KR20210036317A - 모바일 에지 컴퓨팅 기반의 시각적 위치 확정 방법 및 장치 - Google Patents

모바일 에지 컴퓨팅 기반의 시각적 위치 확정 방법 및 장치 Download PDF

Info

Publication number
KR20210036317A
KR20210036317A KR1020210033438A KR20210033438A KR20210036317A KR 20210036317 A KR20210036317 A KR 20210036317A KR 1020210033438 A KR1020210033438 A KR 1020210033438A KR 20210033438 A KR20210033438 A KR 20210033438A KR 20210036317 A KR20210036317 A KR 20210036317A
Authority
KR
South Korea
Prior art keywords
mobile edge
edge computing
target image
pose information
image
Prior art date
Application number
KR1020210033438A
Other languages
English (en)
Inventor
데구오 시아
지즈호우 후앙
리우후이 즈항
카이 즈홍
Original Assignee
바이두 온라인 네트웍 테크놀러지 (베이징) 캄파니 리미티드
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 바이두 온라인 네트웍 테크놀러지 (베이징) 캄파니 리미티드 filed Critical 바이두 온라인 네트웍 테크놀러지 (베이징) 캄파니 리미티드
Publication of KR20210036317A publication Critical patent/KR20210036317A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
    • G01C21/30—Map- or contour-matching
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
    • G01C11/02—Picture taking arrangements specially adapted for photogrammetry or photographic surveying, e.g. controlling overlapping of pictures
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
    • G01C11/04—Interpretation of pictures
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/20—Instruments for performing navigational calculations
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/36—Input/output arrangements for on-board computers
    • G01C21/3602—Input other than that of destination using image analysis, e.g. detection of road signs, lanes, buildings, real preceding vehicles using a camera
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20021—Dividing image into blocks, subimages or windows
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20076—Probabilistic image processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30181—Earth observation
    • G06T2207/30184—Infrastructure
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30244—Camera pose
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30252—Vehicle exterior; Vicinity of vehicle

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Evolutionary Computation (AREA)
  • Automation & Control Theory (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Navigation (AREA)
  • Image Analysis (AREA)

Abstract

본 발명의 실시예는 모바일 에지 컴퓨팅 기반의 시각적 위치 확정 방법 및 장치를 개시하며, 이는 컴퓨터 시각적 이미지 기술 분야에 관한 것이며, 이미지 데이터를 트레이닝된 모델에 입력하여 이미지 처리를 진행한다. 구체적인 구현 방안은, 모바일 에지 컴퓨팅 노드가 상기 모바일 에지 컴퓨팅 노드의 커버리지 영역 내의 위치 확정하고자는 장치에 의해 촬영된 환경 이미지를 수신하고, 모바일 에지 컴퓨팅 노드가 다수의 후보 이미지로부터 상기 환경 이미지에 매칭되는 대상 이미지를 확정하고, 상기 대상 이미지를 촬영한 장치의 포즈 정보에 따라, 상기 위치 확정하고자는 장치의 포즈 정보를 컴퓨팅하고, 모바일 에지 컴퓨팅 노드가 상기 위치 확정하고자는 장치에 상기 위치 확정하고자는 장치의 포즈 정보를 송신하여, 상기 위치 확정하고자는 장치가 상기 포즈 정보에 따라 전자 지도 중의 위치 확정 정보를 확정하도록 한다. 본 실시예는 컴퓨터 시각 기반의 위치 확정 방법을 이용하며, 특히는 복잡한 정경의 위치 확정 경우에 적용된다.

Description

모바일 에지 컴퓨팅 기반의 시각적 위치 확정 방법 및 장치{MOBILE EDGE COMPUTING BASED VISUAL POSITIONING METHOD AND DEVICE}
본 발명은 컴퓨터 기술에 관한 것으로, 특히 컴퓨터 시각적 이미지 기술 분야에 관한 것이다.
사용자가 내비게이션 제품을 사용할 경우, 운전 내비게이션이든, 도보 내비게이션이든 모두 사용자의 위치를 실시간으로 획득하여야만, 사용자에게 정확한 경로 계획을 제공할 수 있다.
GPS(Global Positioning System: 글로벌 포지셔닝 시스템)은 광범위하게 사용되는 위치 확정 방안으로서, 위성 상태, 날씨 상태, 데이터 링크 전송 상태의 영향을 쉽게 받게 된다. 예를 들어, 육교 상/하 정경, 주요 도로 및 보조 도로 정경, 실내 및 고층 밀집 상업 지역에서 사용되지 못하게 된다. 따라서, 육교 상/하 정경, 주요 도로 및 보조 도로 정경, 실내 및 고층 밀집 상업 지역 등의 정경에서의 내비게이션 위치 확정 문제점을 해결하기 위한 새로운 위치 확정 방법이 필요하게 된다.
본 발명의 실시예들은 모바일 에지 컴퓨팅 기반의 시각적 위치 확정 방법 및 장치를 제공한다.
제1 양태에 있어서, 본 발명의 실시예는 모바일 에지 컴퓨팅 기반의 시각적 위치 확정 방법을 제공하며, 해당 방법은, 모바일 에지 컴퓨팅 노드가 상기 모바일 에지 컴퓨팅 노드의 커버리지 영역 내의 위치 확정하고자는 장치에 의해 촬영된 환경 이미지를 수신하는 단계와, 상기 모바일 에지 컴퓨팅 노드가 다수의 후보 이미지로부터 상기 환경 이미지에 매칭되는 대상 이미지를 확정하고, 상기 대상 이미지를 촬영한 장치의 포즈 정보에 따라, 상기 위치 확정하고자는 장치의 포즈 정보를 컴퓨팅하는 단계와, 상기 모바일 에지 컴퓨팅 노드가 상기 위치 확정하고자는 장치에 상기 위치 확정하고자는 장치의 포즈 정보를 송신하여, 상기 위치 확정하고자는 장치가 상기 포즈 정보에 따라 전자 지도 중의 위치 확정 정보를 확정하도록 하는 단계를 포함한다.
제2 양태에 있어서, 본 발명의 실시예는 모바일 에지 컴퓨팅 기반의 시각적 위치 확정 장치를 제공하며, 해당 장치는, 모바일 에지 컴퓨팅 노드의 커버리지 영역 내의 위치 확정하고자는 장치에 의해 촬영된 환경 이미지를 수신하도록 구성되는 수신 모듈과, 다수의 후보 이미지로부터 상기 환경 이미지에 매칭되는 대상 이미지를 확정하고, 상기 대상 이미지를 촬영한 장치의 포즈 정보에 따라, 상기 위치 확정하고자는 장치의 포즈 정보를 컴퓨팅하도록 구성되는 컴퓨팅 모듈과, 상기 위치 확정하고자는 장치에 상기 위치 확정하고자는 장치의 포즈 정보를 송신하여, 상기 위치 확정하고자는 장치가 상기 포즈 정보에 따라 전자 지도 중의 위치 확정 정보를 확정하도록 구성되는 송신 모듈을 포함한다.
제3 양태에 있어서, 본 발명의 실시예는 모바일 에지 컴퓨팅 노드를 제공하며, 해당 모바일 에지 컴퓨팅 노드는, 적어도 하나의 프로세서와, 상기 적어도 하나의 프로세서와 통신 연결되는 메모리 장치를 포함하되, 상기 메모리 장치에 상기 적어도 하나의 프로세서에 의해 수행 가능한 명령어가 저장되고, 상기 명령어는 상기 적어도 하나의 프로세서에 의해 수행되어, 상기 적어도 하나의 프로세서로 임의의 하나의 실시예에서 제공하는 모바일 에지 컴퓨팅 기반의 시각적 위치 확정 방법을 수행시킬 수 있다.
제4 양태에 있어서, 본 발명의 실시예는 컴퓨터 명령어가 저장되는 비 일시적 컴퓨터 판독 가능한 저장 매체를 더 제공하며, 상기 컴퓨터 명령어는 상기 컴퓨터로 임의의 하나의 실시예에서 제공하는 모바일 에지 컴퓨팅 기반의 시각적 위치 확정 방법을 수행시키도록 구성된다.
본 발명의 실시예들에 의하면, 컴퓨터 시각 기반의 위치 확정 방법을 이용하고, 특히는 복잡한 정경의 위치 확정 경우에 적용된다.
본문에서 설명되는 내용은 본 발명의 실시예들의 관건적이거나 중요한 특징을 지칭하기 위한 것이 아니며, 본 발명의 범위를 한정하기 위한 것도 아님을 이해하여야 한다. 아래의 명세서를 통해 본 발명의 기타의 특징들은 이해하기 용이해질 것이다.
첨부된 도면은 본 발명의 실시예들을 보다 잘 이해하기 위한 것이며, 본 발명에 대한 한정을 구성하지 않는다.
도 1a는 본 발명의 실시예 중의 제1 모바일 에지 컴퓨팅 기반의 시각적 위치 확정 방법의 흐름도이다.
도 1b는 본 발명의 실시예에서 제공하는 MEC 노드 커버리지 범위의 개략도이다.
도 2a는 본 발명의 실시예 중의 제2 모바일 에지 컴퓨팅 기반의 시각적 위치 확정 방법의 흐름도이다.
도 2b는 본 발명의 실시예에서 제공하는 포즈 정보의 컴퓨팅 흐름의 개략도이다.
도 3은 본 발명의 실시예 중의 제3 모바일 에지 컴퓨팅 기반의 시각적 위치 확정 방법의 흐름도이다.
도 4a는 본 발명의 실시예 중의 제4 모바일 에지 컴퓨팅 기반의 시각적 위치 확정 방법의 흐름도이다.
도 4b는 본 발명의 실시예에서 제공하는 모바일 에지 컴퓨팅 기반의 시각적 위치 확정 시스템의 흐름도이다.
도 5는 본 발명의 실시예 중의 모바일 에지 컴퓨팅 기반의 시각적 위치 확정 장치의 구조도이다.
도 6은 본 발명의 실시예의 모바일 에지 컴퓨팅 기반의 시각적 위치 확정 방법을 구현하기 위한 모바일 에지 컴퓨팅 노드의 블록도이다.
아래에 첨부된 도면을 참조하여 본 발명의 예시적인 실시예들에 대해 설명을 진행하되, 이해를 돕기 위해 본 발명의 실시예들의 각종의 세부 사항을 포함하며, 이는 단지 시범적인 것으로 시인되어야 한다. 따라서, 본 발명의 범위 및 사상을 위배하지 않고서, 여기서 설명되는 실시예에 대해 각종의 변화 및 수정을 진행할 수 있음을 당해 기술 분야에서 통상의 지식을 가진 자에게는 자명할 것이다. 마찬가지로, 명확하고 간결함을 위하여, 공지의 기능 및 구조에 대한 설명은 아래의 설명으로부터 생략된다.
본 발명의 실시예에 의하면, 도 1a는 본 발명의 실시예 중의 제1 모바일 에지 컴퓨팅 기반의 시각적 위치 확정 방법의 흐름도이며, 본 발명의 실시예는 장치에 대해 위치 확정을 진행하는 경우에 적용되며, 특히는 육교 상/하 정경, 주요 도로 및 보조 도로 정경, 실내 및 고층 밀집 상업 지역 등의 정경에서 GPS가 사용불가한 경우에 적용된다. 해당 방법은 모바일 에지 컴퓨팅 기반의 시각적 위치 확정 장치를 통해 수행되고, 해당 장치는 소프트웨어 및/또는 하드웨어를 이용하여 구현되고, 구체적으로 일정한 데이터 연산 능력을 구비하는 모바일 에지 컴퓨팅 노드에 배치된다.
도 1a에 도시된 모바일 에지 컴퓨팅 기반의 시각적 위치 확정 방법은 아래와 같은 단계들을 포함한다.
단계(S110)에서, 모바일 에지 컴퓨팅 노드가 모바일 에지 컴퓨팅 노드의 커버리지 영역 내의 위치 확정하고자는 장치에 의해 촬영된 환경 이미지를 수신한다.
설명 및 구분의 편리를 위하여, 지역 위치 확정을 진행하여야 하는 장치를 위치 확정하고자는 장치, 예를 들어, 휴대폰, 스마트 워치 등의 모바일 단말기 또는 데스크톱 컴퓨터 등의 고정 단말기로 지칭할 수 있다.
위치 확정하고자는 장치가 육교 상/하 정경, 주요 도로 및 보조 도로 정경, 실내 및 고층 밀집 상업 지역 등의 GPS가 사용불가한 정경에 위치할 경우, 카메라를 켜서 위치 확정하고자는 장치 주변의 환경에 대해 촬영을 진행하여, 환경 이미지를 획득할 수 있다. 위치 확정의 정밀도를 향상시키고, 지리적 위치의 특점을 돌출시키기 위하여, 일반적으로 주변의 상징성이 있는 랜드마크 건축물에 대해 촬영을 진행하여야 한다.
촬영이 완료된 후, 환경 이미지를 최근처의 모바일 에지 컴퓨팅(Mobile Edge Computing: MEC) 노드에 송신한다. MEC 노드는 무선 액세스 네트워크(Radio Access Network: RAN) 내에서 인터넷 기술 서비스 환경, 컴퓨팅 및 저장 기능을 제공한다. MEC 노드는 논리상에서 네트워크의 기타 부분에 의존하지 않으며, 이러한 점은 안전성 요구가 상대적으로 높은 응용에 있어서 아주 중요하다. 또한, MEC 노드는 통상적으로 상대적으로 높은 컴퓨팅 능력을 구비하므로, 대량의 데이터를 분석 및 처리하기에 특히 적합하다. 아울러, MEC 노드가 사용자 또는 정보 소스와의 거리가 지리적으로 아주 가까우므로, 네트워크가 사용자의 요청에 응답하는 지연을 대폭으로 감소시키고, 전송 네트워크 및 핵심 네트워크 부분에서 네트워크 혼잡이 발생하는 가능성도 저감시킨다. 상이한 MEC 노드의 커버리지 범위가 상이하므로, 다수의 MEC 노드로 상이한 커버리지 범위 내에서 송신하는 환경 이미지에 대해 처리를 진행한다.
도 1b는 본 발명의 실시예에서 제공하는 MEC 노드 커버리지 범위의 개략도이다. T1 시각일 때 위치 확정하고자는 장치는 제1 MEC 노드의 커버리지 범위에 위치하고, 후속적으로, T2 시각일 때 위치 확정하고자는 장치는 제2 MEC 노드의 커버리지 범위에 위치한다. 위치 확정하고자는 장치는, T1 시각에 촬영된 환경 이미지를 제1 MEC 노드에 송신하고, T2 시각에 촬영된 환경 이미지를 제2 MEC 노드에 송신한다.
단계(S120)에서, 모바일 에지 컴퓨팅 노드가 다수의 후보 이미지로부터 환경 이미지에 매칭되는 대상 이미지를 확정하고, 대상 이미지를 촬영한 장치의 포즈 정보에 따라, 위치 확정하고자는 장치의 포즈 정보를 컴퓨팅한다.
본 실시예에 있어서, MEC 노드에는 다수의 후보 이미지 및 각 후보 이미지를 촬영하는 장치의 포즈 정보가 사전에 저장된다. 여기서, 다수의 후보 이미지는 상이한 위치에서 촬영한 이미지, 예를 들어, 각 위치에서 다수의 랜드마크 건축물에 대해 촬영을 진행한 이미지이다. 포즈 정보는 위치 정보 및 포즈 정보를 포함하며, 즉, 지구 좌표계(x 축, y 축 및 z 축을 포함)에서의 장치의 6개의 자유도(x 축을 따른 수평 이동, y 축을 따른 수평 이동, z 축을 따른 수평 이동, x 축을 중심으로 하는 회전, y 축을 중심으로 하는 회전, z 축을 중심으로 하는 회전을 포함)의 정보이다.
환경 이미지와 매칭되는 것은 환경 이미지의 이미지 내용과 일치한 것이고, 예를 들어, 이미지가 포함하는 본체 유형이 동일하고, 지향이 동일한 것이다. 선택적으로, MEC 노드에는 사전에 인식된 각 후보 이미지 중의 본체 유형 및 지향이 더 저장된다. 환경 이미지 중의 본체 유형 및 지향을 인식하고, 대상 이미지로서 환경 이미지 중의 본체 유형 및 지향과 일치한 후보 이미지를 선택하는 것은, 대상 이미지를 촬영한 장치의 포즈 정보와 위치 확정하고자는 장치의 포즈 정보가 일치한 것으로 시인될 수 있다.
단계(S130)에서, 모바일 에지 컴퓨팅 노드가 위치 확정하고자는 장치에 위치 확정하고자는 장치의 포즈 정보를 송신하여, 위치 확정하고자는 장치가 포즈 정보에 따라 전자 지도 중의 위치 확정 정보를 확정하도록 한다.
위치 확정하고자는 장치로 포즈 정보를 수신한 후, 포즈 정보에 따라 위치 확정 정보를 확정하고, 위치 확정 정보를 위치 확정하고자는 장치에서 운행되는 전자 지도에 표시한다.
예시적으로, 2차원 전자 지도에서, x 축, y 축을 따른 수평 이동 위치에 따라, 전자 지도 중의 위치를 확정하고, z 축을 중심으로 하는 회전 각도에 따라, 전자 지도 중의 지향을 확정한다.
예시적으로, 3차원 전자 지도에서, x 축, y 축, z 축을 따른 수평 이동 위치에 따라, 전자 지도 중의 위치를 확정하고, x 축, y 축, z 축을 중심으로 하는 회전 각도에 따라, 전자 지도 중의 지향을 확정한다.
본 실시예에 있어서, MEC 노드는 수행 본체로서, 다수의 후보 이미지 및 후보 이미지를 촬영하는 장치의 포즈 정보를 MEC 노드에 사전에 배포하고, 지역화 및 근거리 배포를 형성하여, 네트워크 전송에서 데이터의 시간 소모를 효과적으로 감소시킬 뿐만 아니라, 네트워크 반환 대역폭에 대한 요구 및 네트워크 로드를 감소시켜, 실제 응용에서 실시간으로 신뢰성 있는 위치 확정 요구 사항을 만족시킬 수 있으며, 다수의 후보 이미지로부터 환경 이미지에 매칭되는 대상 이미지를 확정하고, 대상 이미지를 촬영한 장치의 포즈 정보에 따라, 위치 확정하고자는 장치의 포즈 정보를 컴퓨팅하고, 이로써 위치 확정 정보를 획득함으로써, 컴퓨터 시각 기반의 위치 확정 방식을 이용하여, MEC 노드에서 시각적 위치 확정의 알고리즘을 운행함으로써, 사용자가 GPS 위치 확정 시스템을 작동시키는 지와 관계없이, 모두 위치 확정 정보를 효과적으로 획득할 수 있으며, 위치 확정하고자는 장치가 육교 상/하 정경, 주요 도로 및 보조 도로 정경, 실내 및 고층 밀집 상업 지역 등의 GPS가 사용불가한 정경에 위치할 경우, 여전히 고정밀도 위치 확정을 진행할 수 있다.
상술한 실시예 및 하기의 실시예에 있어서, 다수의 후보 이미지는 MEC 노드 커버리지 영역 내에서 촬영된 것이다. MEC 노드로 수신된 환경 이미지는 커버리지 범위 내의 장치로 촬영된 것이므로, 이에 매칭되는 대상 이미지도 MEC 노드 커버리지 영역 내에서 촬영된 것이여야 한다. 대상 이미지를 확정할 경우, 상대적으로 적은 수량의 후보 이미지를 환경 이미지와 매칭시키면 되고, 시각적 위치 확정의 컴퓨팅을 효과적으로 가속시킨다.
본 발명의 실시예에 의하면, 도 2a는 본 발명의 실시예 중의 제2 모바일 에지 컴퓨팅 기반의 시각적 위치 확정 방법의 흐름도이며, 본 발명의 실시예는 상술한 각 실시예의 기술적 방안을 기초로 포즈 정보의 컴퓨팅 과정에 대해 최적화를 진행한다.
도 2a에 도시된 제2 모바일 에지 컴퓨팅 기반의 시각적 위치 확정 방법은 아래와 같은 단계들을 포함한다.
단계(S210)에서, 모바일 에지 컴퓨팅 노드가 모바일 에지 컴퓨팅 노드의 커버리지 영역 내의 위치 확정하고자는 장치에 의해 촬영된 환경 이미지를 수신한다.
단계(S220)에서, 모바일 에지 컴퓨팅 노드가 다수의 후보 이미지로부터 환경 이미지에 매칭되는 대상 이미지를 확정한다.
도 2b는 본 발명의 실시예에서 제공하는 포즈 정보의 컴퓨팅 흐름의 개략도이다. 도 2b에 도시된 바와 같이, MEC 노드로 대상 이미지에 대해 특징 추출을 진행하여, 대상 이미지의 이미지 특징을 획득하며, 구체적으로, SIFT(Scale-invariant feature transform: 스케일 불변 특성 변환) 특징 기반 또는 심층 신경망 기반의 특징 추출 모델, 예컨대, NetVLAD를 선택한다. NetVLAD는 VLAD(Vector of locally aggregated descriptors: 국부적으로 집계된 기술자의 벡터) 계층을 구비하는 하나의 컨볼루션 신경망 모델이다.
본 실시예에 있어서, 도 2b에 도시된 바와 같이, 서버(예를 들어, 클라우드 측 서버)는 사전에 각 후보 이미지에 대해 특징 추출을 진행하여, 각 후보 이미지의 이미지 특징을 획득하고, MEC 노드 커버리지 영역에 따라, 후보 이미지의 이미지 특징을 목표성 있게 대응되는 커버리지 영역의 MEC 노드에 송신하고, MEC 노드의 이미지 특징 라이브러리에 저장한다.
이어서, MEC 노드로 근사 최근접 탐색 알고리즘을 이용하여, 다수의 후보 이미지로부터 환경 이미지의 이미지 특징과 매칭되는 대상 이미지를 탐색한다. 본 실시예는 이미지 특징 매칭 방식을 이용하여 환경 이미지에 매칭되는 대상 이미지를 확정하며, 구체적으로, 근사 최근접 탐색 알고리즘을 이용하여 특징 매칭을 진행한다. 여기서, 근사 최근접 탐색 알고리즘은 그래프 기반 알고리즘, 트리 기반 알고리즘 또는 해시 기반 알고리즘일 수 있으며, 이는 환경 이미지의 이미지 특징을 제공하고, 다수의 후보 이미지의 이미지 특징(예를 들어, 전술한 이미지 특징 라이브러리)으로부터 가장 유사한 앞으로 k개의 이미지 특징을 찾도록 구성되되, k는 자연수, 예를 들어 1이다.
본 실시예는 이미지 특징 차원에서 이미지 매칭을 진행하여, 매칭되는 대상 이미지를 정확하게 찾을 수 있으며, 근사 최근접 탐색 알고리즘을 통해 매칭 효율을 효과적으로 향상시킬 수 있다.
단계(S230)에서, 모바일 에지 컴퓨팅 노드가 환경 이미지와 대상 이미지가 매칭되는 특징점 쌍 세트를 컴퓨팅한다.
환경 이미지 및 대상 이미지 중의 본체 유형은 동일하고, 본체 지향은 약간 상이할 수 있으며, 즉, 이미지 특징 중의 일부의 특징점은 매칭되지 않는다. 위치 확정 정밀도를 향상시키기 위하여, 점 쌍 세트에 따라 환경 이미지를 촬영하는 장치의 포즈 정보에 대해 조절을 진행하여, 위치 확정하고자는 장치의 포즈 정보를 획득할 필요가 있다.
선택적으로, 최적의 노드 우선(best-bin-first) 알고리즘 또는 랜덤 샘플링 합의(RANdom SAmple Consensus: RANSAC) 알고리즘을 이용하여 환경 이미지의 이미지 특징 및 대상 이미지의 이미지 특징으로부터 매칭되는 다수의 특징점 쌍을 탐색하고, 특징점 쌍 세트를 구성한다. 도 2b에서, 특징점을 원본 이미지의 픽셀점으로 다시 매핑시켜 연결을 진행하여, 가시적인 방식으로 특징점 쌍의 매칭 관계를 표시한다.
단계(S240)에서, 모바일 에지 컴퓨팅 노드가 대상 이미지를 촬영한 장치의 포즈 정보 및 특징점 쌍 세트에 따라, 위치 확정하고자는 장치의 포즈 정보를 컴퓨팅한다.
도 2b에 도시된 바와 같이, I 1 및 I 2 는 각각 매칭되는 대상 이미지 및 환경 이미지이다. P 1 및 P 2 는 각각 실제 공간에서 대상 이미지를 촬영하는 장치의 좌표계 및 위치 확정하고자는 장치의 좌표계에서의 P 점의 좌표이다. p 1 및 p 2 는 각각 대응되는 이미지에서의 P 1 및 P 2 의 픽셀점이고, O 1 및 O 2 는 각각 대상 이미지 및 환경 이미지를 촬영하는 카메라의 광심이며, 식(1)은 아래와 같다.
P 1 ＝(X 1 Y 1 Z 1 ), P 2 ＝(X 2 Y 2 Z 2 )......(1)
여기서, 대상 이미지에서 환경 이미지로의 회전 행렬을 R로 설정하고, 수평 이동 벡터를 t로 설정하면, 식(2)는 아래와 같다.
P 2 ＝RP 1 ＋t......(2)
MEC 노드에 대상 이미지를 촬영한 장치의 포즈 정보가 사전에 저장되므로, 위치 확정하고자는 장치의 포즈 정보를 구하려고 할 경우, 대상 이미지를 촬영하는 장치에서 위치 확정하고자는 장치로의 운동 상황을 추정할 필요가 있으며, 즉, 추정의 목적은 R, t의 해를 구하는 것이다.
식(2) 및 핀홀 이미징 원리에 따라, 아래와 같은 식(3)을 얻는다.
K 1 -1 p 2 ＝RK 2 -1 p 1 ＋t......(3)
여기서, K 1 및 K 2 는 각각 대상 이미지 및 환경 이미지를 촬영하는 카메라의 내부 파라미터이다. 식(3)을 기반으로 R, t의 해를 구할 수 있다. 이어서, 대상 이미지를 촬영한 장치의 포즈 정보를 기초로, R, t에 따라 회전 및 수평 이동을 진행하여, 위치 확정하고자는 장치의 포즈 정보를 획득한다.
각 특징점 쌍을 기반으로 모두 일 그룹의 위치 확정하고자는 장치의 포즈 정보를 획득할 수 있으며, 특징점 쌍 세트에 대한 컴퓨팅이 완료된 후, 다수의 그룹의 포즈 정보를 획득하게 된다. 다수의 그룹의 포즈 정보에 대해 최소 제곱 법을 이용하여, 최종 포즈 정보를 추정한다.
본 실시예에 있어서, 포즈 추정 알고리즘 및 핀홀 이미징 원리를 이용하여, 대상 이미지를 촬영한 장치의 포즈 정보 및 특징점 쌍 세트에 따라, 위치 확정하고자는 장치의 포즈 정보를 컴퓨팅하고, 환경 이미지를 촬영하는 장치의 포즈 정보에 대해 조절을 진행하여, 위치 확정하고자는 장치의 포즈 정보를 획득하여, 위치 확정 정밀도를 향상시킨다.
본 발명의 실시예에 의하면, 도 3은 본 발명의 실시예 중의 제3 모바일 에지 컴퓨팅 기반의 시각적 위치 확정 방법의 흐름도이며, 본 발명의 실시예는 상술한 각 실시예의 기술적 방안을 기초로 최적화를 진행한다.
선택적으로, "모바일 에지 컴퓨팅 노드가 다수의 후보 이미지로부터 환경 이미지에 매칭되는 대상 이미지를 확정하고, 대상 이미지를 촬영한 장치의 포즈 정보에 따라, 위치 확정하고자는 장치의 포즈 정보를 컴퓨팅하는" 조작을 "모바일 에지 컴퓨팅 노드가 시각적 위치 확정 모델을 통해 환경 이미지에 매칭되는 대상 이미지를 확정하고, 대상 이미지를 촬영한 장치의 포즈 정보에 따라, 위치 확정하고자는 장치의 포즈 정보를 컴퓨팅하는 것"으로 세분화하고, 시각적 위치 확정 모델을 통해 포즈 정보를 컴퓨팅한다.
선택적으로, "모바일 에지 컴퓨팅 노드가 모바일 에지 컴퓨팅 노드의 커버리지 영역 내의 위치 확정하고자는 장치에 의해 촬영된 환경 이미지를 수신하는" 조작 이전에, "모바일 에지 컴퓨팅 노드가 서버로부터 업데이트된 다수의 후보 이미지, 업데이트된 다수의 후보 이미지를 촬영한 장치의 포즈 정보 및 업데이트된 시각적 위치 확정 모델을 획득하는 것"을 추가하고, MEC 노드의 업데이트 메커니즘을 제공한다.
도 3에 도시된 제3 모바일 에지 컴퓨팅 기반의 시각적 위치 확정 방법은 아래와 같은 단계들을 포함한다.
단계(S310)에서, 모바일 에지 컴퓨팅 노드가 서버로부터 업데이트된 다수의 후보 이미지, 업데이트된 다수의 후보 이미지를 촬영한 장치의 포즈 정보 및 업데이트된 시각적 위치 확정 모델을 획득한다.
MEC 노드의 시각적 위치 확정 효과를 지속적으로 반복시킬 수 있기 위하여, 서버 중의 업데이트 상황에 따라 MEC 노드의 후보 이미지, 포즈 정보 및 시각적 위치 확정 모델을 동기적으로 업데이트시킬 필요가 있다. 선택적으로, MEC 노드에 후보 이미지의 이미지 특징이 더 저장될 경우, 후보 이미지의 이미지 특징을 동기적으로 업데이트시킬 필요가 있다.
선택적으로, MEC 노드는 주기적으로 서버에 커버리지 범위 내의 업데이트된 다수의 후보 이미지, 포즈 정보 및 시각적 위치 확정 모델을 요청하거나 또는, 서버가 업데이트된 후, MEC 노드의 커버리지 영역을 기반으로, 업데이트된 다수의 후보 이미지, 포즈 정보 및 시각적 위치 확정 모델을 MEC 노드에 업데이트시킨다.
단계(S320)에서, 모바일 에지 컴퓨팅 노드가 모바일 에지 컴퓨팅 노드의 커버리지 영역 내의 위치 확정하고자는 장치에 의해 촬영된 환경 이미지를 수신한다.
단계(S330)에서, 모바일 에지 컴퓨팅 노드가 시각적 위치 확정 모델을 통해 환경 이미지에 매칭되는 대상 이미지를 확정하고, 대상 이미지를 촬영한 장치의 포즈 정보에 따라, 위치 확정하고자는 장치의 포즈 정보를 컴퓨팅한다.
본 실시예에 있어서, 포즈 정보의 컴퓨팅 알고리즘을 시각적 위치 확정 모델에 패키징하고, 선택적으로, 시각적 위치 확정 모델은 이미지 특징 추출 유닛, 유사한 후보 이미지 컴퓨팅 유닛, 이미지 특징점 매칭 유닛 및 포즈 컴퓨팅 유닛을 포함하되, 이미지 특징 추출 유닛은 대상 이미지에 대해 특징 추출을 진행하여, 대상 이미지의 이미지 특징을 획득하도록 구성되고, 유사한 후보 이미지 컴퓨팅 유닛은 근사 최근접 탐색 알고리즘을 이용하여, 다수의 후보 이미지로부터 환경 이미지의 이미지 특징과 매칭되는 대상 이미지를 탐색하도록 구성되고, 이미지 특징점 매칭 유닛은 환경 이미지와 대상 이미지가 매칭되는 특징점 쌍 세트를 컴퓨팅하도록 구성되고, 포즈 컴퓨팅 유닛은 대상 이미지를 촬영한 장치의 포즈 정보 및 특징점 쌍 세트에 따라, 위치 확정하고자는 장치의 포즈 정보를 컴퓨팅하도록 구성된다.
단계(S340)에서, 모바일 에지 컴퓨팅 노드가 위치 확정하고자는 장치에 위치 확정하고자는 장치의 포즈 정보를 송신하여, 위치 확정하고자는 장치가 포즈 정보에 따라 전자 지도 중의 위치 확정 정보를 확정하도록 한다.
본 실시예는 MEC 노드 중의 후보 이미지, 포즈 정보 및 시각적 위치 확정 모델을 업데이트함으로써, MEC 노드의 시각적 위치 확정 효과를 지속적으로 반복시킬 수 있으며, 포즈 정보의 컴퓨팅 알고리즘을 시각적 위치 확정 모델에 패키징함으로써, 전반적인 알고리즘에 대한 업데이트 및 유지 관리가 편리해질 수 있다.
본 발명의 실시예에 있어서, 도 4a는 본 발명의 실시예 중의 제4 모바일 에지 컴퓨팅 기반의 시각적 위치 확정 방법의 흐름도이며, 본 발명의 실시예는 상술한 각 실시예의 기술적 방안을 기초로 환경 이미지의 수신 과정에 대해 최적화를 진행한다.
도 4a에 도시된 제4 모바일 에지 컴퓨팅 기반의 시각적 위치 확정 방법은 아래와 같은 단계들을 포함한다.
단계(S410)에서, 모바일 에지 컴퓨팅 노드가 5세대 이동 통신 기술을 통해, 모바일 에지 컴퓨팅 노드의 커버리지 영역 내의 위치 확정하고자는 장치에 의해 촬영된 환경 이미지를 수신한다.
도 4b는 본 발명의 실시예에서 제공하는 모바일 에지 컴퓨팅 기반의 시각적 위치 확정 시스템의 흐름도이다. 도 4b는 위치 확정하고자는 장치로서, 클라우드 측 서버, 핵심 네트워크, n개의 MEC 노드, 각 MEC 노드와 연결되는 다수의 5G 베이스 스테이션 및 두개의 휴대폰을 포함한다.
여기서, 각 MEC 노드는 사전에 클라우드 측 서버로부터 대응되는 커버리지 영역 내의 장치로 촬영한 다수의 후보 이미지, 해당 후보 이미지를 촬영하는 장치의 포즈 정보 및 시각적 위치 확정 모델을 다운로드하거나 업데이트하고, 클라우드 측 서버로부터 해당 후보 이미지의 이미지 특징을 다운로드하거나 업데이트할 수도 있다.
사용자가 내비게이팅을 진행하는 과정에서 GPS를 통한 위치 확정에 문제가 발생할 경우, 휴대폰의 카메라를 켜서 근처의 뚜렷한 건축물을 촬영하여 환경 이미지를 획득하고, 5G(5th generation mobile networks: 5세대 이동 통신 기술) 네트워크를 통해 환경 이미지를 업로드할 수 있다. 5G 베이스 스테이션은 환경 이미지를 수신한 후, 근처의 MEC 노드를 선택하여, 환경 이미지를 휴대폰이 위치한 영역을 커버하는 MEC 노드에 업로드한다. 이어서, MEC 노드로 단계(S420) 및 단계(S430)를 수행한다.
단계(S420)에서, 모바일 에지 컴퓨팅 노드가 다수의 후보 이미지로부터 환경 이미지에 매칭되는 대상 이미지를 확정하고, 대상 이미지를 촬영한 장치의 포즈 정보에 따라, 위치 확정하고자는 장치의 포즈 정보를 컴퓨팅한다.
단계(S430)에서, 모바일 에지 컴퓨팅 노드가 위치 확정하고자는 장치에 위치 확정하고자는 장치의 포즈 정보를 송신하여, 위치 확정하고자는 장치가 포즈 정보에 따라 전자 지도 중의 위치 확정 정보를 확정하도록 한다.
본 실시예에 있어서, