의 잘못된 표시들이 렌더 위치의 조정을 부정확하게 그리고 불필요하게 트리거하지 않도록, HMD는 HMD의 포지션을 결정하기 위해 하나 초과의 체크를 수행할 수 있다.
[0144] HMD는 다양한 알고리즘들을 사용하여 상대적 포지션을 결정할 수 있다. 예컨대, 웨어러블 시스템은 SIFT, SURF, ORB, FREAK, BRISK를 사용하여 시각적 키포인트들 및 상대적 포지션들을 추적할 수 있다. V-SLAM 기법들, 이를테면 순차적 베이지안 추정기(예컨대, 칼만 필터, 확장 칼만 필터 등) 또는 번들 조정의 사용이 또한, 이용될 수 있다. (단독으로 또는 다수의 카메라들로부터의 데이터를 통합함으로써) 카메라들이 (스테레오스코피, 구조화된 광 투사, 비행 시간 측정, 또는 임의의 다른 수단에 의한) 깊이 지각이 가능한 경우, 얼굴의 전체 또는 부분들에 대한 밀집 맵이 구성될 수 있다. 그러한 밀집 맵은 패치들 또는 구역들을 포함할 수 있고, 이 패치들 또는 구역들의 3차원 형상이 측정된다. 그러한 구역들은, 얼굴에 대한 HMD의 위치를 컴퓨팅하기 위해 매칭(예컨대, 반복 근접점 알고리즘(iterative closest point algorithm) 또는 유사한 알고리즘을 이용함)에 의해 사용될 수 있다. HMD는 HMD와 사용자의 얼굴 간의 상대적 포지션을 결정하기 위해 얼굴의 모델(예컨대, HMD의 초기화 페이즈 동안 구축됨)을 사용할 수 있다.
[0145] HMD와 사용자의 얼굴 간의 상대적 포지션을 결정하는 것에 부가하여 또는 이에 대안적으로, 웨어러블 디바이스는 또한, HMD의 포즈를 결정할 수 있다. 포즈는 사용자의 얼굴에 대하여 있을 수 있는데, 이를테면, 특정 정도 또는 거리만큼 한쪽으로 또는 전방향으로 기울어지거나, 또는 사용자의 머리 등의 주위에서 시계 방향 또는 반시계 방향으로 회전될 수 있다. 웨어러블 디바이스는 HMD와 사용자의 얼굴 간의 상대적 포지션에 관한 정보를 사용하여 HMD의 포즈를 결정할 수 있다. 웨어러블 디바이스는 또한, 웨어러블 디바이스의 하나 이상의 카메라들에 의해 획득된 이미지들로부터 직접적으로 HMD의 포즈를 결정할 수 있다.
가상 오브젝트의 렌더링 위치 조정
[0146] HMD와 사용자의 얼굴 간의 상대적 포지션 또는 HMD의 포즈는, 가상 오브젝트들의 렌더링 위치에 대한 조정을 컴퓨팅하기 위해 사용될 수 있다.
[0147] 도 14a 및 14b는 HMD에서 가상 오브젝트의 렌더링 위치를 조정하는 예를 예시한다. 이 예들에서, HMD는 SAR 디스플레이일 수 있다. 도 14a에서, 눈(1410)은 눈 좌표계(1412)와 연관되고, HMD(1420)는 렌더링 좌표계(1422)와 연관된다. 이 예에서, 눈 좌표계(1412)에서의 u-축은 렌더링 좌표계(1422)에서의 x-축에 대응하고, 눈 좌표계(1412)에서의 v-축은 렌더링 좌표계(1422)에서의 y-축에 대응하며, 그리고 눈 좌표계(1412)에서의 w-축은 렌더링 좌표계(1422)에서의 w 축에 대응한다. 렌더링 좌표계의 x-y-z 좌표의 다른 예가 도 6에 도시된다. 이 예들에서, 데카르트 좌표계를 사용하여 좌표계들이 예시되지만, 다른 타입들의 좌표계들, 이를테면, 예컨대 극좌표계가 또한, 본원에서 설명된 기법들과 함께 사용될 수 있다.
[0148] 도 14a에서, 눈이 포지션(1414a)에 있을 때, 사용자는 렌더링 좌표계(1422)의 (글자 "p"로 표현된) 포지션(1424a)에서 가상 오브젝트(1430)를 지각할 수 있다. 포지션(1414a)은 (HMD(1420)와 관련하여) 눈(1410) 또는 HMD(1420)의 정상 휴식 포지션을 표현할 수 있다. 일부 구현들에서, 웨어러블 디바이스(1420)에 대한 대응하는 포지션(1424a)은 또한 가상 오브젝트의 정상 렌더링 포지션으로 지칭될 수 있다. 도 14b에서, 눈은 눈 좌표계(1412)의 u 축을 따라 포지션(1414a)으로부터 포지션(1414b)으로 움직임으로써 자신의 정상 휴식 포지션으로부터 벗어난다. 이러한 편차는 HMD의 움직임의 결과일 수 있다. 예컨대, HMD가 전방향으로 기울이거나 한쪽으로 이동할 때, HMD와 사용자의 눈 간의 상대적 포지션은 변할 수 있다. 웨어러블 디바이스는 유사하게, HMD의 기울어짐에 기반하여, 가상 오브젝트들의 렌더링 위치들을 동적으로 업데이트할 수 있다. 예로서, HMD(1420)는 가상 오브젝트(1430)의 렌더링 위치를 렌더링 좌표계(1422)의 x-축을 따라 포지션 p(1424a)로부터 포지션 p*(1424b)로 시프트할 수 있다. 시프트는 가상 오브젝트(1430)로 하여금, 도 14a 및 14b의 눈(1410)의 움직임 전에 그리고 후에, 사용자의 환경에서 동일한 위치에서 나타나게 할 수 있다. 그에 따라서, 사용자는, 가상 오브젝트들의 렌더링이 HMD 움직임을 보정하도록 동적으로 조정되어 개선된 사용자 경험을 제공하기 때문에, HMD가 사용자의 머리에서 약간 시프트되거나 이동되었다는 것을 지각하지 않을 것이다.
[0149] 도 2를 참조로 설명된 바와 같이, SAR 시스템은 사용자의 눈의 관점으로부터 가상 오브젝트들을 렌더링할 수 있다. 사용자의 눈과 연관된 렌더링 뷰포인트는 렌더링 시스템의 가상 카메라, 이를테면, OpenGL 또는 DirectX의 가상 카메라에 의해 표현될 수 있다. 가상 오브젝트들의 렌더링 위치들을 조정하기 위해, 가상 카메라는 (HMD와 관련하여) 사용자의 눈 또는 HMD의 정상 휴식 포지션의 변위에 기반하여 변위 또는 회전될 수 있다. 조정의 양은 사용자의 얼굴과 HMD 간의 상대적 포지션의 변화의 프랙션(fraction)일 수 있다. 예컨대, 가상 카메라의 변위는 HMD 또는 사용자의 눈의 움직임의 비율(이를테면, 0.2, 0.4, 0.6 등)일 수 있다.
[0150] 예로서, 도 14a 및 도 14b에 도시된 바와 같이, 웨어러블 디바이스는, 포지션(1414a)으로부터 포지션(1414b)으로의 눈 움직임에 대응하기 위해, 포지션 p(1424a)로부터 포지션 p*(1424b)로부터의 가상 카메라의 포지션을 업데이트할 수 있다. 다른 예로서, HMD는 사용자의 코 아래로의 슬라이딩으로 인해 전방향으로 기울어질 수 있다. 결과적으로, HMD는 기울어짐에 대응하는, 가상 카메라에 대한 조정을 계산할 수 있다. 이 예에서, 눈(1410)과 HMD(1420) 간의 상대적 포지션이 w-축 및 v-축 둘 모두를 따라 변할 수 있기 때문에, HMD는 렌더링 좌표계(1422)의 z 값뿐만 아니라 y 값을 조정할 수 있다. 또 다른 예로서, HMD는, HMD와 관련하여 눈의 포지션이 v-축 및 u-축을 따라 변할 수 있도록, 한쪽으로(이를테면 오른쪽 또는 왼쪽으로) 기울어질 수 있다. 그에 따라서, 웨어러블 디바이스는 y-축 및/또는 x-축을 따라 가상 카메라를 조정할 수 있다.
[0151] 가상 카메라의 포지션이 조정되기 때문에, 그에 따라서 사용자의 FOV에서 가상 오브젝트들의 렌더링 위치들이 또한 조정될 수 있다. 추가적으로 또는 대안적으로, 웨어러블 디바이스는, 사용자의 얼굴과 HMD 간의 상대적 포지션 변화를 조정하기 위해, 렌더링 좌표계를 시프트(예컨대, 도 14a 및 도 14b에 도시된 x-y-z 좌표를 시프트)할 수 있다. 예컨대, 도 14b에서, 렌더링 좌표계(1422)의 시프트는 HMD에 대한 눈(1410)의 움직임에 대응할 수 있다. 좌표 시프트의 결과로서, 가상 오브젝트(1430)는 렌더링 좌표계(1422)에서 여전히 동일한 포지션에 있을 수 있다. 가상 오브젝트(1430)는 또한 환경의 물리적 오브젝트들에 대해 동일한 위치에 있는 것으로 나타날 수 있다. 좌표계의 변위는 x-y 평면, y-z 평면 또는 x-z 평면과 같은 평면 좌표계의 변위일 수 있거나, 3D 공간의 변위일 수 있다.
[0152] 렌더링 좌표계의 시프트는 가상 카메라 또는 가상 오브젝트들의 시프트에 대한 근사화일 수 있다. (특히 작은 조정들에 대한) 일부 상황들에서, 이러한 근사화는 가상 카메라를 변위시킴으로써 생성된 조정들에 충분히 가까울 수 있다. 추가적으로, 좌표 시프트는 가상 오브젝트의 포지션들을 계산하는 비용을 감소시키고, 이로써 웨어러블 디바이스의 성능을 증가시키는 데 유리할 수 있다. 이것은 또한 지연을 감소시키는 데 유리할 수 있다. 예컨대, 좌표 시프트는, 보정되지 않은 좌표에 대한 렌더링 파이프라인이 완료된 후에 수행될 수 있고, HMD는, 가상 이미지들이 렌더링 좌표계로 맵핑되기 바로 전에 좌표 시프트를 적용할 수 있다.
[0153] 일부 상황들에서, 상대적 포지션의 변화가 임계 레벨을 초과할 때, 웨어러블 디바이스는, 가상 오브젝트들의 렌더링 위치들을 조정하는 대신에 상대적 포지션 변화를 표시하는 경고를 생성할 수 있다. 다른 상황들에서, 상대적 포지션의 변화가 임계 레벨 미만일 때, 웨어러블 디바이스는, 상대적 포지션의 이러한 작은 변화가 사용자의 시각 경험에 영향을 주지 않을 수 있기 때문에, 가상 오브젝트들의 렌더링 위치들을 조정하지 않도록 구성될 수 있다. 본원에서 설명된 동적 렌더링 조정은 주기적으로(예컨대, 0.5 s, 1 s, 5 s, 10 s, 30 s 등마다) 또는 필요에 따라(예컨대, HMD 상대적 포지션 시프트가 임계량보다 더 클 때) 수행될 수 있다.
가상 오브젝트의 렌더링 위치를 조정하는 예시적인 프로세스
[0154] 도 16은 가상 오브젝트의 렌더링 위치를 조정하기 위한 예시적인 프로세스를 예시한다. 도 16의 프로세스(1600)는 웨어러블 디바이스에 의해 수행될 수 있고, 웨어러블 디바이스는 사용자의 눈들의 관점으로부터 가상 오브젝트들을 물리적 오브젝트들에 제공할 수 있는 HMD를 포함하고, 사용자의 안구주위 구역을 이미징하도록 구성된 내향 이미징 시스템을 포함할 수 있다.
[0155] 블록(1610)에서, 웨어러블 디바이스는 내향 이미징 시스템에 의해 획득된 이미지들을 수신할 수 있다. 예컨대, 웨어러블 디바이스는 내향 이미징 시스템의 양안 카메라들로부터 이미지들을 수신할 수 있다. 일부 구현들에서, 내향 이미징 시스템은 오직 단안 카메라만을 포함할 수 있다. 눈 카메라는 한쪽 눈의 안구주위 구역 또는 양쪽 눈들의 안구주위 구역들을 이미징하도록 구성될 수 있다. 이미지들은 비디오로부터의 스틸 이미지들 또는 프레임들일 수 있다(예컨대, 전형적으로 내향 이미징 시스템은 비디오 카메라들을 포함함).
[0156] 블록(1620)에서, 웨어러블 디바이스는 안구주위 피처들을 식별하기 위해 이미지들을 분석할 수 있다. 예컨대, 웨어러블 디바이스는 단지 하나의 이미지 또는 일련의 이미지들(이를테면, 이러한 분석을 하기 위한 비디오)을 사용할 수 있다. 도 11, 도 12a 및 도 12b를 참조로 설명된 바와 같이, 웨어러블 디바이스는 일련의 3D 키포인트들에서 또는 밀집 맵에서 안구주위 피처들을 표현할 수 있다. 웨어러블 디바이스는 관련 안구주위 피처들을 식별하기 위해 머신 학습 모델, 이를테면, 딥 뉴럴 네트워크를 사용할 수 있다.
[0157] 블록(1630)에서, 웨어러블 디바이스는 HMD와 사용자의 머리 간의 상대적 포지션을 결정할 수 있다. 예컨대, 웨어러블 디바이스는 웨어러블 디바이스에 의해 획득된 일련의 이미지들 내의 안구주위 피처들과 연관된 키포인트들을 추적할 수 있다. 웨어러블 디바이스는 또한, HMD와 사용자의 얼굴 간의 상대적 포지션을 결정하기 위해, 밀집 맵 내의 구역과 안구주위의 구역을 매칭시킬 수 있다. 다른 예로서, 웨어러블 디바이스는 HMD가 (한쪽으로 또는 전방향으로) 기울어지는지 여부를 결정하기 위해, 사용자와 내향 이미징 시스템 간의 거리를 사용할 수 있다. 만약 왼쪽 눈에 대해 계산된 거리가 오른쪽 눈에 대해 계산된 거리와 상이하다면, 웨어러블 디바이스는 HMD가 한쪽으로 기울어진 것으로 결정할 수 있다. 만약 왼쪽 눈 및 오른쪽 눈에 대한 연관된 거리들이 대략 동일하지만 거리가 임계 거리를 초과한다면, 웨어러블 디바이스는 HDM가 사용자의 눈들로부터 멀리 떨어져 있기 때문에 전방향으로 기울어진 것으로 결정할 수 있다.
[0158] 사용자의 눈들과 HMD 간의 거리에 부가하여 또는 이에 대안적으로, 웨어러블 디바이스는 또한, 사용자와 HMD 간의 상대적 포지션을 결정하기 위해, 다른 팩터들을 단독으로 또는 조합하여 사용할 수 있다. 이러한 팩터들은 디스플레이의 중심과 동공들 간의 정렬, 사용자의 눈들의 비대칭성 등을 포함할 수 있다.
[0159] 블록(1640)에서, 웨어러블 디바이스는 HMD와 사용자의 얼굴 간의 상대적 포지션에 적어도 부분적으로 기반하여 가상 오브젝트의 렌더링 위치를 조정할 수 있다. 예컨대, 웨어러블 디바이스는 눈의 현재 포지션을 결정하고, 눈과 HMD 간의 상대적 포지션에 기반하여 조정을 계산할 수 있다. 조정은 HMD 또는 눈의 정상 휴식 포지션에 대해 상대적일 수 있다. 조정은, 이를테면 수평 시프트, 수직 시프트, 깊이 시프트, 또는 한쪽으로의 기울어짐(tilt to a side)과 같이 하나 이상의 방향들에서 이루어질 수 있다. 웨어러블 디바이스는 렌더링 시스템의 가상 카메라의 위치를 업데이트하여 조정을 반영할 수 있으며, 여기서, 가상 카메라는 사용자의 눈의 관점에 대응할 수 있다. 웨어러블 디바이스는 또한, HMD의 렌더링 좌표계를 시프트하여 조정을 반영할 수 있다.
[0160] 블록(1650)에서, HMD는 조정된 렌더링 위치에서 가상 오브젝트를 렌더링한다. 가상 오브젝트는, 가상 오브젝트와 연관된 조명된 픽셀들이 HMD 상에서 시프트될 수 있다고 하더라도, 조정으로 인해 사용자 환경에서 동일한 위치에 있는 것으로 지각될 수 있다.
[0161] 일부 상황들에서, 웨어러블 디바이스는 사용자가 HMD를 착용하고 있는 동안 사용자의 머리에 대한 HMD의 포지션을 계속해서 또는 주기적으로(예컨대, 매 0.5, 1초, 10초, 1분 등 마다) 모니터링할 수 있는데, 이는 사용자가 이리저리 움직임에 따라 HMD의 포지션이 변할 수 있기 때문이다(예컨대, HMD는 사용자의 코 아래로 슬라이딩할 수 있음). 웨어러블 디바이스는, HMD와 사용자의 머리 간의 상대적 포지션의 변화를 주기적으로 또는 계속해서 또는 필요에 따라 보상하기 위해, AR 또는 VR 디스플레이를 변화시킬 수 있다(이를테면, 가상 오브젝트와 연관된 위치 또는 픽셀들을 조정함). 이러한 구현은, 3D 디스플레이가 사용자의 머리의 특정 장소에 지속적으로 위치될 것을 요구함 없이 3D 뷰를 유지하는 데 특히 유리할 수 있다. 그에 따라서, 웨어러블 디바이스는, HMD가 사용자의 머리에 포지셔닝되는 위치를 보상하도록 AR 또는 VR 디스플레이로부터의 광의 투사(예컨대, 광 필드)를 동적으로 조정한다.
안경 핏팅
[0162] HMD는 HMD가 사용자에게 어떻게 핏팅되었는지를 결정하기 위해 다양한 팩터들을 사용할 수 있다. 일 예로서, HMD는 머신 학습 기법들을 통해 학습된 맵핑을 적용함으로써, 눈 카메라들에 의해 획득된 이미지들을 분석할 수 있다. 눈 카메라들에 의해 획득된 이미지들은 안구 주위 피처들을 식별하기 위해 머신 학습 모델을 사용하여 트레이닝될 수 있다. 머신 학습 모델은 HMD를 위한 핏팅 공간에 대한 이미지 공간의 맵핑을 포함할 수 있다. 맵핑은, 사용자의 얼굴 대한 HMD의 핏팅 퀄리티(quality of the fit) 또는 (예컨대, HMD가 사용자의 얼굴에 있는지 여부를 결정하기 위해) 안구주위 구역이 눈 이미지에 존재하는지 여부를 결정하기 위해, 눈 이미지에 적용될 수 있다. 일부 구현들에서, 웨어러블 디바이스의 핏팅을 분류하는 것 그리고 안구주위 구역이 존재하는지 여부를 결정하는 것 둘 모두를 위해 하나의 맵핑이 사용될 수 있거나, 또는 핏팅에 대해 그리고 HMD가 사용자의 얼굴에 있는지 여부에 대해, 상이한 맵핑들이 사용될 수 있다.
[0163] 맵핑은 핏팅을 결정하기 위한 다양한 파라미터들, 이를테면, 예컨대, 이미지들 내의 안구주위 피처들의 외관(예컨대, 2개의 눈들에 대한 안구주위 피처들이 비대칭적으로 나타나는지 여부), 한쪽 또는 양쪽 눈들로부터 HMD까지의 거리, (예컨대, 이미지들에 기반하여 계산된 동공간 거리를 사용자에 대한 적절한 동공간 거리와 비교하는) 동공간 거리, 또는 동공들의 상대 중심들(예컨대, HMD의 디스플레이의 중심이 동공의 중심과 정렬되는지 여부)을 포함할 수 있다.
[0164] 이미지 공간은 안구주위 구역들의 이미지들 또는 안구주위 구역 내의 피처들의 이미지들을 포함할 수 있다. HMD에 대한 핏팅 공간은 동공간 거리, 디스플레이의 중심과 동공들 간의 정렬, 사용자의 눈들의 비대칭성, HMD의 기울어짐 등을 포함할 수 있다. 머신 학습 모델은 핏팅 적합성의 예측자들인 피처들을 식별할 수 있으며, 그에 따라, 맵핑을 눈 이미지에 적용하여 핏팅 퀄리티(예컨대, 적합, 용인가능함, 부적합, 또는 등급, 예컨대 A-F, 또는 수치적 핏팅 스코어)를 결정할 수 있다. HMD가 사용자의 얼굴에 있는지 또는 사용자의 얼굴로부터 떨어져 있는지 여부를 결정하기 위한 맵핑은 부울 값(예컨대, 사용자의 얼굴에 있음(on) 또는 사용자의 얼굴에서 떨어져 있음(off))일 수 있다.
[0165] 다양한 머신 학습 알고리즘들이 이러한 프로세스에 대해 사용될 수 있다. 모델들을 생성하고 업데이트하는 데 사용될 수 있는 머신 학습 알고리즘들의 일부 예들은, 회귀 알고리즘들(이를테면, 예컨대, 정규 최소 제곱 회귀), 인스턴스-기반 알고리즘들(이를테면, 예컨대, 학습 벡터 양자화), 판단 트리 알고리즘들(이를테면, 예컨대, 분류 및 회귀 트리들), 베이지안 알고리즘들(이를테면, 예컨대, 나이브 베이즈), 클러스터링 알고리즘들(이를테면, 예컨대, k-민즈 클러스터링), 연관 규칙 학습 알고리즘들(이를테면, 예컨대, 선험적 알고리즘들), 인공 뉴럴 네트워크 알고리즘들(이를테면, 예컨대, 퍼셉트론), 심층 학습 알고리즘들(이를테면, 예컨대, 딥 볼쯔만 머신), 차원 감소 알고리즘들(이를테면, 예컨대, 주요 컴포넌트 분석), 앙상블 알고리즘들(이를테면, 예컨대, 스택된 일반화), 및/또는 다른 머신 학습 알고리즘들을 포함하여, 감독 또는 비-감독 머신 학습 알고리즘들을 포함할 수 있다.
[0166] 일부 실시예들에서, 개별 모델들은 개별 데이터 세트에 대해 맞춤화될 수 있다. 예컨대, 웨어러블 디바이스는 기본 모델을 생성할 수 있다. 기본 모델은, 데이터 타입(예컨대, 특정 사용자), 데이터 세트(예컨대, 획득된 한 세트의 추가적인 이미지들), 조건 상황들(예컨대, 게임플레이 동안의 핏팅은 인터넷 브라우징 동안의 핏팅과 상이할 수 있음), 또는 다른 변동들에 특정적인 추가적인 모델들을 생성하기 위한 시작 포인트로서 사용될 수 있다. 일부 실시예들에서, 웨어러블 디바이스는 어그리게이팅된 데이터의 분석을 위한 모델들을 생성하기 위해 복수의 기법들을 활용하도록 구성될 수 있다. 다른 기법들은 사전-정의된 임계치들 또는 데이터 값들을 사용하는 것을 포함할 수 있다. 시간이 지남에 따라, 웨어러블 디바이스는 모델들을 계속해서 업데이트할 수 있다.
[0167] HMD는 양적 및/또는 질적 측정들을 사용하여 핏팅을 결정할 수 있다. 예컨대, HMD는 HMD와 사용자 간의 상대적 포지션에 기반하여 또는 HMD의 포즈에 기반하여 핏팅을 표시하는 스코어를 생성할 수 있다. 스코어는 머신 학습 기법들을 통해 학습된 맵핑의 출력일 수 있다. 일부 구현들에서, 높은 스코어는 HMD가 사용자에게 완전히 핏팅됨을 표시할 수 있는 반면, 낮은 스코어는 HMD가 거의 핏팅되지 않았음을 표시할 수 있다. 다른 구현들에서, 높은 스코어는 HMD가 사용자에게 완전히 핏팅되지 않음을 표시할 수 있는 반면, 낮은 스코어는 HMD가 완전히 핏팅됨을 표시할 수 있다. 다른 예로서, HMD는 HMD가 사용자에게 얼마나 완전히 핏팅되는지를 카테고리화한다. 카테고리들은 "완전히 핏팅됨", "불완전하게 핏팅됨" 또는 "전혀 핏팅되지 않음"을 포함할 수 있다. 카테고리들은 또한, 글자 등급들, 이를테면, "A", "B", "C", "D" 등일 수 있다. 카테고리들은 또한, 머신 학습 기법들로부터 학습된 맵핑의 출력일 수 있다. 예컨대, 맵핑은 안구주위 피처의 외관과 핏팅 카테고리 간의 상관관계를 포함할 수 있다. 웨어러블 디바이스는 눈 카메라들에 의해 획득된 이미지들로부터 결정된 바와 같은 안구주위 피처의 외관에 기반하여 특정 핏팅 카테고리를 출력할 수 있다.
웨어러블 디바이스의 핏팅을 결정하기 위한 예시적인 프로세스들
[0168] 도 15a는 웨어러블 디바이스의 핏팅을 결정하기 위한 예시적인 방법을 예시한다. 프로세스(1500a)는 웨어러블 디바이스, 이를테면, 도 2 및 도 4를 참조하여 설명된 HMD에 의해 수행될 수 있다. HMD는 사용자의 안구주위 구역을 이미징하도록 구성된 내향 이미징 시스템을 가질 수 있다.
[0169] 블록(1502)에서, HMD는 내향 이미징 시스템에 의해 획득된 이미지들을 수신할 수 있다. 예컨대, HMD는 내향 이미징 시스템의 양안 카메라들에 대한 이미지들을 수신할 수 있다. 일부 구현들에서, 내향 이미징 시스템은 오직 단안 카메라만을 포함할 수 있다. 눈 카메라는 한쪽 눈의 안구주위 구역 또는 양쪽 눈들에 대한 안구주위 구역들을 이미징하도록 구성될 수 있다. 이미지들은 비디오로부터의 프레임들 또는 스틸 이미지들일 수 있다(예컨대, 전형적으로 내향 이미징 시스템은 비디오 카메라들을 포함함).
[0170] 블록(1504)에서, HMD는 안구주위 피처들을 식별하기 위해 이미지들을 분석할 수 있다. 예컨대, HMD는 단지 하나의 이미지 또는 일련의 이미지들을(이를테면, 그러한 분석을 하기 위해 비디오를) 사용할 수 있다. 도 11 및 도 12a-b를 참조로 설명된 바와 같이, HMD는 일련의 3D 포인트들로 안구주위 피처들을 표현할 수 있다. HMD는 관련 안구주위 피처들을 식별하기 위해 머신 학습 모델, 이를테면, 딥 뉴럴 네트워크를 사용할 수 있다.
[0171] 블록(1506)에서, HMD는 HMD와 사용자의 머리 간의 상대적 포지션을 결정할 수 있다. 예컨대, HMD는 하나 이상의 안구주위 피처들이 이미지에서 나타나는지 여부를 결정하기 위해 이미지를 분석할 수 있다. 만약 안구주위 피처들이 이미지에서 나타나지 않는다면, HMD는 사용자가 현재 HMD를 착용하고 있지 않음을 결정할 수 있다. 만약 안구주위 피처들이 이미지에서 나타난다면, HMD는 HMD가 사용자의 얼굴에 적절히 핏팅되었는지 여부를 분석할 수 있다. 예컨대, HMD는 사용자와 내향 이미징 시스템 간의 거리를 사용하여, HMD가 (한쪽으로 또는 전방향으로) 기울어졌는지 여부를 결정할 수 있다. 예로서, 만약 왼쪽 눈에 대해 계산된 거리가 오른쪽 눈에 대해 계산된 거리와 상이하다면, HMD는 HMD가 한쪽으로 기울어졌음을 결정할 수 있다. 다른 예로서, 만약 왼쪽 눈 및 오른쪽 눈과 연관된 거리들이 대략 동일하지만, 그 거리가 임계 거리를 초과한다면, HMD는 자신이 사용자의 눈들로부터 멀리 떨어져 있기 때문에 자신이 전방향으로 기울어졌음을 결정할 수 있다.
[0172] 사용자의 눈들과 HMD 간의 거리에 부가하여 또는 이에 대안적으로, HMD는 또한, 사용자와 HMD 간의 상대적 포지션을 결정하기 위해 다른 팩터들을 단독으로 또는 조합하여 사용할 수 있다. 이러한 팩터들은 동공간 거리, 동공들과 디스플레이의 중심 간의 정렬, 사용자의 눈들의 비대칭성 등을 포함할 수 있다.
[0173] 블록(1508)에서, HMD는 상대적 포지션에 기반하여 핏팅 카테고리를 결정할 수 있다. 본원에서 설명된 바와 같이, 머신 학습된 맵핑은 핏팅 적합성을 결정하기 위해 눈 이미지에 적용될 수 있다. HMD는 핏팅을 상이한 카테고리들, 이를테면, "완전히 핏팅됨(fit well)", "불완전하게 핏팅됨(fit poorly)", 및 "전혀 핏팅되지 않음(not fit at all)"으로 분류할 수 있다. HMD는 또한 사용자 인터페이스를 통해 핏팅 카테고리를 표시할 수 있다. 예컨대, HMD는 HMD가 불완전하게 핏팅될 때 경고 싸인을 제공할 수 있다. 다른 예로서, HMD는 만약 HMD가 완전히 핏팅된다면 사용자 인터페이스에서 표시자를 제공할 수 있다. 일부 구현들에서, HMD는 핏팅과 연관된 스코어를 제공할 수 있다. HMD는 사용자 인터페이스를 통해 사용자에게 스코어를 디스플레이할 수 있다. 일부 실시예들에서, 핏팅 카테고리들 각각은 스코어들의 범위와 연관될 수 있다. 그에 따라서, HMD는 스코어가 정해진 범위 내에 있는지 여부에 기반하여 핏팅 카테고리를 사용자에게 알릴 수 있다.
[0174] 일부 상황들에서, HMD는, 사용자가 HMD를 착용하고 있는 동안 사용자의 머리에 대한 HMD의 포지션을 계속해서 또는 주기적으로(예컨대, 매 1초, 10초, 1분 등마다) 모니터링할 수 있는데, 이는 사용자가 이리저리 이동함에 따라 HMD의 포지션이 변화될 수 있기 때문이다(예컨대, HMD가 사용자의 코 아래로 슬라이딩될 수 있음). HMD는 HMD와 사용자의 머리 간의 상대적 포지션의 변화를 보상하기 위해 AR 또는 VR 디스플레이를 변화시킬 수 있다(이를테면, 가상 오브젝트와 연관된 위치 또는 픽셀들을 조정함). 이러한 구현은 3D 디스플레이가 사용자의 머리의 특정 위치에 지속적으로 위치될 것을 요구함 없이 3D 뷰를 유지하는데 특히 유리할 수 있다. 그에 따라서, HMD는, HMD가 사용자의 머리에 포지셔닝되는 위치를 보상하도록 AR/VR/MR 디스플레이(예컨대, 광 필드)로부터의 광의 투사를 동적으로 조정할 수 있다.
안경 제거
[0175] 도 13a, 도 13b, 및 도 13c를 참조로 설명된 바와 같이, 웨어러블 디바이스는 내향 이미징 시스템에 의해 획득된 이미지들을 분석하고 그리고 다양한 팩터들을 사용하여 사용자와 웨어러블 디바이스 간의 상대적 포지션들, 이를테면, 웨어러블 디바이스가 한쪽으로 기울어졌는지 또는 전방향으로 기울어졌는지 여부를 결정할 수 있다.
[0176] 상대적 포지션들에 대한 정보는 또한, 사용자가 현재 웨어러블 장치를 착용하고 있는지 여부를 결정하기 위해 사용될 수 있다. 예컨대, 웨어러블 디바이스는 내향 이미징 시스템에 의해 획득된 이미지에서 안구주위 피처들을 식별할 수 있다. 만약 웨어러블 디바이스가 어떤 안구주위 피처들도 식별하지 못한다면, 웨어러블 디바이스는 사용자가 웨어러블 디바이스를 착용하고 있지 않음을 결정할 수 있다. 다른 상황들에서, 웨어러블 디바이스는 사용자의 안구주위 피처들의 존재의 정도에 기반하여 사용자가 웨어러블 디바이스를 제거했을 가능성을 계산할 수 있다. 예컨대, 웨어러블 디바이스는, 이미지들에서의 안구주위 피처들이 충분히 작고(예컨대, 임계 사이즈 미만임), 디바이스가 사용자의 머리로부터 제거되었음을 결정할 수 있다. 다른 예로서, 웨어러블 디바이스는 사용자가 웨어러블 디바이스를 제거했을 퍼센티지 가능성을 계산하고, 그 퍼센티지 가능성을 임계 값과 비교할 수 있다. 만약 퍼센티지 가능성이 임계 값을 초과하면, 웨어러블 시스템은 웨어러블 디바이스가 사용자의 머리로부터 제거되었음을 표시할 수 있다. 다른 한편으로는, 웨어러블 시스템은 사용자가 웨어러블 디바이스를 여전히 착용하고 있을 퍼센티지 가능성을 계산하고, 그 값을, 사용자가 웨어러블 디바이스를 착용하고 있을 가능성에 대한 임계 값에 대해 비교할 수 있다. 만약 퍼센티지 가능성이 임계 값 미만으로 떨어지면, 웨어러블 디바이스는 사용자가 웨어러블 디바이스를 제거했음을 결정할 수 있다.
[0177] 다른 예로서, 웨어러블 디바이스는 내향 이미징 시스템에 의해 획득된 일련의 이미지들을 분석할 수 있다. 예컨대, 안구주위 피처들이 처음 몇몇의 이미지들에서 시리즈로 나타나지 않지만, 내향 이미징 시스템은 나중에 획득된 이미지들에서 안구주위 피처들을 발견할 수 있다. 결과적으로, 웨어러블 디바이스는 사용자가 웨어러블 디바이스를 이제 막 착용했다는 것을 결정할 수 있다. 다른 한편으로는, 안구주위 피처들은 초기에 이미지들에 나타날 수 있지만, 웨어러블 디바이스는 안구주위 피처들이 현재 FOV에 더 이상 존재하지 않는다고(또는 충분히 작다고) 나중에 발견한다. 그런 다음, 웨어러블 디바이스는 사용자가 웨어러블 디바이스를 벗었다고 결정할 수 있다.
[0178] 추가적으로 또는 대안적으로, 웨어러블 디바이스는 안구주위 피처들의 사이즈, 거리 및/또는 다른 팩터들을 사용하여 웨어러블 디바이스가 적소에 있는지 또는 제거되었는지를 결정할 수 있다. 예컨대, 웨어러블 디바이스가 이미지에서 안구주위 피처들을 검출할 수 있지만, 안구주위 피처들이 너무 작게 나타날 수 있다. 결과적으로, 웨어러블 디바이스는, 웨어러블 디바이스와 사용자 간의 거리가 충분히 멀어서 사용자가 웨어러블 디바이스를 현재 착용하고 있지 않다는 것을 결정할 수 있다.
[0179] 웨어러블 디바이스는 사용자와 웨어러블 디바이스 간의 상대적 포지션을 결정하기 위해 내향 이미징 시스템과 함께 다른 센서를 사용할 수 있다. 예컨대, 웨어러블 디바이스는 IMU(예컨대, 가속도계들 또는 자이로스코프들) 등과 같이 본원에서 설명된 센서들을 사용하여 웨어러블 디바이스의 움직임을 검출할 수 있다. 이 움직임 정보는, 사용자가 웨어러블 디바이스를 벗었는지 또는 착용했는지를 결정하기 위해, 이미지 분석과 함께 사용될 수 있다. 예로서, 웨어러블 디바이스는, 내향 이미징 시스템을 사용하여 일련의 이미지들을 획득하면서 웨어러블 디바이스의 가속도를 검출할 수 있다. 웨어러블 디바이스가 일련의 이미지들의 초기 이미지에서 안구주위 구역을 검출하지 않으면, 웨어러블 디바이스는 사용자가 디바이스를 착용하고 있다고 결정할 수 있다. 다른 한편으로, 안구주위 구역이 내향 이미징 시스템에 의해 획득된 이미지들 내에 있고 웨어러블 디바이스가 웨어러블 디바이스의 가속도를 검출하면, 웨어러블 디바이스는 사용자가 웨어러블 디바이스를 제거했다고 결정할 수 있다.
[0180] 다른 예로서, 웨어러블 디바이스는 압력 센서를 가질 수 있다. 압력 센서는 안경의 템플(이를테면, 이어폰들) 또는 웨어러블 디바이스의 코 패드에 위치될 수 있다. 웨어러블 디바이스가 사용자의 얼굴에 착용될 때, 압력 센서는 웨어러블 디바이스가 사용자에게 터치되었다고 표시하는 신호를 전송할 수 있다. 다른 한편으로, 사용자가 웨어러블 디바이스를 벗으면, 압력 센서는 웨어러블 디바이스가 더 이상 사용자를 누르지 않는다는 것을 나타내는 데이터를 획득할 수 있다. 이 정보는, 사용자가 웨어러블 디바이스를 벗었는지 또는 착용했는지를 결정하기 위해 내향 이미징 시스템에 의해 획득된 이미지들과 조합될 수 있다.
[0181] 웨어러블 디바이스가 자신이 사용자의 머리에서 제거되었다고 결정되면, 웨어러블 디바이스는 그에 따라서 웨어러블 디바이스의 하나 이상의 기능을 턴 오프시키거나, 또는 웨어러블 디바이스가 사용자로부터 제거될 때, 전력 절약 모드로 진입시키는 신호를 전송할 수 있다. 다른 한편으로, 웨어러블 디바이스가 사용자가 디바이스를 착용했다고 결정할 때, 웨어러블 디바이스는 웨어러블 디바이스의 기능(이를테면, AR/VR/MR 디스플레이의 활성화)을 턴 온시키는 신호를 전송할 수 있다.
[0182] 웨어러블 디바이스는 또한 웨어러블 디바이스와 사용자의 눈들의 상대적 포지션에 기반하여 3D 디스플레이를 조정할 수 있다. 예컨대, 웨어러블 디바이스가, 자신이 사용자의 코 아래로 미끄러지는 것을 검출하면, 웨어러블 디바이스는 3D 사용자 인터페이스에서 가상 오브젝트의 포지션을 변경하거나 픽셀들의 위치를 시프트하여 포지션에서의 이러한 변화를 수용할 수 있다. 이 구현은 사용자가 자신의 환경에서 이리저리 움직이는 동안 현실적이고 안정적인 3D 디스플레이를 제공할 수 있다.
[0183] 웨어러블 디바이스는 안구주위 구역이 이미지들에 나타나는지를 계속해서 모니터링할 수 있다. 웨어러블 디바이스는 또한, 내향 이미징 시스템에 의해 획득된 일련의 이미지들에서 이미지를 선택하고, 그 이미지 내에 안구주위 구역이 나타나는지 여부를 결정할 수 있다. 연속적인 모니터링은 주기적일 수 있는 근접하게 이격된 시간 인터벌들(예컨대, 매 초마다, 매 10초마다, 매 분마다, 매 15분마다 등)로 발생할 수 있다.
[0184] 일부 실시예들에서, 내향 이미징 시스템은 그 FOV에서 계속해서 이미지들을 획득할 수 있다. 그러나 내향 이미징 시스템은 트리거에 대한 응답으로 이미징을 또한 시작하거나 중지할 수 있다. 예컨대, 웨어러블 디바이스가 사용자가 웨어러블 디바이스를 착용하고 있음을 검출하면 웨어러블 디바이스는 사용자의 얼굴을 이미징하기 시작하도록 구성될 수 있다. 웨어러블 디바이스는, 검출을 위해, 도 2 및 도 7을 참조하여 설명된 다양한 센서들, 이를테면 가속도계 및/또는 자이로스코프를 사용할 수 있다. 센서들에 의해 획득된 데이터는 임계 레벨과 비교하여 분석될 수 있다. 만약 데이터가 임계 레벨을 넘으면, 웨어러블 디바이스는 이미징 프로세스를 시작하거나 중지할 수 있다. 예로서, 사용자가 웨어러블 디바이스를 들어 올릴 때, 웨어러블 디바이스의 가속도계가 웨어러블 디바이스의 가속도에 대한 데이터를 획득할 수 있다. 만약 웨어러블 디바이스가 가속도가 특정 임계 가속도를 초과한다고 결정하면, 웨어러블 디바이스는 사용자의 얼굴을 이미징하기 시작할 수 있다. 사용자가 예컨대 머리에 웨어러블 디바이스를 착용하면, 가속도가 감소될 수 있다. 웨어러블 디바이스가 가속도가 특정 임계치에 대해 감소되었다고 결정하면, 웨어러블 디바이스는 사용자의 얼굴을 이미징하는 것을 중지할 수 있다.
[0185] 또 다른 트리거는 웨어러블 디바이스와 사용자 간의 거리일 수 있다. 예컨대, 센서들은 음향 또는 광 신호들과 같은 신호들을 방출하고 수신하며, 거리를 측정하기 위해 신호들 또는 신호들의 피드백을 사용할 수 있다. 웨어러블 디바이스는 내향 이미징 시스템에 의해 획득된 이미지들을 분석함으로써 거리를 또한 결정할 수 있다. 예컨대, 웨어러블 디바이스는 이미지에서 얼굴의 사이즈에 기반하여 거리를 계산할 수 있는데, 큰 사이즈는 가까운 거리를 나타낼 수 있는 반면, 작은 사이즈는 먼 거리를 나타낼 수 있다. 웨어러블 디바이스는 거리가 임계치를 넘어가거나 특정 범위 내에 있을 때 사용자를 이미징할 수 있다. 예컨대, 웨어러블 디바이스는 웨어러블 디바이스가 사용자와 일정 거리 이내에 있을 때에만 사용자를 이미징할 수 있다.
웨어러블 디바이스의 제거를 결정하기 위한 예시적인 프로세스들
[0186] 도 15b는 웨어러블 디바이스의 제거를 결정하기 위한 예시적인 방법을 예시한다. 도 15b의 프로세스(1500b)는 도 2 및 도 4를 참조하여 설명된 HMD와 같은 웨어러블 디바이스에 의해 수행될 수 있다. HMD는 사용자의 안구주위 구역을 이미징하도록 구성된 내향 이미징 시스템을 가질 수 있다.
[0187] 블록(1510)에서, 내향 이미징 시스템은 일련의 이미지들을 획득할 수 있다. HMD는 내향 이미징 시스템에 의해 획득된 이미지들을 수신할 수 있다. 일련의 이미지들은 순서대로(in sequence) 촬영될 수 있다. 예컨대, 일련의 이미지들은 비디오의 상이한 타임스탬프들에서 이미지들의 프레임들을 포함할 수 있다.
[0188] 블록(1520)에서, HMD는 안구주위 피처들을 식별하기 위해 블록(1510)에서 획득된 하나 이상의 이미지들을 분석할 수 있다. 도 11 및 도 12a-도 12b를 참조하여 설명된 바와 같이, 안구주위 피처들은 얼굴 피처들의 수학적 표현들(이를테면, 3D 공간의 포인트들)일 수 있다. HMD는 안구주위 피처들을 식별하기 위해 딥 뉴럴 네트워크와 같은 머신 학습 기법들을 사용할 수 있다.
[0189] 일부 구현들에서, HMD는 인입 이미지들의 해상도를 낮추거나 이미지의 일부(이를테면, 홍채 및 공막을 포함한 안구주위의 중심 부분)를 무시하며, 그에 의해 이미지 프로세싱 스피드를 증가시킬 수 있다. 이들 구현들은 유리할 수 있는데, 왜냐하면 안구주위의 중심 부분은 HMD가 사용자에게 접촉되어 있는지 여부에 대한 결정에 크게 영향을 미치지 않을 수 있는 상세한 특징들을 가질 수 있기 때문이다. 또한, 공막은 환경내의 오브젝트들의 정반사들을 생성할 수 있다. 안구주위의 이들 정반사들 및 상세한 특징들은 머신 학습 모델들에 잡음을 도입하여 분석의 정확도를 감소시킬 수 있다.
[0190] 블록(1530)에서, HMD는 안구주위 피처들이 획득된 이미지들에서 나타나지 않는지 여부를 결정할 수 있다. 만약 하나 이상의 안구주위 피처들이 획득된 이미지들에서 나타나지 않는다고 HMD가 결정하면, 블록(1532)에서, HMD는 HMD가 사용자의 머리로부터 제거되었다는 것을 표시하는 신호를 방출할 수 있다. 신호는 배터리 전력 소비를 감소시키기 위하여, HMD로 하여금 전력을 차단하게 하거나 또는 슬립 모드로 진입하게 할 수 있다. 신호는 또한, HMD로 하여금 특정 기능들을 수행하는 것을 중지시키게 할 수 있다. 예컨대, 신호는 HMD로 하여금 VR 또는 AR 모드를 턴 오프하게 할 수 있다. 방출된 신호는 전자 신호일 수 있으나, 추가적으로 또한 대안적으로 사용자에 대한 경고로서 가청 또는 가시적 신호를 포함할 수 있다.
[0191] 만약 블록(1540)에서 안구주위 구역이 단지 이미지의 서브세트에서만 나타나는 것으로 HMD가 결정하면, 블록(1542)에서, HMD는 HMD에 대한 상태 변화를 표시할 수 있다. 예컨대, HMD는 안구주위 피처들이 초기 이미지에서는 나타나지만 나중 이미지에서는 나타나지 않는다고 결정할 수 있다. 이러한 결정에 기반하여, HMD는 사용자가 HMD를 벗었다는 것을 표시할 수 있다. 일부 구현들에서, HMD는 사용자가 HMD를 벗었다는 것을 표시하는 신호를 전송할 수 있으며, 이는 블록(1532)에서 도시된 것과 동일한 액션들이 수행되게 할 수 있다.
[0192] 다른 한편으로는, HMD는 안구주위 피처들이 단지 나중 이미지에서만 나타나는 것을 검출할 수 있다. 그에 따라서, HMD는 사용자가 디바이스를 착용하였음을 결정할 수 있다. 이러한 결정에 대한 응답으로, HMD는 HMD의 가상 현실 또는 증강 현실 기능을 턴 온하거나, 사용자 로그인 시퀀스를 개시하거나, 내향 이미징 시스템의 해상도를 (예컨대, 눈-추적 또는 홍채 인식에 더 적절한 해상도로) 변화시키거나, 또는 이러한 변화 상태를 반영하기 위하여 다른 액션들을 수행할 수 있다.
[0193] 그러나, 만약 HMD가 초기에 획득된 이미지들 및 나중에 획득된 이미지들 둘 모두에서 안구주위 피처들을 검출하면, HMD는, 블록(1544)에서, 사용자가 현재 HMD를 착용하고 있다는 것을 결정할 수 있다. 그에 따라서, HMD는 블록(1510)을 선택적으로 수행할 수 있다.
[0194] 비록 예들이 안구주위 구역을 검출하는 것을 참조로 하여 설명될지라도, 본원에서 설명된 이들 기법들은 안구주위 구역에 제한되지 않는다. 예컨대, 본원에서 설명된 기법들은 또한 사용자의 신체의 다른 얼굴 피처들 또는 일부들을 검출하기 위하여 사용될 수 있다. 게다가, 도 15b에 도시된 블록들은 일부 블록들이 다른 블록 전에 수행되거나, 다른 블록 이후에 수행되거나 또는 다른 블록과 동시에 수행될 수 있기 때문에 순서대로 수행되도록 요구되지 않는다. 예컨대, 판단 블록(1540)이 판단 블록(1530) 이후에 수행되도록 요구되는 것은 아니다. 또한, 방법(1500b)은 도 15b에 도시된 모든 블록들을 포함하도록 요구되지 않으며, 방법(1500)은 더 많은 블록들을 포함하거나 또는 더 적은 블록들을 포함할 수 있다. 예컨대, 도 15b의 하나 이상의 블록들(이를테면, 블록들(1530 및 1540))은 단일 블록으로 조합될 수 있다.
안구주위 이미지로부터 웨어러블 디바이스와 사용자의 얼굴 간의 상대적 포지션으로의 맵핑을 생성하는 예시적인 프로세스들
[0195] 도 15c는 HMD가 사용자에게 접촉되어 있는지 여부 또는 핏팅 적합성을 위한 맵핑을 제공하기 위하여 머신 학습 기법을 적용하기 위한 방법(1500c)의 예이다. 블록(1552)에서, 맵핑을 생성하기 위하여 감독 또는 비감독 학습에서 트레이닝 이미지들로서 사용될 수 있는 눈 이미지들이 액세스된다. 블록(1554)에서, 머신 학습 기법(예컨대, 딥 뉴럴 네트워크)은 사용자에 대한 HMD의 핏팅 퀄리티 또는 HMD 제거 카테고리화(예컨대, 사용자의 머리에 있음 또는 사용자의 머리에서 떨어져 있음)를 위하여 사용될 수 있는 맵핑을 개발하기 위하여 눈 이미지들을 분석하는 데 사용된다. 블록(1556)에서, 맵핑은 출력(예컨대, 트레이닝된 뉴럴 네트워크로부터의 출력)이며, 특정 HMD와 연관된 메모리(예컨대, 로컬 데이터 모듈(260) 또는 원격 데이터 저장소(280))에 저장될 수 있다. 블록(1562)에서, 사용자에게 특정적일 수 있는 추가적인 눈 이미지들이 액세스될 수 있다. 예컨대, 사용자는 미러 앞에 서 있으며, 사용자의 얼굴 주위에서 HMD를 이동시키며 결과적인 핏팅 퀄리티에 대한 사용자의 주관적인 임프레션(impression)을 기록할 수 있다. 블록(1564)에서, 머신 학습 기법은 예컨대 뉴럴 네트워크를 추가로 트레이닝함으로써 사용자의 개별 선호도들을 반영하기 위하여 맵핑을 업데이트한다.
[0196] 블록(1566)에서, HMD는 사용자의 머리에 대한 HMD의 측정된 핏팅 퀄리티에 대한 정보를 사용자에게 제공할 수 있다. 예컨대, HMD는 퀄리티 등급을 사용자에게 디스플레이하거나 핏팅 퀄리티를 표시하는 가청 신호를 방출할 수 있다. HMD는 사용자의 머리에 대한 HMD의 핏팅을 개선하는 방법에 대한 명령들을 사용자에게 디스플레이하고 (또는 가청 명령들을 제공하고), 추가적인 눈 이미지들을 획득하며 (블록(1562)) 그리고 업데이트된 핏팅 퀄리티를 결정할 수 있다(블록(1564)). HMD는 사용자의 머리에 대한 HMD의 핏팅 퀄리티가 용인가능한 또는 최적 레벨일 때까지 이를 반복할 수 있다. 그에 따라서, HMD는 특정 사용자의 머리에 대한 HMD의 핏팅이 적절하도록 보장하기 위하여 퀄리티 핏팅 절차를 통해 사용자를 안내한다. HMD는 특정 사용자가 HMD를 착용하는 첫번째 시간에, 주기적으로, 또는 측정된 핏팅 퀄리티가 임계치 미만일 때(예컨대, A-F 등급 척도에서, 퀄리티 등급이 C미만일 때) 이러한 퀄리티 핏팅 절차를 수행할 수 있다.
[0197] 블록들(1562, 1564, 1566)은 선택적이나, 사용자 맞춤화의 유리한 레벨을 제공한다. 추가로, 맵핑은 HMD의 다수의 사용자들 각각에 대하여 맞춤화될 수 있다(예컨대, 패밀리는 단일 HMD의 사용을 공유할 수 있고 각각의 패밀리 멤버에 대한 맵핑을 맞춤화할 수 있다).
추가적인 양상들
[0198] 제1 양상에 있어서, 사용자의 머리로부터 머리-장착 디스플레이의 제거를 검출하기 위한 방법에서, 이 방법은, 컴퓨터 프로세서 및 사용자의 안구주위 구역을 이미징하도록 구성된 내향 이미징 시스템을 포함하는 머리-장착 디스플레이의 제어 하에: 내향 이미징 시스템으로부터 이미지를 수신하는 단계; 이미지에서 안구주위 구역의 안구주위 피처들의 존재 정도(degree of presence)를 식별하기 위해 이미지를 분석하는 단계; 안구주위 피처들의 존재 정도에 적어도 부분적으로 기반하여, 머리-장착 디스플레이가 사용자의 머리로부터 제거된 가능성을 결정하는 단계; 및 가능성이 임계치를 넘었다는 결정에 대한 응답으로, 머리-장착 디스플레이가 사용자의 머리로부터 제거되었다는 표시를 제공하는 단계를 포함한다.
[0199] 제2 양상에 있어서, 제1 양상의 방법에서, 내향 이미징 시스템은 2개의 눈 카메라들을 포함하고, 각각의 눈 카메라는 사용자의 개개의 눈을 이미징하도록 구성된다.
[0200] 제3 양상에 있어서, 제1 양상 또는 제2 양상의 방법에서, 안구주위 구역은, 사용자의 안와들, 코의 일부, 볼들의 일부, 눈썹들의 일부 또는 이마의 일부 중 하나 이상을 포함한다.
[0201] 제4 양상에 있어서, 제1 양상 내지 제3 양상 중 어느 하나의 방법에서, 이미지를 분석하는 단계는 희소 오토-인코더 알고리즘(sparse auto-encoder algorithm), 클러스터링 알고리즘, 딥 뉴럴 네트워크, 또는 임의의 타입의 뉴럴 네트워크에 의해 수행된다.
[0202] 제5 양상에 있어서, 제1 양상 내지 제4 양상 중 어느 하나의 방법에서, 안구주위 피처들의 존재 정도에 적어도 부분적으로 기반하여, 머리-장착 디스플레이가 사용자의 머리로부터 제거된 가능성을 결정하는 단계는, 머리-장착 디스플레이의 사용자에게 특정적인 안구주위 피처들의 존재를 결정하는 단계를 포함한다.
[0203] 제6 양상에 있어서, 제1 양상 내지 제5 양상 중 어느 하나의 방법에서, 이미지를 분석하는 단계는 이미지의 해상도를 감소시키는 단계를 포함한다.
[0204] 제7 양상에 있어서, 제1 양상 내지 제6 양상 중 어느 하나의 방법에서, 이미지를 분석하는 단계는, 안구주위 구역의 일부를 마스킹 아웃(masking out)하는 단계를 포함하며, 이 일부는, 홍채, 눈의 공막(sclera), 또는 안구에 대한 정반사 중 적어도 하나를 포함한다.
[0205] 제8 양상에 있어서, 제1 양상 내지 제7 양상 중 어느 하나의 방법에서, 표시를 제공하는 단계는, 머리-장착 디스플레이로 하여금, 전력을 차단(power off)하게 하는 또는 배터리 절약 모드에 진입하게 하는 신호를 제공하는 단계를 포함한다.
[0206] 제9 양상에 있어서, 사용자의 머리로부터 머리-장착 디스플레이의 제거를 검출하기 위한 시스템에서, 이 시스템은, 제1 양상 내지 제8 양상 중 어느 하나의 방법을 수행하도록 구성된 컴퓨터 프로세서 및 사용자의 안구주위 구역을 이미징하도록 구성된 내향 이미징 시스템을 포함한다.
[0207] 제10 양상에 있어서, 사용자의 머리에 대한 머리-장착 디스플레이의 위치를 결정하기 위한 방법에서, 이 방법은, 컴퓨터 프로세서 및 사용자의 안구주위 구역을 이미징하도록 구성된 내향 이미징 시스템을 포함하는 머리-장착 디스플레이의 제어 하에: 내향 이미징 시스템으로부터 제1 이미지 및 제2 이미지를 수신하는 단계 ―제1 이미지 및 제2 이미지는 순서대로 획득됨―; 제1 이미지 및 제2 이미지에서 안구주위 구역의 안구주위 피처들을 식별하기 위해 제1 이미지 및 제2 이미지를 분석하는 단계; 안구주위 피처들에 적어도 부분적으로 기반하여, 안구주위 구역이 제1 이미지에 있는지 또는 제2 이미지에 있는지 여부를 결정하는 단계; 안구주위 구역이 제1 이미지에도 제2 이미지에도 없다는 결정에 대한 응답으로, 머리-장착 디스플레이가 사용자의 머리로부터 제거되었다는 표시를 제공하는 단계; 안구주위 구역이 제1 이미지에 또는 제2 이미지에 있다는 결정에 대한 응답으로, 머리-장착 디스플레이에 대한 상태의 변경을 표시하는 단계를 포함한다.
[0208] 제11 양상에 있어서, 제10 양상의 방법에서, 제1 이미지는 제2 이미지 전에 획득된다.
[0209] 제12 양상에 있어서, 제10 양상 또는 제11 양상의 방법에서, 내향 이미징 시스템은 2개의 눈 카메라들을 포함하고, 이 각각은 사용자의 눈을 이미징하도록 구성된다.
[0210] 제13 양상에 있어서, 제10 양상 내지 제12 양상 중 어느 하나의 방법에서, 안구주위 구역은, 사용자의 안와, 코의 일부, 볼의 일부, 눈썹의 일부 또는 이마의 일부 중 하나 이상을 포함한다.
[0211] 제14 양상에 있어서, 제10 양상 내지 제13 양상 중 어느 하나의 방법에서, 안구주위 피처들을 식별하는 것은 딥 뉴럴 네트워크, 희소 오토-인코더 알고리즘, 클러스터링 알고리즘 또는 임의의 타입의 뉴럴 네트워크에 의해 수행된다.
[0212] 제15 양상에 있어서, 제10 양상 내지 제14 양상 중 어느 하나의 방법에서, 안구주위 피처들은 머리-장착 디스플레이의 사용자에게 특정적이다.
[0213] 제16 양상에 있어서, 제10 양상 내지 제15 양상 중 어느 하나의 방법에서, 제1 이미지 및 제2 이미지를 분석하는 단계는 제1 이미지 및 제2 이미지의 해상도를 감소시키는 단계를 포함한다.
[0214] 제17 양상에 있어서, 제10 양상 내지 제16 양상 중 어느 하나의 방법에서, 제1 이미지 및 제2 이미지를 분석하는 단계는, 제1 이미지 및 제2 이미지에서, 안구주위 구역의 일부를 마스킹 아웃하는 단계를 포함하며, 이 일부는 홍채, 눈의 공막, 또는 안구에 대한 정반사 중 적어도 하나를 포함한다.
[0215] 제18 양상에 있어서, 제10 양상 내지 제17 양상 중 어느 하나의 방법에서, 머리-장착 디스플레이에 대한 상태의 변경을 표시하는 단계는 전력을 차단하는 단계 또는 배터리 절약 모드에 진입하게 하는 단계를 포함한다.
[0216] 제19 양상에 있어서, 제10 양상 내지 제18 양상 중 어느 하나의 방법에서, 머리-장착 디스플레이의 상태는, 머리-장착 디스플레이가 사용자의 머리에 있다는 것 또는 머리-장착 디스플레이가 사용자의 머리로부터 제거되었다는 것을 포함한다.
[0217] 제20 양상에 있어서, 제19 양상의 방법에서, 안구주위 피처들이 제1 이미지에서는 식별되나 제2 이미지에서는 식별되지 않는다는 결정에 대한 응답으로, 사용자의 머리에 있다는 것에서 사용자의 머리로부터 제거되었다는 것으로 머리-장착 디스플레이의 상태를 변경하는 단계, 및 안구주위 피처들이 제2 이미지에서는 식별되나 제1 이미지에서는 식별되지 않는다는 결정에 대한 응답으로, 사용자의 머리로부터 제거되었다는 것에서 사용자의 머리에 있다는 것으로 머리-장착 디스플레이의 상태를 변경하는 단계를 포함한다.
[0218] 제21 양상에 있어서, 사용자의 머리에 대한 머리-장착 디스플레이의 위치를 결정하기 위한 시스템에서, 이 시스템은, 제10 양상 내지 제20 양상 중 어느 하나의 방법을 수행하도록 구성된 컴퓨터 프로세서 및 사용자의 안구주위 구역을 이미징하도록 구성된 내향 이미징 시스템을 포함한다.
[0219] 제22 양상에 있어서, 사용자의 머리에 대한 머리-장착 디스플레이의 핏팅(fit)을 결정하기 위한 방법에서, 이 방법은, 컴퓨터 프로세서 및 사용자의 안구주위 구역을 이미징하도록 구성된 내향 이미징 시스템을 포함하는 머리-장착 디스플레이의 제어 하에: 내향 이미징 시스템으로부터 이미지를 수신하는 단계; 안구주위 구역의 안구주위 피처들을 식별하기 위해 이미지를 분석하는 단계; 이미지의 분석에 적어도 부분적으로 기반하여 머리-장착 디스플레이와 사용자의 머리 간의 상대적 포지션을 결정하는 단계; 및 머리-장착 디스플레이와 사용자의 머리 간의 상대적 포지션에 적어도 부분적으로 기반하여 머리-장착 디스플레이의 핏팅 카테고리(fit category)결정하는 단계를 포함한다.
[0220] 제23 양상에 있어서, 제22 양상의 방법에서, 내향 이미징 시스템은 2개의 눈 카메라들을 포함하고, 이 각각의 눈 카메라는 사용자의 개개의 눈을 이미징하도록 구성된다.
[0221] 제24 양상에 있어서, 제22 양상 또는 제23 양상의 방법에서, 안구주위 구역은, 사용자의 안와들, 코의 일부, 볼들의 일부, 눈썹들의 일부 또는 이마의 일부 중 하나 이상을 포함한다.
[0222] 제25 양상에 있어서, 제22 양상 내지 제24 양상 중 어느 하나의 방법에서, 안구주위 피처들은 머리-장착 디스플레이의 사용자에게 특정적이다.
[0223] 제26 양상에 있어서, 제22 양상 내지 제25 양상 중 어느 하나의 방법에서, 안구주위 피처들은 클러스터링 알고리즘 또는 뉴럴 네트워크 알고리즘 중 적어도 하나를 사용하여 식별된다.
[0224] 제27 양상에 있어서, 제22 양상 내지 제26 양상 중 어느 하나의 방법에서, 상대적 포지션을 결정하는 단계는, 사용자의 눈들에 대한 머리-장착 디스플레이와의 거리를 계산하는 단계; 사용자의 눈들 간의 동공간(interpupillary) 거리를 계산하는 단계; 머리-장착 디스플레이와 사용자의 눈들 간의 상대적 포지션을 결정하는 단계; 사용자의 눈들의 비대칭성(asymmetry)을 결정하는 단계; 또는 머리-장착 디스플레이의 기울어짐(tilt)을 결정하는 단계 중 하나 이상을 포함하며, 기울어짐은 전방향 기울어짐(forward tilt) 또는 한쪽 기울어짐(side tilt) 중 적어도 하나를 포함한다.
[0225] 제28 양상에 있어서, 제22 양상 내지 제27 양상 중 어느 하나의 방법에서, 핏팅 카테고리를 결정하는 단계는, HMD와 사용자의 머리 간의 상대적 포지션을 임계 조건(threshold condition)과 비교하는 단계; 및 상대적 포지션과 임계 조건 간의 비교에 적어도 부분적으로 기반하여, 핏팅 카테고리를 HMD와 연관시키는 단계를 포함한다.
[0226] 제29 양상에 있어서, 제22 양상 내지 제28 양상 중 어느 하나의 방법에서, 핏팅 카테고리는, 완전히 핏팅됨(fit well), 적절히 핏팅됨(fit adequately) 또는 불완전하게 핏팅됨(fit poorly) 중 적어도 하나를 포함한다.
[0227] 제30 양상에 있어서, 제22 양상 내지 제29 양상 중 어느 하나의 방법에서, 이 방법은, 핏팅 카테고리의 표시를 제공하는 단계를 더 포함하며, 표시는, 머리-장착 디스플레이로 하여금, 상대적 포지션을 보상하도록 머리-장착 디스플레이의 디스플레이를 조정하는 것, 또는 핏팅 카테고리와 연관된 경고를 사용자에게 제공하는 것 중 적어도 하나를 수행하게 한다.
[0228] 제31 양상에 있어서, 사용자의 머리에 대한 머리-장착 디스플레이의 핏팅을 결정하기 위한 시스템에서, 이 시스템은 하드웨어 컴퓨터 프로세서를 포함하며, 이 하드웨어 컴퓨터 프로세서는, 사용자의 안구주위 구역의 이미지에 액세스하고; 사용자에 대한 머리-장착 디스플레이의 핏팅 적합성 및 안구주위 구역의 이미지들 간의 맵핑에 액세스하고; 그리고 머리-장착 디스플레이의 핏팅 적합성을 결정하기 위해 맵핑을 적용하도록 프로그래밍된다.
[0229] 제32 양상에 있어서, 제31 양상의 시스템에서, 맵핑은 뉴럴 네트워크에 의해 생성된다.
[0230] 제33 양상에 있어서, 제31 양상 또는 제32 양상의 시스템에서, 핏팅 적합성은 질적 레이팅(qualitative rating), 수치적 레이팅(numerical rating) 또는 문자 등급(letter grade) 중 적어도 하나를 포함한다.
[0231] 제34 양상에 있어서, 제31 양상 내지 제33 양상 중 어느 하나의 시스템에서, 컴퓨터 프로세서는 추가로, 핏팅 적합성이 임계 레벨를 넘는다는 것에 대한 응답으로 보정 동작을 수행하도록 프로그래밍된다.
[0232] 제35 양상에 있어서, 제34 양상의 시스템에서, 보정 동작을 수행하기 위해, 컴퓨터 프로세서는, 사용자에게 표시를 제공하도록, 또는 핏팅을 보상하기 위해 머리-장착 디스플레이의 디스플레이를 조정하도록 프로그래밍된다.
[0233] 제36 양상에 있어서, 제35 양상의 시스템에서, 사용자에게 표시를 제공하기 위해, 컴퓨터 프로세서는 핏팅 적합성 개선에 대한 명령들을 사용자에게 제공하도록 프로그래밍된다.
[0234] 제37 양상에 있어서, 제34 양상 또는 제35 양상의 시스템에서, 사용자에게 표시를 제공하기 위해, 컴퓨터 프로세서는, 추가적인 눈 이미지에 액세스하고; 업데이트된 핏팅 적합성을 결정하기 위해 추가적인 눈 이미지에 맵핑을 적용하도록 프로그래밍된다.
[0235] 제38 양상에 있어서, 제37 양상의 시스템에서, 컴퓨터 프로세서는, 업데이트된 핏팅 적합성이 임계치를 넘을 때까지, 추가적인 눈 이미지들에 액세스하고 업데이트된 핏팅 적합성들을 결정하는 것을 계속하도록 프로그래밍된다.
[0236] 제39 양상에 있어서, 가상 오브젝트의 렌더링 위치를 조정하기 위한 증강 현실 (AR: augmented reality) 시스템에서, 이 AR 시스템은, 가상 오브젝트를 3차원 공간(3D)에 렌더링하도록 구성된 AR 디스플레이 시스템; 사용자의 얼굴의 안구주위 부분을 이미징하도록 구성된 이미징 시스템; 및 하드웨어 프로세서를 포함하며, 이 하드웨어 프로세서는, 이미징 시스템으로부터 이미지를 수신하고; 사용자의 안구주위 피처들을 식별하기 위해 이미지를 분석하고; 안구주위 피처들에 적어도 부분적으로 기반하여 AR 디스플레이 시스템과 사용자의 머리 간의 상대적 포지션을 결정하고; AR 디스플레이 시스템과 사용자의 머리 간의 상대적 포지션에 적어도 부분적으로 기반하여 가상 오브젝트의 렌더링 위치를 조정하고; 그리고 가상 오브젝트를 렌더링 위치에 렌더링하도록 증강 현실 디스플레이 시스템에게 명령하도록 프로그래밍된다.
[0237] 제40 양상에 있어서, 제39 양상의 AR 시스템에서, 렌더링 위치를 조정하기 위해, 하드웨어 프로세서는, 사용자의 눈의 정상 휴식 포지션(normal resting position), 및 사용자의 눈의 정상 휴식 포지션에 대응하는 가상 오브젝트의 정상 렌더링 포지션을 결정하고; AR 디스플레이 시스템과 사용자의 머리 간의 상대적 포지션에 적어도 부분적으로 기반하여 가상 오브젝트의 정상 렌더링 포지션에 대한 보정을 계산하고; 그리고 정상 렌더링 포지션에 대한 보정에 기반하여 가상 오브젝트의 렌더링 위치를 결정하도록 프로그래밍된다.
[0238] 제41 양상에 있어서, 제40 양상의 AR 시스템에서, 사용자의 눈의 정상 렌더링 포지션 및 가상 오브젝트의 정상 렌더링 포지션은 AR 시스템의 개시 페이즈(initiation phase) 동안 결정된다.
[0239] 제42 양상에 있어서, 제39 양상 내지 제41 양상 중 어느 하나의 AR 시스템에서, 하드웨어 프로세서는 추가로, 눈 포즈를 결정하기 위해 이미지를 분석하도록 프로그래밍되며, 사용자의 눈의 포지션은 AR 디스플레이 시스템에서의 렌더링 뷰포인트(rendering viewpoint)에 대응하며, 렌더링 위치를 조정하는 것은 사용자의 눈 포즈에 기반하여 렌더링 뷰포인트의 포지션을 업데이트하는 것을 포함한다.
[0240] 제43 양상에 있어서, 제42 양상의 AR 시스템에서, 렌더링 뷰포인트의 포지션을 업데이트하는 것은, AR 디스플레이 시스템과 연관된 좌표를 시프트하는 것을 포함한다.
[0241] 제44 양상에 있어서, 제39 양상 내지 제43 양상 중 어느 하나의 AR 시스템에서, AR 디스플레이 시스템은, 사용자의 눈의 관점으로부터 가상 오브젝트를 렌더링하도록 구성된 공간 AR 디스플레이 시스템(spatial AR display system)을 포함한다.
[0242] 제45 양상에 있어서, 제39 양상 내지 제44 양상 중 어느 하나의 AR 시스템에서, 이미징 시스템은 사용자의 환경을 이미징하도록 구성된 외향 이미징 시스템을 포함하며, 이미징 시스템으로부터의 이미지는 사용자의 얼굴의 반사된 이미지를 포함한다.
[0243] 제46 양상에 있어서, 제39 양상 내지 제45 양상 중 어느 하나의 AR 시스템에서, AR 디스플레이 시스템과 사용자의 머리 간의 상대적 포지션은, 수평 시프트, 수직 시프트, 깊이 시프트, 한쪽으로의 기울어짐 또는 전방향 기울어짐 중 하나 이상을 포함한다.
[0244] 제47 양상에 있어서, 제39 양상 내지 제46 양상 중 어느 하나의 AR 시스템에서, AR 디스플레이 시스템과 사용자의 머리 간의 상대적 포지션은 사용자의 제1 눈에 대한 제1 상대적 포지션 및 사용자의 제2 눈에 대한 제2 상대적 포지션을 포함한다.
[0245] 제48 양상에 있어서, 제39 양상 내지 제47 양상 중 어느 하나의 AR 시스템에서, 상대적 포지션은, 시각적 키포인트들을 사용하여 안구주위 피처들을 추적하는 것, 또는 사용자의 머리의 적어도 일부를 인코딩하는 밀집 맵(dense map)과 얼굴의 구역을 매칭시키는 것 중 적어도 하나에 의해 결정된다.
[0246] 제49 양상에 있어서, 제48 양상의 AR 시스템에서, 시각적 키포인트들은 SIFT(scale-invariant feature transform), SURF(speeded up robust features), ORB(oriented FAST and rotated BRIEF), BRISK(binary robust invariant scalable keypoints) 또는 FREAK(fast retina keypoint) 중 적어도 하나를 사용하여 컴퓨팅되거나 또는 밀집 맵은 반복 근접점 알고리즘을 사용하여 계산된다.
[0247] 제50 양상에 있어서, 증강 현실 디바이스(ARD: augmented reality device)에서 가상 오브젝트의 렌더링 위치를 조정하기 위한 방법에 있어서, 이 방법은, 하드웨어 프로세서, 3차원 공간(3D) 상에 가상 오브젝트를 렌더링하도록 구성된 증강 현실 디스플레이 시스템 및 사용자의 얼굴의 안구주위 부분을 이미징하도록 구성된 이미징 시스템을 포함하는 ARD의 제어 하에: 이미징 시스템으로부터 이미지를 수신하는 단계; 사용자의 안구주위 피처들을 식별하기 위해 이미지를 분석하는 단계; 안구주위 피처들에 적어도 부분적으로 기반하여 ARD와 사용자의 머리 간의 상대적 포지션을 결정하는 단계; ARD와 사용자의 머리 간의 상대적 포지션에 적어도 부분적으로 기반하여 가상 오브젝트의 렌더링 위치를 조정하는 단계; 및 증강 현실 디스플레이 시스템에 의해, 가상 오브젝트를 렌더링 위치에 렌더링하는 단계를 포함한다.
[0248] 제51 양상에 있어서, 제50 양상의 방법에서, 렌더링 위치를 조정하는 단계는, 사용자의 눈의 정상 휴식 포지션, 및 사용자의 눈의 정상 휴식 포지션에 대응하는 가상 오브젝트의 정상 렌더링 포지션을 결정하고; ARD와 사용자의 머리 간의 상대적 포지션에 적어도 부분적으로 기반하여 가상 오브젝트의 정상 렌더링 포지션에 대한 보정을 계산하는 단계; 및 정상 렌더링 포지션에 대한 보정에 기반하여 가상 오브젝트의 렌더링 위치를 결정하는 단계를 포함한다.
[0249] 제52 양상에 있어서, 제51 양상의 방법에서, 사용자의 눈의 정상 렌더링 포지션 및 가상 오브젝트의 정상 렌더링 포지션은 ARD의 개시 페이즈 동안 결정된다.
[0250] 제53 양상에 있어서, 제50 양상 내지 제52 양상 중 어느 하나의 방법에서, 이 방법은 눈 포즈를 결정하기 위해 이미지를 분석하는 단계를 더 포함하며, 사용자의 눈의 포지션은 증강 현실 디스플레이 시스템에서의 렌더링 뷰포인트에 대응하며, 렌더링 위치를 조정하는 단계는 사용자의 눈 포즈에 기반하여 렌더링 뷰포인트의 포지션을 업데이트하는 단계를 포함한다.
[0251] 제54 양상에 있어서, 제53 양상의 방법에서, 렌더링 뷰포인트의 포지션을 업데이트하는 단계는 증강 현실 디스플레이 시스템과 연관된 좌표를 시프트하는 단계를 포함한다.
[0252] 제55 양상에 있어서, 제52 양상 내지 제54 양상 중 어느 하나의 방법에서, 증강 현실 디스플레이 시스템은 사용자의 눈의 관점으로부터 가상 오브젝트를 렌더링하도록 구성된 공간 증강 현실 디스플레이를 포함한다.
[0253] 제56 양상에 있어서, 제50 양상 내지 제55 양상 중 어느 하나의 방법에서, 이미징 시스템은 사용자의 환경을 이미징하도록 구성된 외향 이미징 시스템을 포함하며, 이미징 시스템으로부터의 이미지는 사용자의 얼굴의 반사된 이미지를 포함한다.
[0254] 제57 양상에 있어서, 제50 양상 내지 제56 양상 중 어느 하나의 방법에서, ARD와 사용자의 머리 간의 상대적 포지션은, 수평 시프트, 수직 시프트, 깊이 시프트, 한쪽으로의 기울어짐 또는 전방향 기울어짐 중 하나 이상을 포함한다.
[0255] 제58 양상에 있어서, 제50 양상 내지 제57 양상 중 어느 하나의 방법에서, ARD와 사용자의 머리 간의 상대적 포지션은 사용자의 제1 눈에 대한 제1 상대적 포지션 및 사용자의 제2 눈에 대한 제2 상대적 포지션을 포함한다.
[0256] 제59 양상에 있어서, 제50 양상 내지 제58 양상 중 어느 하나의 방법에서, 상대적 포지션은, 시각적 키포인트들을 사용하여 안구주위 피처들을 추적하는 것, 또는 사용자의 머리의 적어도 일부를 인코딩하는 밀집 맵과 얼굴의 구역을 매칭시키는 것 중 적어도 하나에 의해 결정된다.
[0257] 제60 양상에 있어서, 제59 양상의 방법에서, 시각적 키포인트들은 SIFT(scale-invariant feature transform), SURF(speeded up robust features), ORB(oriented FAST and rotated BRIEF), BRISK(binary robust invariant scalable keypoints) 또는 FREAK(fast retina keypoint) 중 적어도 하나를 사용하여 컴퓨팅되거나 또는 밀집 맵은 반복 근접점 알고리즘(iterative closest point algorithm)을 사용하여 계산된다.
[0258] 제61 양상에 있어서, 가상 오브젝트의 렌더링 위치를 조정하기 위한 증강 현실 디바이스(ARD: augmented reality device)에서, 이 ARD는, 가상 오브젝트를 3차원 공간(3D)에 렌더링하도록 구성된 증강 현실 디스플레이 시스템; 사용자의 이미지를 획득하도록 구성된 이미징 시스템; 하드웨어 프로세서를 포함하며, 이 하드웨어 프로세서는, 이미징 시스템으로부터 이미지를 수신하고; 사용자의 피처들을 식별하기 위해 이미지를 분석하고; 식별된 피처들에 적어도 부분적으로 기반하여 사용자의 머리에 대한 ARD에 대한 포즈를 컴퓨팅하고; 그리고 가상 오브젝트를, ARD에 대한 포즈에 적어도 부분적으로 기반하는 렌더링 위치에 렌더링하도록 증강 현실 디스플레이 시스템에게 명령하도록 프로그래밍된다.
[0259] 제62 양상에 있어서, 제61 양상의 ARD에서, 이미지는 안구주위 이미지를 포함하고, 피처들은 안구주위 피처들을 포함한다.
[0260] 제63 양상에 있어서, 제61 양상 또는 제62 양상의 ARD에서, 피처들은 시각적 키포인트들 또는 사용자의 얼굴 모델과 연관된 조밀 맵 중 적어도 하나에 의해 인코딩된다.
[0261] 제64 양상에 있어서, 제63 양상의 ARD에서, ARD에 대한 포즈를 컴퓨팅하기 위해, 하드웨어 프로세서는 시각적 키포인트들을 추적하거나 또는 사용자의 얼굴의 구역을 얼굴 모델과 매칭시키도록 프로그래밍된다.
[0262] 제65 양상에 있어서, 제63 양상 내지 제65 양상 중 어느 하나의 ARD에서, 시각적 키포인트들은 SIFT(scale-invariant feature transform), SURF(speeded up robust features), ORB(oriented FAST and rotated BRIEF), BRISK(binary robust invariant scalable keypoints) 또는 FREAK(fast retina keypoint) 중 적어도 하나를 사용하여 컴퓨팅되거나 또는 밀집 맵은 반복 근접점 알고리즘(iterative closest point algorithm)을 사용하여 계산된다.
[0263] 제66 양상에 있어서, 제61 양상 내지 제65 양상 중 어느 하나의 ARD에서, ARD에 대한 포즈는, 수평 시프트, 수직 시프트, 깊이 시프트, 한쪽으로의 기울어짐 또는 전방향 기울어짐 중 하나 이상을 포함한다.
[0264] 제67 양상에 있어서, 제61 양상 내지 제66 양상 중 어느 하나의 ARD에서, 가상 오브젝트를, ARD에 대한 포즈에 적어도 부분적으로 기반하는 렌더링 위치에 렌더링하도록 증강 현실 디스플레이 시스템에게 명령하기 위해, 하드웨어 프로세서는, 증강 현실 디스플레이 시스템에서 가상 카메라를 변위시키는 것, 또는 ARD의 포즈에 대응하도록 증강 현실 디스플레이 시스템과 연관된 렌더링 좌표계를 시프트하는 것 중 적어도 하나를 수행하도록 프로그래밍된다.
[0265] 제68 양상에 있어서, 제61 양상 내지 제67 양상 중 어느 하나의 ARD에서, 증강 현실 디스플레이 시스템은, 사용자의 눈의 관점으로부터 가상 오브젝트를 렌더링하도록 구성된 공간 증강 현실 디스플레이를 포함한다.
[0266] 제69 양상에 있어서, 증강 현실 디스플레이(ARD: augmented reality device)에서 가상 오브젝트의 렌더링 위치를 조정하기 위한 방법에 있어서, 이 방법은, 하드웨어 프로세서, 3차원 공간(3D) 상에 가상 오브젝트를 렌더링하도록 구성된 증강 현실 디스플레이 시스템 및 이미징 시스템을 포함하는 ARD의 제어 하에: 이미징 시스템으로부터 이미지를 수신하는 단계; 사용자의 피처들을 식별하기 위해 이미지를 분석하는 단계; 식별된 피처들에 적어도 부분적으로 기반하여 사용자의 머리에 대한 ARD에 대한 포즈를 컴퓨팅하는 단계; 및 증강 현실 디스플레이 시스템에 의해, 가상 오브젝트를, ARD에 대한 포즈에 적어도 부분적으로 기반하는 렌더링 위치에 렌더링하는 단계를 포함한다.
[0267] 제70 양상에 있어서, 제69 양상의 방법에서, 이미지는 안구주위 이미지를 포함하고, 피처들은 안구주위 피처들을 포함한다.
[0268] 제71 양상에 있어서, 제69 양상 또는 제70 양상의 방법에서, 피처들은 시각적 키포인트들 또는 사용자의 얼굴 모델과 연관된 조밀 맵 중 적어도 하나에 의해 인코딩된다.
[0269] 제72 양상에 있어서, 제71 양상의 방법에서, ARD에 대한 포즈를 컴퓨팅하는 단계는, 시각적 키포인트들을 추적하는 단계 또는 사용자의 얼굴의 구역을 얼굴 모델과 매칭시키는 단계를 포함한다.
[0270] 제73 양상에 있어서, 제71 양상 또는 제72 양상의 방법에서, 시각적 키포인트들은 SIFT(scale-invariant feature transform), SURF(speeded up robust features), ORB(oriented FAST and rotated BRIEF), BRISK(binary robust invariant scalable keypoints) 또는 FREAK(fast retina keypoint) 중 적어도 하나를 사용하여 컴퓨팅되거나 또는 밀집 맵은 반복 근접점 알고리즘(iterative closest point algorithm)을 사용하여 계산된다.
[0271] 제74 양상에 있어서, 제69 양상 내지 제73 양상 중 어느 하나의 방법에서, ARD에 대한 포즈는, 수평 시프트, 수직 시프트, 깊이 시프트, 한쪽으로의 기울어짐 또는 전방향 기울어짐 중 하나 이상을 포함한다.
[0272] 제75 양상에 있어서, 제69 양상 내지 제74 양상 중 어느 하나의 방법에서, 증강 현실 디스플레이 시스템에 의해, 가상 오브젝트를, ARD에 대한 포즈에 적어도 부분적으로 기반하는 렌더링 위치에 렌더링하는 단계는, 증강 현실 디스플레이 시스템에서 가상 카메라를 변위시키는 단계, 또는 ARD의 포즈에 대응하도록 증강 현실 디스플레이 시스템과 연관된 렌더링 좌표계를 시프트하는 단계 중 적어도 하나를 포함한다.
[0273] 제76 양상에 있어서, 제69 양상 내지 제75 양상 중 어느 하나의 방법에서, 증강 현실 디스플레이 시스템은, 사용자의 눈의 관점으로부터 가상 오브젝트를 렌더링하도록 구성된 공간 증강 현실 디스플레이를 포함한다.
[0274] 제77 양상에 있어서, 머리-장착 디스플레이(HMD: head-mounted device)는, 사용자의 눈의 관점으로부터 가상 오브젝트를 렌더링하도록 구성된 공간 AR 디스플레이 시스템(spatial AR(augmented reality) display system); 사용자의 얼굴의 안구주위 구역을 이미징하도록 구성된 내향 이미징 시스템 ―내향 이미징 시스템은 안구주위 구역의 적어도 제1 이미지를 획득하도록 구성되며, 그리고 추가로, 제1 이미지에서 캡처된 안구주위 구역의 일부를 마스킹하도록 구성됨―; 및 하드웨어 프로세서를 포함하며, 이 하드웨어 프로세서는, 내향 이미징 시스템으로부터 이미지를 수신하고; 오브젝트 인식기에 의해 사용자의 안구주위 피처들을 식별하기 위해 이미지를 분석하고; 사용자의 눈의 정상 휴식 포지션, 및 사용자의 눈의 정상 휴식 포지션에 대응하는 가상 오브젝트의 정상 렌더링 포지션을 결정하고; 안구주위 피처들에 적어도 부분적으로 기반하여 HMD와 사용자의 머리 간의 상대적 포지션을 결정하고; HMD와 사용자의 머리 간의 상대적 포지션에 적어도 부분적으로 기반하여 가상 오브젝트의 정상 렌더링 포지션에 대한 조정을 계산하고; 정상 렌더링 포지션에 대한 조정에 기반하여 가상 오브젝트의 렌더링 위치를 결정하며; 그리고 가상 오브젝트를 렌더링 위치에 렌더링하도록 HMD에게 명령하도록 프로그래밍된다. 특정 구현들에서, 내향 이미징 시스템은 또한, 감소된 해상도의 제1 이미지를 획득하도록 구성될 수 있다.
[0275] 제78 양상에 있어서, 제77 양상의 HMD에서, 프로세서는, HMD의 초기화 페이즈 동안 가상 오브젝트의 정상 렌더링 포지션 및 사용자의 눈의 정상 렌더링 포지션을 결정하도록 구성된다.
[0276] 제79 양상에 있어서, 제77 양상 또는 제78 양상의 HMD에서, HMD와 사용자의 머리 간의 상대적 포지션을 결정하기 위해, 프로세서는, 시각적 키포인트들을 사용하여 안구주위 피처들을 추적하는 것, 또는 사용자의 머리의 적어도 일부를 인코딩하는 밀집 맵과 얼굴의 구역을 매칭시키는 것 중 적어도 하나를 수행하도록 구성된다.
[0277] 제80 양상에 있어서, 제79 양상의 HMD에서, 시각적 키포인트들은 SIFT(scale-invariant feature transform), SURF(speeded up robust features), ORB(oriented FAST and rotated BRIEF), BRISK(binary robust invariant scalable keypoints) 또는 FREAK(fast retina keypoint) 중 적어도 하나를 사용하여 컴퓨팅되거나 또는 밀집 맵은 반복 근접점 알고리즘(iterative closest point algorithm)을 사용하여 계산된다.
[0278] 제81 양상에 있어서, 제77 양상 내지 제80 양상 중 어느 하나의 HMD에서, 사용자의 눈의 정상 휴식 포지션은 HMD의 렌더링 뷰포인트에 대응하며, 그리고, 정상 렌더링 포지션을 조정하기 위해, 하드웨어 프로세서는, HMD와 연관된 좌표를 시프트하여 렌더링 뷰포인트의 포지션을 업데이트하도록 프로그래밍된다.
[0279] 제82 양상에 있어서, 제77 양상 내지 제81 양상 중 어느 하나의 HMD에서, HMD와 사용자의 머리 간의 상대적 포지션은 사용자의 제1 눈에 대한 제1 상대적 포지션 및 사용자의 제2 눈에 대한 제2 상대적 포지션을 포함한다.
[0280] 제83 양상에 있어서, 제77 양상 내지 제82 양상 중 어느 하나의 HMD에서, 정상 휴식 포지션과 관련하여, HMD와 사용자의 머리 간의 상대적 포지션은, 수평 시프트, 수직 시프트, 깊이 시프트, 한쪽으로의 기울어짐 또는 전방향 기울어짐 중 하나 이상을 포함한다.
[0281] 제84 양상에 있어서, 방법은, 하드웨어 프로세서, 컴퓨터 프로세서, 가상 오브젝트를 렌더링하도록 구성된 디스플레이 시스템 및 사용자의 얼굴의 안구주위 부분을 이미징하도록 구성된 내향 이미징 시스템을 포함하는 머리-장착 디바이스(HMD: head-mounted device)의 제어 하에: 내향 이미징 시스템으로부터 이미지를 수신하는 단계; 오브젝트 인식기에 의해 사용자의 안구주위 피처들을 식별하기 위해 이미지를 분석하는 단계; 안구주위 피처들에 적어도 부분적으로 기반하여 HMD와 사용자의 머리 간의 상대적 포지션을 결정하는 단계; 상대적 포지션을 임계 조건과 비교함으로써, 핏팅 정도(degree of fit)를 결정하는 단계; 및 HMD로 하여금, 상대적 포지션을 보상하도록 HMD의 디스플레이를 조정하게 하는 것, 또는 핏팅 정도와 연관된 표시를 사용자에게 제공하게 하는 것 중 적어도 하나를 수행하게 하는 단계를 포함한다.
[0282] 제85 양상에 있어서, 제84 양상의 방법에서, 오브젝트 인식기는, 희소 오토-인코더 알고리즘, 클러스터링 알고리즘, 딥 뉴럴 네트워크, 또는 임의의 타입의 뉴럴 네트워크 중 적어도 하나를 사용하여 이미지를 분석한다.
[0283] 제86 양상에 있어서, 제84 양상 또는 제85 양상의 방법에서, 상대적 포지션을 결정하는 단계는, 사용자의 눈들에 대한 HMD와의 거리를 계산하는 단계; 사용자의 눈들 간의 동공간(interpupillary) 거리를 계산하는 단계; HMD와 사용자의 눈들 간의 상대적 포지션을 결정하는 단계; 사용자의 눈들의 비대칭성을 결정하는 단계; 또는 HMD의 기울어짐을 결정하는 단계 중 적어도 하나를 포함하며, 기울어짐은 전방향 기울어짐 또는 한쪽 기울어짐 중 적어도 하나를 포함한다.
[0284] 제87 양상에 있어서, 제84 양상 내지 제86 양상 중 어느 하나의 방법에서, 이 방법은, HMD와 사용자의 머리 간의 상대적 포지션에 적어도 부분적으로 기반하여 가상 오브젝트의 렌더링 위치를 조정하는 단계; 및 AR 디스플레이 시스템에 의해, 가상 오브젝트를 렌더링 위치에 렌더링하는 단계를 더 포함한다.
[0285] 제88 양상에 있어서, 제87 양상의 방법에서, 가상 오브젝트의 렌더링 위치를 조정하는 단계는, 사용자의 눈의 정상 휴식 포지션, 및 사용자의 눈의 정상 휴식 포지션에 대응하는 가상 오브젝트의 정상 렌더링 포지션을 결정하는 단계; HMD와 사용자의 머리 간의 상대적 포지션에 적어도 부분적으로 기반하여 가상 오브젝트의 정상 렌더링 포지션에 대한 조정을 계산하는 단계; 및 정상 렌더링 포지션에 대한 조정에 기반하여 가상 오브젝트의 렌더링 위치를 결정하는 단계를 포함한다.
[0286] 제89 양상에 있어서, 제87 양상 또는 제88 양상의 방법에서, 이 방법은 눈 포즈를 결정하기 위해 이미지를 분석하는 단계를 더 포함하며, 사용자의 눈의 포지션은 디스플레이 시스템에서의 렌더링 뷰포인트에 대응하며, 렌더링 위치를 조정하는 단계는 사용자의 눈 포즈에 기반하여 렌더링 뷰포인트의 포지션을 업데이트하는 단계를 포함한다.
[0287] 제90 양상에 있어서, 제89 양상의 방법에서, 렌더링 뷰포인트의 포지션을 업데이트하는 단계는, 디스플레이 시스템과 연관된 좌표를 시프트하는 단계를 포함한다.
[0288] 제91 양상에 있어서, 제84 양상 내지 제90 양상 중 어느 하나의 방법에서, 핏팅 정도를 결정하는 단계는, 사용자의 안구주위 구역의 이미지에 액세스하는 단계; 사용자에 대한 HMD의 핏팅 정도 및 안구주위 구역의 이미지들 간의 맵핑에 액세스하는 단계; 및 HMD의 핏팅 정도를 결정하기 위해 맵핑을 적용하는 단계를 포함한다.
[0289] 제92 양상에 있어서, 제84 양상 내지 제91 양상 중 어느 하나의 방법에서, 핏팅 정도는, 완전히 핏팅됨, 적절히 핏팅됨 또는 불완전하게 핏팅됨 중 적어도 하나를 포함한다.
[0290] 제93 양상에 있어서, 제84 양상 내지 제92 양상 중 어느 하나의 방법에서, 핏팅 정도와 연관된, 사용자에 대한 표시는, 핏팅 정도를 개선하는 것에 대한 명령들을 사용자에게 제공하는 것; 추가적인 눈 이미지에 액세스하는 것; 업데이트된 핏팅 정도를 결정하기 위해 추가적인 눈 이미지에 맵핑을 적용하는 것; 및 업데이트된 핏팅 정도가 임계치를 넘을 때까지, 추가적인 눈 이미지들에 액세스하고 업데이트된 핏팅 정도들을 결정하는 것을 포함한다.
[0291] 제94 양상에 있어서, 제84 양상 내지 제93 양상 중 어느 하나의 방법에서, 상대적 포지션을 결정하는 단계는, 내향 이미징 시스템으로부터 제1 이미지 및 제2 이미지를 수신하는 단계 ―제1 이미지 및 제2 이미지는 순서대로 획득됨―; 제1 이미지 및 제2 이미지에서 사용자에 특정적인, 안구주위 구역의 안구주위 피처들을 식별하기 위해, 제1 이미지 및 제2 이미지를 분석하는 단계; 안구주위 피처들에 적어도 부분적으로 기반하여, 안구주위 구역이 제1 이미지에 있는지 또는 제2 이미지에 있는지 여부를 결정하는 단계; 제1 이미지 및 제2 이미지에서의 안구주위 피처들의 외관(appearance)에 적어도 부분적으로 기반하여, 상대적 포지션을 결정하는 단계를 포함하며, 그리고 이 방법은, 안구주위 구역이 제1 이미지에도 제2 이미지에도 없다는 결정에 대한 응답으로, HMD가 사용자의 머리로부터 제거되었다는 표시를 제공하는 단계; 및 안구주위 피처들이 제1 이미지에 또는 제2 이미지에 있다는 결정에 대한 응답으로, HMD에 대한 상태의 변경을 표시하는 단계를 더 포함한다.
[0292] 제95 양상에 있어서, 제94 양상의 방법에서, 상태의 변경을 표시하는 단계는 HMD로 하여금, 전력을 차단하게 하거나 또는 배터리 절약 모드에 진입하게 한다.
[0293] 제96 양상에 있어서, 제94 양상 또는 제95 양상의 방법에서, 안구주위 피처들이 제1 이미지에서는 식별되나 제2 이미지에서는 식별되지 않는다는 결정에 대한 응답으로, 사용자의 머리에 있다는 것에서 사용자의 머리로부터 제거되었다는 것으로 HMD의 상태를 변경하는 단계; 및 안구주위 피처들이 제2 이미지에서는 식별되나 제1 이미지에서는 식별되지 않는다는 결정에 대한 응답으로, 사용자의 머리로부터 제거되었다는 것에서 사용자의 머리에 있다는 것으로 HMD의 상태를 변경하는 단계를 포함한다.
[0294] 제97 양상에 있어서, HMD는, 사용자의 눈의 관점으로부터 가상 오브젝트를 렌더링하도록 구성된 공간 AR 디스플레이 시스템(spatial AR(augmented reality) display system); HMD와 사용자의 머리 간의 상대적 포지션의 측정을 저장하도록 구성된 비-일시적 메모리; 및 비-일시적 메모리와 공간 AR 디스플레이 시스템과 통신하는 하드웨어 프로세서를 포함하며, 이 하드웨어 프로세서는, HMD와 사용자의 머리 간의 상대적 포지션의 측정에 액세스하고; HMD와 사용자의 머리 간의 상대적 포지션에 적어도 부분적으로 기반하여 가상 오브젝트의 정상 렌더링 포지션에 대한 조정을 계산하고; 정상 렌더링 포지션에 대한 조정에 기반하여 가상 오브젝트의 렌더링 위치를 결정하며; 그리고 가상 오브젝트를 렌더링 위치에 렌더링하도록 공간 AR 디스플레이 시스템에게 명령하도록 프로그래밍된다.
[0295] 제98 양상에 있어서, 제97 양상의 HMD에서, HMD와 사용자의 머리 간의 상대적 포지션의 측정은, 시각적 키포인트들을 사용하여 안구주위 피처들을 추적하는 것, 또는 사용자의 머리의 적어도 일부를 인코딩하는 밀집 맵과 얼굴의 구역을 매칭시키는 것 중 적어도 하나를 수행함으로써 계산된다.
[0296] 제99 양상에 있어서, 제98 양상의 HMD에서, 시각적 키포인트들은 SIFT(scale-invariant feature transform), SURF(speeded up robust features), ORB(oriented FAST and rotated BRIEF), BRISK(binary robust invariant scalable keypoints) 또는 FREAK(fast retina keypoint) 중 적어도 하나를 사용하여 컴퓨팅되거나 또는 밀집 맵은 반복 근접점 알고리즘(iterative closest point algorithm)을 사용하여 계산된다.
[0297] 제100 양상에 있어서, 제97 양상 내지 제99 양상 중 어느 하나의 HMD에서, 하드웨어 프로세서는 추가로, HMD의 렌더링 뷰포인트와 연관된 사용자의 눈의 정상 휴식 포지션을 결정하도록 프로그래밍되며, 가상 오브젝트의 정상 렌더링 포지션은 사용자의 눈의 정상 휴식 포지션에 대응한다.
[0298] 제101 양상에 있어서, 제100 양상의 HMD에서, 가상 오브젝트의 정상 렌더링 포지션에 대한 조정을 계산하기 위해, 하드웨어 프로세서는, HMD와 사용자의 머리 간의 상대적 포지션에 적어도 부분적으로 기반하여 정상 휴식 포지션에 대한 시프트를 결정하고; 그리고 정상 휴식 포지션에 대한 시프트에 적어도 부분적으로 기반하여 HMD의 렌더링 뷰포인트와 연관된 좌표를 시프트하도록 프로그래밍된다.
[0299] 제102 양상에 있어서, 제101 양상의 HMD에서, HMD와 사용자의 머리 간의 상대적 포지션은, 정상 휴식 포지션에 대한 전방향 기울어짐, 한쪽으로의 기울어짐, 깊이 시프트, 수직 시프트 또는 수평 시프트 중 하나 이상을 포함한다.
[0300] 제103 양상에 있어서, 제97 양상 내지 제102 양상 중 어느 하나의 HMD에서, HMD와 사용자의 머리 간의 상대적 포지션은 사용자의 제1 눈에 대한 제1 상대적 포지션 및 사용자의 제2 눈에 대한 제2 상대적 포지션을 포함한다.
[0301] 제104 양상에 있어서, 방법은, 하드웨어 프로세서, 컴퓨터 프로세서, 가상 오브젝트를 렌더링하도록 구성된 디스플레이 시스템 및 사용자의 얼굴의 안구주위 부분을 이미징하도록 구성된 내향 이미징 시스템을 포함하는 HMD의 제어 하에: 내향 이미징 시스템으로부터 이미지를 수신하는 단계; 오브젝트 인식기에 의해 사용자의 안구주위 피처들을 식별하기 위해 이미지를 분석하는 단계; 안구주위 피처들에 적어도 부분적으로 기반하여 HMD와 사용자의 머리 간의 상대적 포지션을 결정하는 단계; 상대적 포지션을 임계 조건과 비교함으로써, 핏팅 정도를 결정하는 단계; 및 HMD로 하여금, 상대적 포지션을 보상하도록 HMD의 디스플레이를 조정하게 하는 것, 또는 핏팅 정도와 연관된 표시를 사용자에게 제공하게 하는 것 중 적어도 하나를 수행하게 하는 단계를 포함한다.
[0302] 제105 양상에 있어서, 제104 양상의 방법에서, 상대적 포지션을 결정하는 단계는, 사용자의 눈들에 대한 HMD와의 거리를 계산하는 단계; 사용자의 눈들 간의 동공간(interpupillary) 거리를 계산하는 단계; HMD와 사용자의 눈들 간의 상대적 포지션을 결정하는 단계; 사용자의 눈들의 비대칭성을 결정하는 단계; 또는 HMD의 기울어짐을 결정하는 단계 중 적어도 하나를 포함하며, 기울어짐은 전방향 기울어짐(forward tilt) 또는 한쪽 기울어짐(side tilt) 중 적어도 하나를 포함한다.
[0303] 제106 양상에 있어서, 제104 양상 또는 제105 양상의 방법에서, 상대적 포지션을 보상하도록 HMD의 디스플레이를 조정하는 것은, 사용자의 눈의 정상 휴식 포지션, 및 사용자의 눈의 정상 휴식 포지션에 대응하는 가상 오브젝트의 정상 렌더링 포지션을 결정하는 것; HMD와 사용자의 머리 간의 상대적 포지션에 적어도 부분적으로 기반하여 가상 오브젝트의 정상 렌더링 포지션에 대한 조정을 계산하는 것; 및 정상 렌더링 포지션에 대한 조정에 기반하여 가상 오브젝트의 렌더링 위치를 결정하는 것을 포함한다.
[0304] 제107 양상에 있어서, 제104 양상 내지 제106 양상 중 어느 하나의 방법에서, 핏팅 정도를 결정하는 단계는, 사용자의 안구주위 구역의 이미지에 액세스하는 단계; 사용자에 대한 HMD의 핏팅 정도 및 안구주위 구역의 이미지들 간의 맵핑에 액세스하는 단계; 및 HMD의 핏팅 정도를 결정하기 위해 맵핑을 적용하는 단계를 포함한다.
[0305] 제108 양상에 있어서, 제104 양상 내지 제107 양상 중 어느 하나의 방법에서, 핏팅 정도와 연관된, 사용자에 대한 표시는, 핏팅 정도를 개선하는 것에 대한 명령들을 사용자에게 제공하는 것; 추가적인 눈 이미지에 액세스하는 것; 업데이트된 핏팅 정도를 결정하기 위해 추가적인 눈 이미지에 맵핑을 적용하는 것; 및 업데이트된 핏팅 정도가 임계치를 넘을 때까지, 추가적인 눈 이미지들에 액세스하고 업데이트된 핏팅 정도들을 결정하는 것을 포함한다.
[0306] 제109 양상에 있어서, 제104 양상 내지 제109 양상 중 어느 하나의 방법에서, 상대적 포지션을 결정하는 단계는, 내향 이미징 시스템으로부터 제1 이미지 및 제2 이미지를 수신하는 단계 ―제1 이미지 및 제2 이미지는 순서대로 획득됨―; 제1 이미지 및 제2 이미지에서 사용자에 특정적인, 안구주위 구역의 안구주위 피처들을 식별하기 위해, 제1 이미지 및 제2 이미지를 분석하는 단계; 안구주위 피처들에 적어도 부분적으로 기반하여, 안구주위 구역이 제1 이미지에 있는지 또는 제2 이미지에 있는지 여부를 결정하는 단계; 제1 이미지 및 제2 이미지에서의 안구주위 피처들의 외관에 적어도 부분적으로 기반하여, 상대적 포지션을 결정하는 단계를 포함하며, 그리고 이 방법은, 안구주위 구역이 제1 이미지에도 제2 이미지에도 없다는 결정에 대한 응답으로, HMD가 사용자의 머리로부터 제거되었다는 표시를 제공하는 단계; 및 안구주위 피처들이 제1 이미지에 또는 제2 이미지에 있다는 결정에 대한 응답으로, HMD에 대한 상태의 변경을 표시하는 단계를 더 포함한다.
[0307] 제110 양상에 있어서, HMD는, 사용자의 얼굴의 안구주위 구역을 이미징하도록 구성된 내향 이미징 시스템 ―내향 이미징 시스템은 안구주위 구역의 적어도 제1 이미지를 획득하도록 구성되며, 그리고 추가로, 제1 이미지에서 캡처된 안구주위 구역의 일부를 마스킹하도록 구성됨―; 및 하드웨어 프로세서를 포함하며, 이 하드웨어 프로세서는, 내향 이미징 시스템으로부터 이미지를 수신하고; 오브젝트 인식기에 의해 사용자의 안구주위 피처들을 식별하기 위해 이미지를 분석하고; 안구주위 피처들에 적어도 부분적으로 기반하여 HMD와 사용자의 머리 간의 상대적 포지션을 결정하고; 그리고 상대적 포지션을 임계 조건과 비교함으로써, 핏팅 정도를 결정하도록 프로그래밍된다.
[0308] 제111 양상에 있어서, 제110 양상의 HMD에서, 핏팅 정도를 결정하기 위해, 하드웨어 프로세서는, 사용자의 안구주위 구역의 이미지에 액세스하고; 사용자에 대한 HMD의 핏팅 정도 및 안구주위 구역의 이미지들 간의 맵핑에 액세스하며 ―맵핑은 머신 학습 모델을 사용하여 트레이닝됨―; 그리고 HMD의 핏팅 정도를 결정하기 위해 맵핑을 적용하도록 프로그래밍된다.
[0309] 제112 양상에 있어서, 제110 양상 또는 제111 양상의 HMD에서, 핏팅 정도는, 완전히 핏팅됨, 적절히 핏팅됨 또는 불완전하게 핏팅됨 중 적어도 하나를 포함한다.
[0310] 제113 양상에 있어서, 제110 양상 내지 제112 양상 중 어느 하나의 HMD에서, 하드웨어 프로세서는 추가로, 핏팅 정도에 기반하여 가상 오브젝트의 렌더링 위치를 조정하도록 프로그래밍된다.
[0311] 제114 양상에 있어서, 제110 양상 내지 제113 양상 중 어느 하나의 HMD에서, 하드웨어 프로세서는 추가로, HMD의 초기화 페이즈에서 핏팅 정도에 대한 표시를 사용자에게 제공하도록 프로그래밍된다.
[0312] 제115 양상에 있어서, 제114 양상의 HMD에서, 하드웨어 프로세서는 추가로, 핏팅 정도를 개선하는 것에 대한 명령들을 사용자에게 제공하고; 추가적인 눈 이미지에 액세스하고; 업데이트된 핏팅 정도를 결정하기 위해 추가적인 눈 이미지에 맵핑을 적용하고; 그리고 업데이트된 핏팅 정도가 임계치를 넘을 때까지, 추가적인 눈 이미지들에 액세스하고 업데이트된 핏팅 정도들을 결정하도록 프로그래밍된다.
[0313] 제116 양상에 있어서, 제110 양상 내지 제115 양상 중 어느 하나의 HMD에서, 상대적 포지션을 결정하기 위해, 하드웨어 프로세서는, 내향 이미징 시스템으로부터 제1 이미지 및 제2 이미지를 수신하고 ―제1 이미지 및 제2 이미지는 순서대로 획득됨―; 제1 이미지 및 제2 이미지에서 사용자에 특정적인, 안구주위 구역의 안구주위 피처들을 식별하기 위해, 제1 이미지 및 제2 이미지를 분석하고; 안구주위 피처들에 적어도 부분적으로 기반하여, 안구주위 구역이 제1 이미지에 있는지 또는 제2 이미지에 있는지 여부를 결정하고; 제1 이미지 및 제2 이미지에서의 안구주위 피처들의 외관에 적어도 부분적으로 기반하여, 상대적 포지션을 결정하도록 프로그래밍된다.
다른 고려사항들
[0314] 본원에서 설명되고 그리고/또는 첨부 도면들에 묘사된 프로세스들, 방법들 및 알고리즘들 각각은 하나 이상의 물리적 컴퓨팅 시스템들, 하드웨어 컴퓨터 프로세서들, 주문형 회로 및/또는 특정 그리고 특별 컴퓨터 명령들을 실행하도록 구성된 전자 하드웨어에 의해 실행되는 코드 모듈들로 구현되고, 그리고 이 코드 모듈들에 의해 완전히 또는 부분적으로 자동화될 수 있다. 예컨대, 컴퓨팅 시스템들은 특정 컴퓨터 명령들로 프로그래밍된 범용성 컴퓨터(예컨대, 서버) 또는 특수 목적 컴퓨터들, 특수 목적 회로 등을 포함할 수 있다. 코드 모듈은 실행가능 프로그램으로 컴파일링되고 링크되거나, 동적 링크 라이브러리에 설치되거나, 또는 해석형 프로그래밍 언어로 작성될 수 있다. 일부 구현들에서, 특정 동작들 및 방법들은 정해진 기능에 특정적인 회로에 의해 수행될 수 있다.
[0315] 추가로, 본 개시내용의 기능성의 특정 구현들은 충분히 수학적으로, 계산상으로 또는 기술적으로 복잡하여, (적합한 전문화된 실행가능한 명령들을 활용하는) 주문형 하드웨어 또는 하나 이상의 물리적 컴퓨팅 디바이스들은, 예컨대 수반되는 계산들의 양(volume) 또는 복잡성으로 인해 또는 실질적으로 실시간으로 결과들을 제공하기 위해 그 기능성을 수행할 필요가 있을 수 있다. 예컨대, 애니메이션들 또는 비디오는 많은 프레임들(각각의 프레임은 수 백만개의 픽셀들을 가짐)을 포함할 수 있고, 그리고 상업적으로 합리적인 시간량 내에 원하는 이미지 프로세싱 임무 또는 애플리케이션을 제공하기 위해, 특별하게 프로그래밍된 컴퓨터 하드웨어가 비디오 데이터를 프로세싱할 필요가 있다.
[0316] 코드 모듈들 또는 임의의 타입의 데이터는, 임의의 타입의 비-일시적 컴퓨터-판독가능 매체, 이를테면 하드 드라이브들, 고체 상태 메모리, RAM(random access memory), ROM(read only memory), 광학 디스크, 휘발성 또는 비-휘발성 스토리지, 이들의 조합들 등을 포함하는 물리적 컴퓨터 스토리지 상에 저장될 수 있다. 방법들 및 모듈들(또는 데이터)은 또한 생성된 데이터 신호들로서(예컨대, 반송파 또는 다른 아날로그 또는 디지털 전파 신호의 일부로서) 무선-기반 및 유선/케이블-기반 매체들을 포함하는 다양한 컴퓨터-판독가능 송신 매체들 상에서 송신될 수 있고, 그리고 (예컨대, 단일 또는 멀티플렉싱된 아날로그 신호의 일부로서, 또는 다수의 이산 디지털 패킷들 또는 프레임들로서) 다양한 형태들을 취할 수 있다. 개시된 프로세스들 또는 프로세스 단계들의 결과들은 임의의 타입의 비-일시적, 유형의 컴퓨터 스토리지에 영구적으로 또는 다른 방식으로 저장될 수 있거나 또는 컴퓨터-판독가능 송신 매체를 통해 통신될 수 있다.
[0317] 본원에서 설명되고 그리고/또는 첨부 도면들에 묘사된 흐름도들에서 임의의 프로세스들, 블록들, 상태들, 단계들, 또는 기능성들은 (예컨대, 논리적 또는 산술적) 특정한 기능들 또는 프로세스의 단계들을 구현하기 위한 하나 이상의 실행가능한 명령들을 포함하는 코드 모듈들, 세그먼트들, 또는 코드 부분들을 잠재적으로 표현하는 것으로 이해되어야 한다. 다양한 프로세스들, 블록들, 상태들, 단계들 또는 기능성들은 본원에서 제공된 예시적인 예들에서 조합되거나, 재배열되거나, 이들에 추가되거나, 이들로부터 삭제되거나, 수정되거나 또는 다른방식으로 변경될 수 있다. 일부 실시예들에서, 추가적인 또는 상이한 컴퓨팅 시스템들 또는 코드 모듈들은 본원에서 설명된 기능성들 중 일부 또는 모두를 수행할 수 있다. 본원에서 설명된 방법들 및 프로세스들은 또한 임의의 특정 시퀀스로 제한되지 않고, 그와 관련된 블록들, 단계들 또는 상태들은 적합한 다른 시퀀스들로, 예컨대 직렬로, 병렬로, 또는 일부 다른 방식으로 수행될 수 있다. 임무들 또는 이벤트들은 개시된 예시적인 실시예들에 추가되거나 이들로부터 제거될 수 있다. 게다가, 본원에서 설명된 구현들에서 다양한 시스템 컴포넌트들의 분리는 예시 목적들을 위한 것이고 모든 구현들에서 그런 분리를 요구하는 것으로 이해되지 않아야 한다. 설명된 프로그램 컴포넌트들, 방법들 및 시스템들이 일반적으로 단일 컴퓨터 제품에 함께 통합되거나 다수의 컴퓨터 제품들로 패키징될 수 있다는 것이 이해되어야 한다. 많은 구현 변동들이 가능하다.
[0318] 프로세스들, 방법들 및 시스템들은 네트워크(또는 분산형) 컴퓨팅 환경에서 구현될 수 있다. 네트워크 환경들은 전사적 컴퓨터 네트워크들, 인트라넷들, LAN(local area network)들, WAN(wide area network)들, PAN(personal area network)들, 클라우드 컴퓨팅 네트워크들, 크라우드-소스드(crowd-sourced) 컴퓨팅 네트워크들, 인터넷, 및 월드 와이드 웹(World Wide Web)을 포함한다. 네트워크는 유선 또는 무선 네트워크 또는 임의의 다른 타입의 통신 네트워크일 수 있다.
[0319] 본 개시내용의 시스템들 및 방법들 각각은 몇몇 혁신적인 양상들을 가지며, 이 양상들 중 어떠한 단일 양상도 본원에서 개시된 바람직한 속성들을 위해 전적으로 책임지거나 요구되지 않는다. 위에서 설명된 다양한 특징들 및 프로세스들은 서로 독립적으로 사용될 수 있거나, 또는 다양한 방식들로 조합될 수 있다. 모든 가능한 조합들 및 서브조합들은 본 개시내용의 범위 내에 속하는 것으로 의도된다. 본 개시내용에 설명된 구현들에 대한 다양한 수정들은 당업자들에게 자명할 수 있으며, 본원에서 정의된 일반적인 원리들은 본 개시내용의 사상 또는 범위를 벗어나지 않으면서 다른 구현들에 적용될 수 있다. 따라서, 청구항들은 본원에 도시된 구현들로 제한되는 것으로 의도되는 것이 아니라, 본원에서 개시되는 본 개시내용, 원리들 및 신규한 특징들과 일치하는 가장 넓은 범위에 부합될 것이다.
[0320] 별개의 구현들의 맥락에서 본 명세서에 설명된 특정 특징들은 또한, 단일 구현으로 조합하여 구현될 수 있다. 대조적으로, 단일 구현의 맥락에서 설명된 다양한 특징들은 또한, 별도로 다수의 구현들로 또는 임의의 적절한 서브조합으로 구현될 수 있다. 게다가, 비록 특징들이 특정 조합들로 작용하는 것으로서 위에서 설명될 수 있고, 심지어 그와 같이 처음에 청구될 수 있지만, 청구된 조합으로부터의 하나 이상의 특징들은, 일부 경우들에서, 그 조합으로부터 제거될 수 있고, 그리고 청구된 조합은 서브조합 또는 서브조합의 변형과 관련될 수 있다. 단일 특징 또는 특징들의 그룹이 각각의 모든 실시예에 필요하거나 필수적인 것은 아니다.
[0321] 구체적으로 다르게 언급되지 않거나, 사용된 맥락 내에서 다르게 이해되지 않으면, 본원에서 사용된 조건어, 이를테면 특히, "할 수 있다("can", "could", "might", "may")" 및 "예컨대" 등은 일반적으로 특정 실시예들은 특정 특징들, 엘리먼트들 및/또는 단계들을 포함하지만, 다른 실시예들은 이들을 포함하지 않는다는 것을 전달하도록 의도된다. 따라서, 그런 조건어는 일반적으로, 특징들, 엘리먼트들 및/또는 단계들이 어쨌든 하나 이상의 실시예들을 위해 요구된다는 것, 또는 하나 이상의 실시예들이, 저자 입력 또는 프롬프팅을 사용하여 또는 이러한 것을 사용함 없이, 이들 특징들, 엘리먼트들 및/또는 단계들이 임의의 특정 실시예에 포함되는지 또는 이 임의의 특정 실시예에서 수행되어야 하는지를 판단하기 위한 로직을 반드시 포함하는 것을 암시하도록 의도되지 않는다. "포함하는(comprising)", "포함하는(including)", "갖는(having)" 등의 용어들은 동의어이고 오픈-엔디드(open-ended) 방식으로 포괄적으로 사용되고, 그리고 추가적인 엘리먼트들, 특징들, 작용들, 동작들 등을 배제하지 않는다. 또한, "또는"이라는 용어는 (그의 배타적인 의미가 아닌) 포괄적인 의미로 사용되어, 예컨대 리스트의 엘리먼트들을 연결하기 위해 사용될 때, "또는"이란 용어는 리스트 내 엘리먼트들 중 하나, 일부 또는 모두를 의미한다. 게다가, 본 출원 및 첨부된 청구항들에 사용된 단수 표현들은, 다르게 특정되지 않으면 "하나 이상" 또는 "적어도 하나"를 의미하는 것으로 해석될 것이다.
[0322] 본원에서 사용된 바와 같이, 아이템들의 리스트 중 "적어도 하나"를 지칭하는 구절은, 단일 멤버들을 포함하여, 이들 아이템들의 임의의 조합을 지칭한다. 예로서, "A, B 또는 C 중 적어도 하나"는 "A, B, C; A 및 B; A 및 C; B 및 C; 및 A, B 및 C를 커버하도록 의도된다. 구체적으로 다르게 언급되지 않으면, "X, Y 및 Z 중 적어도 하나"라는 구절과 같은 접속어는, 일반적으로 아이템, 용어 등이 X, Y 또는 Z 중 적어도 하나일 수 있다는 것을 전달하기 위해 사용되는 문맥으로 이해된다. 따라서, 그런 접속어는 일반적으로, 특정 실시예들이 X 중 적어도 하나, Y 중 적어도 하나 및 Z 중 적어도 하나가 각각 존재할 것을 요구하는 것을 암시하도록 의도되지 않는다.
[0323] 유사하게, 동작들이 특정 순서로 도면들에 묘사될 수 있지만, 원하는 결과들을 달성하기 위해, 그런 동작들이 도시된 특정 순서 또는 순차적 순서로 수행될 필요가 없거나, 또는 모든 예시된 동작들이 수행될 필요가 없다는 것이 인식되어야 한다. 추가로, 도면들은 순서도 형태로 하나 이상의 예시적인 프로세스들을 개략적으로 묘사할 수 있다. 그러나, 묘사되지 않은 다른 동작들은 개략적으로 예시된 예시적인 방법들 및 프로세스들에 통합될 수 있다. 예컨대, 하나 이상의 추가적인 동작들은 예시된 동작들 중 임의의 동작 이전에, 이후에, 동시에, 또는 그 중간에 수행될 수 있다. 추가적으로, 동작들은 다른 구현들에서 재배열되거나 재정렬될 수 있다. 특정 상황들에서, 멀티태스킹 및 병렬 프로세싱이 유리할 수 있다. 게다가, 위에서 설명된 구현들에서 다양한 시스템 컴포넌트들의 분리는 모든 구현들에서 그런 분리를 요구하는 것으로 이해되지 않아야 하고, 그리고 설명된 프로그램 컴포넌트들 및 시스템들이 일반적으로 단일 소프트웨어 제품으로 함께 통합될 수 있거나 다수의 소프트웨어 제품들로 패키징될 수 있다는 것이 이해되어야 한다. 추가적으로, 다른 구현들은 하기의 청구항들의 범위 내에 있다. 일부 경우들에서, 청구항들에서 언급된 액션들은 상이한 순서로 수행될 수 있으며 그럼에도 불구하고 원하는 결과들을 달성할 수 있다.
Claims (20)
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 하드웨어 프로세서, 컴퓨터 프로세서, 가상 오브젝트를 렌더링하도록 구성된 디스플레이 시스템 및 사용자의 얼굴의 안구주위(periocular) 부분을 이미징하도록 구성된 내향 이미징 시스템을 포함하는 머리-장착 디바이스(HMD: head-mounted device)의 제어 하에:
상기 내향 이미징 시스템으로부터 이미지를 수신하는 단계;
오브젝트 인식기에 의해 상기 사용자의 안구주위 피처들을 식별하기 위해 상기 이미지를 분석하는 단계;
상기 안구주위 피처들에 적어도 부분적으로 기반하여 상기 HMD와 상기 사용자의 머리 간의 상대적 포지션(relative position)의 제1 측정을 결정하기 위해 제1 계산을 수행하는 단계;
상기 안구주위 피처들에 적어도 부분적으로 기반하여 상기 HMD와 상기 사용자의 머리 간의 상대적 포지션의 제2 측정을 결정하기 위해 제1 계산과 상이한 제2 계산을 수행하는 단계 ― 상기 제1 계산을 수행하는 단계 또는 상기 제2 계산을 수행하는 단계는:
상기 내향 이미징 시스템으로부터 제1 이미지 및 제2 이미지를 수신하는 단계 ― 상기 제1 이미지 및 상기 제2 이미지는 순서대로 획득됨 ―;
마스킹된 이미지를 생성하기 위해 상기 제1 이미지 또는 제2 이미지의 적어도 일부분을 마스킹하는 단계 ― 상기 적어도 일부분은 사용자의 얼굴의 안구주위 구역의 일부분을 포함함 ―;
상기 제1 이미지 및 상기 제2 이미지에서 상기 사용자의 안구주위 구역에 특정적인 안구주위 피처들을 식별하기 위해 상기 제1 이미지 및 상기 제2 이미지를 분석하는 단계;
상기 안구주위 피처들에 적어도 부분적으로 기반하여, 상기 안구주위 구역이 상기 제1 이미지에 있는지 또는 상기 제2 이미지에 있는지 여부를 결정하는 단계;
상기 제1 이미지 및 상기 제2 이미지에서의 상기 안구주위 피처들의 외관(appearance)에 적어도 부분적으로 기반하여, 상기 상대적 포지션의 상기 제1 측정 또는 상기 제2 측정을 결정하는 단계를 포함함 ―;
상기 제1 측정 및 상기 제2 측정에 기반하여 상기 HMD와 상기 사용자의 머리 간의 상대적 포지션을 결정하는 단계;
상기 상대적 포지션을 임계 조건(threshold condition)과 비교함으로써, 핏팅 정도(degree of fit)를 결정하는 단계;
상기 HMD로 하여금, 상기 상대적 포지션을 보상하도록 상기 HMD의 디스플레이를 조정하는 것, 또는 상기 핏팅 정도와 연관된 표시를 상기 사용자에게 제공하는 것 중 적어도 하나를 수행하게 하는 단계;
상기 안구주위 구역이 상기 제1 이미지에도 없고 상기 제2 이미지에도 없다는 결정에 대한 응답으로, 상기 HMD가 상기 사용자의 머리로부터 제거되었다는 표시를 제공하는 단계; 및
상기 안구주위 구역이 상기 제1 이미지에 또는 상기 제2 이미지에 있다는 결정에 대한 응답으로, 상기 HMD에 대한 상태의 변경을 표시하는 단계
를 포함하는, 방법. - 제8 항에 있어서,
상기 제1 계산을 수행하는 단계 또는 상기 제2 계산을 수행하는 단계는:
상기 사용자의 눈들에 대한 상기 HMD와의 거리를 계산하는 단계;
상기 사용자의 눈들 간의 동공간(interpupillary) 거리를 계산하는 단계;
상기 HMD와 상기 사용자의 눈들 간의 상대적 포지션을 결정하는 단계;
상기 사용자의 눈들의 비대칭성(asymmetry)을 결정하는 단계; 또는
상기 HMD의 기울어짐을 결정하는 단계;
중 적어도 하나를 포함하며, 상기 기울어짐은 전방 기울어짐 또는 옆 기울어짐(side tilt) 중 적어도 하나를 포함하는, 방법. - 제8 항에 있어서,
상기 상대적 포지션을 보상하도록 상기 HMD의 디스플레이를 조정하는 것은:
상기 사용자의 눈의 정상 휴식 포지션(normal resting position), 및 상기 사용자의 눈의 상기 정상 휴식 포지션에 대응하는 상기 가상 오브젝트의 정상 렌더링 포지션(normal rendering position)을 결정하는 것;
상기 HMD와 상기 사용자의 머리 간의 상대적 포지션에 적어도 부분적으로 기반하여 상기 가상 오브젝트의 정상 렌더링 포지션에 대한 조정을 계산하는 것; 및
상기 정상 렌더링 포지션에 대한 조정에 기반하여 상기 가상 오브젝트의 렌더링 위치(rendering location)를 결정하는 것
을 포함하는, 방법. - 제8 항에 있어서,
상기 핏팅 정도를 결정하는 단계는:
상기 사용자의 안구주위 구역의 이미지에 액세스하는 단계;
상기 사용자에 대한 상기 HMD의 핏팅 정도 및 상기 안구주위 구역의 이미지들 간의 맵핑에 액세스하는 단계; 및
상기 HMD의 핏팅 정도를 결정하기 위해 상기 맵핑을 적용하는 단계
를 포함하는, 방법. - 제8 항에 있어서,
상기 핏팅 정도와 연관된, 상기 사용자에 대한 표시는:
상기 핏팅 정도를 개선하는 것에 대한 명령들을 상기 사용자에게 제공하는 것;
추가적인 눈 이미지에 액세스하는 것;
업데이트된 핏팅 정도를 결정하기 위해 상기 추가적인 눈 이미지에 맵핑을 적용하는 것; 및
상기 업데이트된 핏팅 정도가 임계치를 넘을 때까지, 추가적인 눈 이미지들에 액세스하고 업데이트된 핏팅 정도들을 결정하는 것
을 포함하는, 방법. - 삭제
- 머리-장착 디바이스(HMD: head-mounted device)로서,
사용자의 얼굴의 안구주위 구역을 이미징하도록 구성된 내향 이미징 시스템 ― 상기 내향 이미징 시스템은 상기 안구주위 구역의 적어도 제1 이미지를 획득하도록 구성되며, 그리고 추가로, 상기 제1 이미지에서 캡처된 상기 안구주위 구역의 일부를 마스킹하도록 구성됨 ―; 및
하드웨어 프로세서
를 포함하며,
상기 하드웨어 프로세서는:
상기 내향 이미징 시스템으로부터 이미지를 수신하고;
오브젝트 인식기에 의해 상기 사용자의 안구주위 피처들을 식별하기 위해 상기 이미지를 분석하고;
상기 안구주위 피처들에 적어도 부분적으로 기반하여 상기 HMD와 상기 사용자의 머리 간의 상대적 포지션의 제1 측정을 결정하기 위해 제1 계산을 수행하고;
상기 안구주위 피처들에 적어도 부분적으로 기반하여 상기 HMD와 상기 사용자의 머리 간의 상대적 포지션의 제2 측정을 결정하기 위해 제1 계산과 상이한 제2 계산을 수행하고 ― 상기 제1 계산을 수행하거나 상기 제2 계산을 수행하기 위해, 상기 하드웨어 프로세서는:
상기 내향 이미징 시스템으로부터 제1 이미지 및 제2 이미지를 수신하고 ― 상기 제1 이미지 및 상기 제2 이미지는 순서대로 획득됨 ―;
상기 제1 이미지 및 상기 제2 이미지에서 상기 사용자의 안구주위 구역에 특정적인 안구주위 피처들을 식별하기 위해 상기 제1 이미지 및 상기 제2 이미지를 분석하고;
상기 안구주위 피처들에 적어도 부분적으로 기반하여, 상기 안구주위 구역이 상기 제1 이미지에 있는지 또는 상기 제2 이미지에 있는지 여부를 결정하고;
상기 제1 이미지 및 상기 제2 이미지에서의 상기 안구주위 피처들의 외관에 적어도 부분적으로 기반하여, 상기 상대적 포지션의 상기 제1 측정 또는 상기 제2 측정을 결정하도록 프로그래밍됨 ―;
상기 제1 측정 및 상기 제2 측정에 기반한 상기 안구주위 피처들에 적어도 부분적으로 기반하여 상기 HMD와 상기 사용자의 머리 간의 상대적 포지션을 결정하고;
상기 상대적 포지션을 임계 조건과 비교함으로써, 핏팅 정도를 결정하고;
상기 안구주위 구역이 상기 제1 이미지에도 없고 상기 제2 이미지에도 없다는 결정에 대한 응답으로, 상기 HMD가 상기 사용자의 머리로부터 제거되었다는 표시를 제공하고; 그리고
상기 안구주위 구역이 상기 제1 이미지에 또는 상기 제2 이미지에 있다는 결정에 대한 응답으로, 상기 HMD에 대한 상태의 변경을 표시하도록
프로그래밍되는, HMD. - 제14 항에 있어서,
상기 핏팅 정도를 결정하기 위해, 상기 하드웨어 프로세서는:
상기 사용자의 안구주위 구역의 이미지에 액세스하고;
상기 사용자에 대한 상기 HMD의 핏팅 정도 및 상기 안구주위 구역의 이미지들 간의 맵핑에 액세스하며 ― 상기 맵핑은 머신 러닝(machine learning) 모델을 사용하여 트레이닝됨 ―; 그리고
상기 HMD의 핏팅 정도를 결정하기 위해 상기 맵핑을 적용하도록
프로그래밍되는, HMD. - 제14 항에 있어서,
상기 핏팅 정도는, 핏팅 등급 또는 수치적 핏팅 스코어를 포함하는, HMD. - 제14 항에 있어서,
상기 하드웨어 프로세서는 추가로, 상기 핏팅 정도에 기반하여 가상 오브젝트의 렌더링 위치를 조정하도록 프로그래밍되는, HMD. - 제14 항에 있어서,
상기 하드웨어 프로세서는 추가로, 상기 HMD의 초기화 페이즈(initialization phase)에서 상기 핏팅 정도에 대한 표시를 상기 사용자에게 제공하도록 프로그래밍되는, HMD. - 제18 항에 있어서,
상기 하드웨어 프로세서는 추가로:
상기 핏팅 정도를 개선하는 것에 대한 명령들을 상기 사용자에게 제공하고;
추가적인 눈 이미지에 액세스하고;
업데이트된 핏팅 정도를 결정하기 위해 상기 추가적인 눈 이미지에 맵핑을 적용하고; 그리고
상기 업데이트된 핏팅 정도가 임계치를 넘을 때까지, 추가적인 눈 이미지들에 액세스하고 업데이트된 핏팅 정도들을 결정하도록
프로그래밍되는, HMD. - 삭제
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020217018967A KR102402467B1 (ko) | 2016-10-05 | 2017-09-27 | 혼합 현실 교정을 위한 안구주위 테스트 |
Applications Claiming Priority (7)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201662404419P | 2016-10-05 | 2016-10-05 | |
| US201662404493P | 2016-10-05 | 2016-10-05 | |
| US62/404,419 | 2016-10-05 | ||
| US62/404,493 | 2016-10-05 | ||
| US201662416341P | 2016-11-02 | 2016-11-02 | |
| US62/416,341 | 2016-11-02 | ||
| PCT/US2017/053753 WO2018067357A2 (en) | 2016-10-05 | 2017-09-27 | Periocular test for mixed reality calibration |
Related Child Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020217018967A Division KR102402467B1 (ko) | 2016-10-05 | 2017-09-27 | 혼합 현실 교정을 위한 안구주위 테스트 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20190058581A KR20190058581A (ko) | 2019-05-29 |
| KR102269065B1 true KR102269065B1 (ko) | 2021-06-24 |
Family
ID=61757231
Family Applications (3)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020197011884A KR102269065B1 (ko) | 2016-10-05 | 2017-09-27 | 혼합 현실 교정을 위한 안구주위 테스트 |
| KR1020227017129A KR102657100B1 (ko) | 2016-10-05 | 2017-09-27 | 혼합 현실 교정을 위한 안구주위 테스트 |
| KR1020217018967A KR102402467B1 (ko) | 2016-10-05 | 2017-09-27 | 혼합 현실 교정을 위한 안구주위 테스트 |
Family Applications After (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020227017129A KR102657100B1 (ko) | 2016-10-05 | 2017-09-27 | 혼합 현실 교정을 위한 안구주위 테스트 |
| KR1020217018967A KR102402467B1 (ko) | 2016-10-05 | 2017-09-27 | 혼합 현실 교정을 위한 안구주위 테스트 |
Country Status (6)
| Country | Link |
|---|---|
| US (3) | US10573042B2 (ko) |
| EP (1) | EP3523782A4 (ko) |
| JP (2) | JP7090601B2 (ko) |
| KR (3) | KR102269065B1 (ko) |
| IL (2) | IL265734B (ko) |
| WO (1) | WO2018067357A2 (ko) |
Families Citing this family (53)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105188516B (zh) * | 2013-03-11 | 2017-12-22 | 奇跃公司 | 用于增强和虚拟现实的系统与方法 |
| KR102271198B1 (ko) | 2013-03-15 | 2021-06-29 | 매직 립, 인코포레이티드 | 디스플레이 시스템 및 방법 |
| US10359806B2 (en) * | 2016-03-28 | 2019-07-23 | Sony Interactive Entertainment Inc. | Pressure sensing to identify fitness and comfort of virtual reality headset |
| WO2018067357A2 (en) | 2016-10-05 | 2018-04-12 | Magic Leap, Inc. | Periocular test for mixed reality calibration |
| CN106932904A (zh) | 2017-02-27 | 2017-07-07 | 阿里巴巴集团控股有限公司 | 虚拟现实头戴设备 |
| CN106873159A (zh) | 2017-02-27 | 2017-06-20 | 阿里巴巴集团控股有限公司 | 虚拟现实头戴设备 |
| KR102324468B1 (ko) * | 2017-03-28 | 2021-11-10 | 삼성전자주식회사 | 얼굴 인증을 위한 장치 및 방법 |
| US10488920B2 (en) * | 2017-06-02 | 2019-11-26 | Htc Corporation | Immersive headset system and control method thereof |
| US11138301B1 (en) * | 2017-11-20 | 2021-10-05 | Snap Inc. | Eye scanner for user identification and security in an eyewear device |
| AU2019209930B2 (en) | 2018-01-17 | 2023-08-03 | Magic Leap, Inc. | Eye center of rotation determination, depth plane selection, and render camera positioning in display systems |
| WO2019143864A1 (en) | 2018-01-17 | 2019-07-25 | Magic Leap, Inc. | Display systems and methods for determining registration between a display and a user's eyes |
| US10634913B2 (en) * | 2018-01-22 | 2020-04-28 | Symbol Technologies, Llc | Systems and methods for task-based adjustable focal distance for heads-up displays |
| JP7257682B2 (ja) * | 2018-02-02 | 2023-04-14 | 国立大学法人北海道大学 | 学習装置、学習方法及び学習装置用プログラム、並びに、情報出力装置、情報出力方法及び情報出力用プログラム |
| US11093208B2 (en) * | 2018-02-16 | 2021-08-17 | Valve Corporation | Using detected pupil location to align optical components of a head-mounted display |
| US10586344B2 (en) * | 2018-02-21 | 2020-03-10 | Beijing Jingdong Shangke Information Technology Co., Ltd. | System and method for feature screening in SLAM |
| US10948983B2 (en) * | 2018-03-21 | 2021-03-16 | Samsung Electronics Co., Ltd. | System and method for utilizing gaze tracking and focal point tracking |
| US10491890B1 (en) * | 2018-05-14 | 2019-11-26 | Dell Products L.P. | Systems and methods for automatic adjustment for vertical and rotational imbalance in augmented and virtual reality head-mounted displays |
| CN110488489B (zh) * | 2018-05-15 | 2022-10-11 | 苹果公司 | 用于头戴式壳体的眼睛登记 |
| US10846923B2 (en) * | 2018-05-24 | 2020-11-24 | Microsoft Technology Licensing, Llc | Fusion of depth images into global volumes |
| CN108732764A (zh) | 2018-06-06 | 2018-11-02 | 北京七鑫易维信息技术有限公司 | 一种智能眼镜、眼球轨迹的追踪方法、装置及存储介质 |
| US11624909B2 (en) | 2018-06-18 | 2023-04-11 | Magic Leap, Inc. | Head-mounted display systems with power saving functionality |
| US10867164B2 (en) * | 2018-06-29 | 2020-12-15 | Intel Corporation | Methods and apparatus for real-time interactive anamorphosis projection via face detection and tracking |
| CN112689869A (zh) | 2018-07-24 | 2021-04-20 | 奇跃公司 | 用于确定显示器与用户的眼睛之间的配准的显示系统和方法 |
| WO2020023672A1 (en) | 2018-07-24 | 2020-01-30 | Magic Leap, Inc. | Display systems and methods for determining vertical alignment between left and right displays and a user's eyes |
| US10823970B2 (en) | 2018-08-23 | 2020-11-03 | Apple Inc. | Head-mounted electronic display device with lens position sensing |
| CN109344714B (zh) * | 2018-08-31 | 2022-03-15 | 电子科技大学 | 一种基于关键点匹配的视线估计方法 |
| WO2020059277A1 (ja) * | 2018-09-20 | 2020-03-26 | 富士フイルム株式会社 | 情報処理装置、情報処理システム、情報処理方法、及びプログラム |
| CN109558665B (zh) * | 2018-11-22 | 2023-01-10 | 杭州美戴科技有限公司 | 一种个性化柔性鼻托的自动设计方法 |
| CN109756723B (zh) * | 2018-12-14 | 2021-06-11 | 深圳前海达闼云端智能科技有限公司 | 获取影像的方法和装置，存储介质和电子设备 |
| WO2020152585A1 (en) | 2019-01-21 | 2020-07-30 | Insightness Ag | Transparent smartphone |
| US11334154B2 (en) | 2019-01-25 | 2022-05-17 | Magic Leap, Inc. | Eye-tracking using images having different exposure times |
| US11099394B2 (en) * | 2019-02-26 | 2021-08-24 | Google Llc | Systems, devices, and methods for aligning a diffractive element in a wearable heads-up display |
| DE102019107001A1 (de) * | 2019-03-19 | 2020-09-24 | OSRAM CONTINENTAL GmbH | Optische Vorrichtung, Anordnung, Fahrzeug und Verfahren |
| US11402901B2 (en) | 2019-03-22 | 2022-08-02 | Hewlett-Packard Development Company, L.P. | Detecting eye measurements |
| EP3911992A4 (en) * | 2019-04-11 | 2022-03-23 | Samsung Electronics Co., Ltd. | HEAD MOUNTED DISPLAY DEVICE AND METHOD OF OPERATION THEREOF |
| WO2020236827A1 (en) | 2019-05-20 | 2020-11-26 | Magic Leap, Inc. | Systems and techniques for estimating eye pose |
| US11749018B1 (en) | 2019-05-28 | 2023-09-05 | Apple Inc. | Eye enrollment for head-mounted enclosure |
| CN112233212A (zh) * | 2019-06-28 | 2021-01-15 | 微软技术许可有限责任公司 | 人像编辑与合成 |
| EP3786767B1 (en) * | 2019-07-29 | 2023-11-08 | HTC Corporation | Eye tracking method, head-mounted display, and computer readable storage medium |
| CN110688002B (zh) * | 2019-09-06 | 2023-12-19 | 广东虚拟现实科技有限公司 | 虚拟内容的调整方法、装置、终端设备及存储介质 |
| SE543354C2 (en) * | 2019-09-30 | 2020-12-15 | Tobii Ab | Methods and systems for a head-mounted device for updating an eye tracking model |
| US11228745B2 (en) * | 2019-11-26 | 2022-01-18 | Varjo Technologies Oy | Display apparatus and method of correcting image distortion therefor |
| US11269181B2 (en) | 2019-12-09 | 2022-03-08 | Magic Leap, Inc. | Systems and methods for operating a head-mounted display system based on user identity |
| US11127380B2 (en) | 2019-12-13 | 2021-09-21 | Qualcomm Incorporated | Content stabilization for head-mounted displays |
| US11687778B2 (en) | 2020-01-06 | 2023-06-27 | The Research Foundation For The State University Of New York | Fakecatcher: detection of synthetic portrait videos using biological signals |
| US11580657B2 (en) | 2020-03-30 | 2023-02-14 | Snap Inc. | Depth estimation using biometric data |
| US11379957B1 (en) * | 2021-02-23 | 2022-07-05 | Qualcomm Incorporated | Head wearable display device calibrated for distortion correction using inter-pupillary distance |
| US20220276702A1 (en) * | 2021-03-01 | 2022-09-01 | Qualcomm Incorporated | Movement detection of a head mounted device |
| GB2606346B (en) * | 2021-04-28 | 2023-10-25 | Sony Interactive Entertainment Inc | System and method of head mounted display personalisation |
| US11868523B2 (en) | 2021-07-01 | 2024-01-09 | Google Llc | Eye gaze classification |
| US11740322B2 (en) * | 2021-09-10 | 2023-08-29 | Htc Corporation | Head mounted display device and position device thereof |
| KR102409188B1 (ko) * | 2021-11-09 | 2022-06-15 | 주식회사 아진엑스텍 | 증강현실 영상 출력 제어 방법 및 장치 |
| US11722655B2 (en) * | 2021-11-30 | 2023-08-08 | SoliDDD Corp. | Low latency networking of plenoptic data |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2012172719A1 (ja) * | 2011-06-16 | 2012-12-20 | パナソニック株式会社 | ヘッドマウントディスプレイおよびその位置ずれ調整方法 |
| US20140375542A1 (en) * | 2013-06-25 | 2014-12-25 | Steve Robbins | Adjusting a near-eye display device |
| US20150310665A1 (en) | 2014-04-29 | 2015-10-29 | Ashraf Ayman Michail | Stabilization plane determination based on gaze location |
| JP2016149660A (ja) * | 2015-02-13 | 2016-08-18 | ソニー株式会社 | 情報処理装置、情報処理方法、およびプログラム |
| JP2016526237A (ja) * | 2013-06-07 | 2016-09-01 | 株式会社ソニー・インタラクティブエンタテインメント | 頭部装着ディスプレイにおけるオペレーション・モード・スイッチング |
Family Cites Families (86)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6222525B1 (en) | 1992-03-05 | 2001-04-24 | Brad A. Armstrong | Image controllers with sheet connected sensors |
| US5670988A (en) | 1995-09-05 | 1997-09-23 | Interlink Electronics, Inc. | Trigger operated electronic device |
| JPH09193803A (ja) * | 1996-01-19 | 1997-07-29 | Furukawa Electric Co Ltd:The | プラットホーム付近の安全監視方法 |
| US5844656A (en) | 1996-11-07 | 1998-12-01 | Xybernaut Corporation | Head mounted display with adjustment components |
| DE69934478T2 (de) | 1999-03-19 | 2007-09-27 | MAX-PLANCK-Gesellschaft zur Förderung der Wissenschaften e.V. | Verfahren und Gerät zur Bildverarbeitung auf Basis von Metamorphosemodellen |
| US7312766B1 (en) | 2000-09-22 | 2007-12-25 | Canadian Space Agency | Method and system for time/motion compensation for head mounted displays |
| US7255437B2 (en) | 2003-10-09 | 2007-08-14 | Howell Thomas A | Eyeglasses with activity monitoring |
| US20070081123A1 (en) | 2005-10-07 | 2007-04-12 | Lewis Scott W | Digital eyewear |
| US8696113B2 (en) | 2005-10-07 | 2014-04-15 | Percept Technologies Inc. | Enhanced optical and perceptual digital eyewear |
| US11428937B2 (en) | 2005-10-07 | 2022-08-30 | Percept Technologies | Enhanced optical and perceptual digital eyewear |
| JP4379409B2 (ja) * | 2005-11-08 | 2009-12-09 | ソニー株式会社 | 撮像装置、および情報処理方法、並びにコンピュータ・プログラム |
| US8066372B2 (en) | 2007-10-23 | 2011-11-29 | Mcgill University | Binocular vision assessment and/or therapy |
| US20120249797A1 (en) | 2010-02-28 | 2012-10-04 | Osterhout Group, Inc. | Head-worn adaptive display |
| US9304319B2 (en) | 2010-11-18 | 2016-04-05 | Microsoft Technology Licensing, Llc | Automatic focus improvement for augmented reality displays |
| US10156722B2 (en) | 2010-12-24 | 2018-12-18 | Magic Leap, Inc. | Methods and systems for displaying stereoscopy with a freeform optical system with addressable focus for virtual and augmented reality |
| KR101997845B1 (ko) | 2010-12-24 | 2019-10-01 | 매직 립, 인코포레이티드 | 인체공학적 머리 장착식 디스플레이 장치 및 광학 시스템 |
| CN107656615B (zh) | 2011-05-06 | 2021-09-14 | 奇跃公司 | 大量同时远程数字呈现世界 |
| US8184067B1 (en) | 2011-07-20 | 2012-05-22 | Google Inc. | Nose bridge sensor |
| US9025252B2 (en) | 2011-08-30 | 2015-05-05 | Microsoft Technology Licensing, Llc | Adjustment of a mixed reality display for inter-pupillary distance alignment |
| JP6144681B2 (ja) * | 2011-08-30 | 2017-06-07 | マイクロソフト テクノロジー ライセンシング，エルエルシー | 虹彩スキャン・プロファイリング機能を有する頭部装着ディスプレイ |
| EP2760363A4 (en) | 2011-09-29 | 2015-06-24 | Magic Leap Inc | TACTILE GLOVE FOR HUMAN COMPUTER INTERACTION |
| US20130083003A1 (en) * | 2011-09-30 | 2013-04-04 | Kathryn Stone Perez | Personal audio/visual system |
| EP3666352B1 (en) | 2011-10-28 | 2021-12-01 | Magic Leap, Inc. | Method and device for augmented and virtual reality |
| US8929589B2 (en) | 2011-11-07 | 2015-01-06 | Eyefluence, Inc. | Systems and methods for high-resolution gaze tracking |
| US9311883B2 (en) * | 2011-11-11 | 2016-04-12 | Microsoft Technology Licensing, Llc | Recalibration of a flexible mixed reality device |
| EP4036862A1 (en) | 2011-11-23 | 2022-08-03 | Magic Leap, Inc. | Three dimensional virtual and augmented reality display system |
| EP2800351A4 (en) | 2011-11-24 | 2016-06-01 | Ntt Docomo Inc | EXPRESSION OUTPUT DEVICE AND EXPRESSION PUBLISHING METHOD |
| JP6028357B2 (ja) | 2012-03-22 | 2016-11-16 | ソニー株式会社 | ヘッドマウントディスプレイ及び手術システム |
| KR102028732B1 (ko) | 2012-04-05 | 2019-10-04 | 매직 립, 인코포레이티드 | 능동 포비에이션 능력을 갖는 와이드-fov(field of view) 이미지 디바이스들 |
| US9001427B2 (en) | 2012-05-30 | 2015-04-07 | Microsoft Technology Licensing, Llc | Customized head-mounted display device |
| US9671566B2 (en) | 2012-06-11 | 2017-06-06 | Magic Leap, Inc. | Planar waveguide apparatus with diffraction element(s) and system employing same |
| WO2013188464A1 (en) | 2012-06-11 | 2013-12-19 | Magic Leap, Inc. | Multiple depth plane three-dimensional display using a wave guide reflector array projector |
| US20130339433A1 (en) * | 2012-06-15 | 2013-12-19 | Duke University | Method and apparatus for content rating using reaction sensing |
| KR20150054967A (ko) | 2012-09-11 | 2015-05-20 | 매직 립, 인코포레이티드 | 인체공학적 헤드 마운티드 디스플레이 디바이스 및 광학 시스템 |
| JP2014064248A (ja) | 2012-09-24 | 2014-04-10 | Ntt Docomo Inc | 画像投影装置及び画像投影方法 |
| US8860634B2 (en) * | 2012-10-11 | 2014-10-14 | Sony Computer Entertainment Europe Limited | Head mountable display |
| US9996150B2 (en) | 2012-12-19 | 2018-06-12 | Qualcomm Incorporated | Enabling augmented reality using eye gaze tracking |
| WO2014113506A1 (en) | 2013-01-15 | 2014-07-24 | Magic Leap, Inc. | Ultra-high resolution scanning fiber display |
| CN105188516B (zh) | 2013-03-11 | 2017-12-22 | 奇跃公司 | 用于增强和虚拟现实的系统与方法 |
| KR102271198B1 (ko) | 2013-03-15 | 2021-06-29 | 매직 립, 인코포레이티드 | 디스플레이 시스템 및 방법 |
| US9264803B1 (en) * | 2013-06-05 | 2016-02-16 | Google Inc. | Using sounds for determining a worn state of a wearable computing device |
| US10262462B2 (en) | 2014-04-18 | 2019-04-16 | Magic Leap, Inc. | Systems and methods for augmented and virtual reality |
| US9874749B2 (en) | 2013-11-27 | 2018-01-23 | Magic Leap, Inc. | Virtual and augmented reality systems and methods |
| US20140375540A1 (en) | 2013-06-24 | 2014-12-25 | Nathan Ackerman | System for optimal eye fit of headset display device |
| US9256987B2 (en) * | 2013-06-24 | 2016-02-09 | Microsoft Technology Licensing, Llc | Tracking head movement when wearing mobile device |
| CN105492957B (zh) | 2013-06-27 | 2019-09-24 | Cy 视觉公司 | 采用成对眼镜形式的图像显示设备 |
| US10345903B2 (en) | 2013-07-30 | 2019-07-09 | Microsoft Technology Licensing, Llc | Feedback for optic positioning in display devices |
| US9971937B1 (en) | 2013-09-30 | 2018-05-15 | Samsung Electronics Co., Ltd. | Biometric camera |
| EP4321915A3 (en) | 2013-10-16 | 2024-05-01 | Magic Leap, Inc. | Virtual or augmented reality headsets having adjustable interpupillary distance |
| CN107219628B (zh) | 2013-11-27 | 2020-05-01 | 奇跃公司 | 虚拟和增强现实系统与方法 |
| US9857591B2 (en) | 2014-05-30 | 2018-01-02 | Magic Leap, Inc. | Methods and system for creating focal planes in virtual and augmented reality |
| US8958158B1 (en) * | 2013-12-03 | 2015-02-17 | Google Inc. | On-head detection for head-mounted display |
| US9651784B2 (en) | 2014-01-21 | 2017-05-16 | Osterhout Group, Inc. | See-through computer display systems |
| KR102207799B1 (ko) | 2014-01-31 | 2021-01-26 | 매직 립, 인코포레이티드 | 멀티-포컬 디스플레이 시스템 및 방법 |
| CN110376743B (zh) | 2014-01-31 | 2022-03-04 | 奇跃公司 | 多焦点显示系统和方法 |
| US10228562B2 (en) * | 2014-02-21 | 2019-03-12 | Sony Interactive Entertainment Inc. | Realtime lens aberration correction from eye tracking |
| WO2015130849A1 (en) * | 2014-02-25 | 2015-09-03 | Eyeverify | Eye gaze tracking |
| US10203762B2 (en) | 2014-03-11 | 2019-02-12 | Magic Leap, Inc. | Methods and systems for creating virtual and augmented reality |
| US10430985B2 (en) | 2014-03-14 | 2019-10-01 | Magic Leap, Inc. | Augmented reality systems and methods utilizing reflections |
| US9754415B2 (en) * | 2014-03-27 | 2017-09-05 | Microsoft Technology Licensing, Llc | Display relative motion compensation |
| US9672416B2 (en) | 2014-04-29 | 2017-06-06 | Microsoft Technology Licensing, Llc | Facial expression tracking |
| AU2015297035B2 (en) | 2014-05-09 | 2018-06-28 | Google Llc | Systems and methods for biomechanically-based eye signals for interacting with real and virtual objects |
| KR102193052B1 (ko) | 2014-05-30 | 2020-12-18 | 매직 립, 인코포레이티드 | 가상 또는 증강 현실 장치로 가상 콘텐츠 디스플레이를 생성하기 위한 방법들 및 시스템들 |
| US9830739B2 (en) * | 2014-06-17 | 2017-11-28 | Google Inc. | Automultiscopic display with viewpoint tracking and scalability for multiple views |
| KR102361025B1 (ko) * | 2014-07-31 | 2022-02-08 | 삼성전자주식회사 | 웨어러블 글래스 및 웨어러블 글래스를 통하여 영상을 디스플레이하는 방법 |
| US9965030B2 (en) | 2014-07-31 | 2018-05-08 | Samsung Electronics Co., Ltd. | Wearable glasses and method of displaying image via the wearable glasses |
| US9719871B2 (en) * | 2014-08-09 | 2017-08-01 | Google Inc. | Detecting a state of a wearable device |
| US9389733B2 (en) * | 2014-08-18 | 2016-07-12 | Sony Corporation | Modal body touch using ultrasound |
| US9922236B2 (en) * | 2014-09-17 | 2018-03-20 | Toyota Motor Engineering & Manufacturing North America, Inc. | Wearable eyeglasses for providing social and environmental awareness |
| US9808185B2 (en) * | 2014-09-23 | 2017-11-07 | Fitbit, Inc. | Movement measure generation in a wearable electronic device |
| GB2534580B (en) | 2015-01-28 | 2020-06-17 | Sony Interactive Entertainment Europe Ltd | Image processing |
| USD758367S1 (en) | 2015-05-14 | 2016-06-07 | Magic Leap, Inc. | Virtual reality headset |
| CN108292040B (zh) * | 2015-09-30 | 2020-11-06 | 索尼互动娱乐股份有限公司 | 优化头戴式显示器屏幕上的内容定位的方法 |
| US9652896B1 (en) * | 2015-10-30 | 2017-05-16 | Snap Inc. | Image based tracking in augmented reality systems |
| KR20170051013A (ko) | 2015-11-02 | 2017-05-11 | 엘지전자 주식회사 | 테더링 형 hmd 및 그 hmd의 제어 방법 |
| WO2017079333A1 (en) | 2015-11-04 | 2017-05-11 | Magic Leap, Inc. | Light field display metrology |
| EP3400478B1 (en) | 2016-01-07 | 2023-08-16 | Magic Leap, Inc. | Virtual and augmented reality systems and methods having unequal numbers of component color images distributed across depth planes |
| KR102567431B1 (ko) | 2016-01-19 | 2023-08-14 | 매직 립, 인코포레이티드 | 눈 이미지 수집, 선택 및 결합 |
| JP6775957B2 (ja) * | 2016-01-29 | 2020-10-28 | キヤノン株式会社 | 情報処理装置、情報処理方法、プログラム |
| IL302656A (en) | 2016-02-11 | 2023-07-01 | Magic Leap Inc | Multi-depth planar display system with limited change between depth planes |
| US10133358B1 (en) * | 2016-06-01 | 2018-11-20 | Google Llc | Fitting detection for a bone conduction transducer (BCT) using an inertial measurement unit (IMU) sensor |
| US10139644B2 (en) | 2016-07-01 | 2018-11-27 | Tilt Five, Inc | Head mounted projection display with multilayer beam splitter and color correction |
| WO2018067357A2 (en) | 2016-10-05 | 2018-04-12 | Magic Leap, Inc. | Periocular test for mixed reality calibration |
| US11494986B2 (en) | 2017-04-20 | 2022-11-08 | Samsung Electronics Co., Ltd. | System and method for two dimensional application usage in three dimensional virtual reality environment |
| WO2019143864A1 (en) | 2018-01-17 | 2019-07-25 | Magic Leap, Inc. | Display systems and methods for determining registration between a display and a user's eyes |
| CN112689869A (zh) | 2018-07-24 | 2021-04-20 | 奇跃公司 | 用于确定显示器与用户的眼睛之间的配准的显示系统和方法 |
-
2017
- 2017-09-27 WO PCT/US2017/053753 patent/WO2018067357A2/en active Application Filing
- 2017-09-27 IL IL265734A patent/IL265734B/en unknown
- 2017-09-27 JP JP2019517930A patent/JP7090601B2/ja active Active
- 2017-09-27 EP EP17858914.9A patent/EP3523782A4/en active Pending
- 2017-09-27 IL IL295059A patent/IL295059A/en unknown
- 2017-09-27 KR KR1020197011884A patent/KR102269065B1/ko active IP Right Grant
- 2017-09-27 KR KR1020227017129A patent/KR102657100B1/ko active IP Right Grant
- 2017-09-27 US US15/717,747 patent/US10573042B2/en active Active
- 2017-09-27 KR KR1020217018967A patent/KR102402467B1/ko active IP Right Grant
-
2020
- 2020-02-03 US US16/780,698 patent/US11100692B2/en active Active
-
2021
- 2021-07-26 US US17/385,724 patent/US11906742B2/en active Active
-
2022
- 2022-03-07 JP JP2022034301A patent/JP2022069522A/ja active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2012172719A1 (ja) * | 2011-06-16 | 2012-12-20 | パナソニック株式会社 | ヘッドマウントディスプレイおよびその位置ずれ調整方法 |
| JP2016526237A (ja) * | 2013-06-07 | 2016-09-01 | 株式会社ソニー・インタラクティブエンタテインメント | 頭部装着ディスプレイにおけるオペレーション・モード・スイッチング |
| US20140375542A1 (en) * | 2013-06-25 | 2014-12-25 | Steve Robbins | Adjusting a near-eye display device |
| US20150310665A1 (en) | 2014-04-29 | 2015-10-29 | Ashraf Ayman Michail | Stabilization plane determination based on gaze location |
| JP2016149660A (ja) * | 2015-02-13 | 2016-08-18 | ソニー株式会社 | 情報処理装置、情報処理方法、およびプログラム |
Also Published As
| Publication number | Publication date |
|---|---|
| US20180096503A1 (en) | 2018-04-05 |
| JP2022069522A (ja) | 2022-05-11 |
| JP2020502849A (ja) | 2020-01-23 |
| US11906742B2 (en) | 2024-02-20 |
| US11100692B2 (en) | 2021-08-24 |
| KR20210077806A (ko) | 2021-06-25 |
| JP7090601B2 (ja) | 2022-06-24 |
| KR102402467B1 (ko) | 2022-05-25 |
| WO2018067357A2 (en) | 2018-04-12 |
| IL295059A (en) | 2022-09-01 |
| KR20190058581A (ko) | 2019-05-29 |
| WO2018067357A3 (en) | 2019-05-23 |
| US20200250872A1 (en) | 2020-08-06 |
| KR102657100B1 (ko) | 2024-04-12 |
| EP3523782A4 (en) | 2020-06-24 |
| IL265734A (en) | 2019-05-30 |
| KR20220072879A (ko) | 2022-06-02 |
| US20220020192A1 (en) | 2022-01-20 |
| IL265734B (en) | 2022-09-01 |
| EP3523782A2 (en) | 2019-08-14 |
| US10573042B2 (en) | 2020-02-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102269065B1 (ko) | 혼합 현실 교정을 위한 안구주위 테스트 | |
| EP3807710B1 (en) | Augmented reality display with frame modulation functionality | |
| JP7186844B2 (ja) | ウェアラブルデバイスによる顔モデル捕捉 | |
| KR102217797B1 (ko) | 전체 얼굴 이미지의 안구주위 및 오디오 합성 | |
| US11906732B2 (en) | Head-mounted display systems with power saving functionality | |
| US20230281988A1 (en) | Systems and methods for temporarily disabling user control interfaces during attachment of an electronic device | |
| US20240134200A1 (en) | Periocular test for mixed reality calibration | |
| KR20240052085A (ko) | 혼합 현실 교정을 위한 안구주위 테스트 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| A302 | Request for accelerated examination | ||
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |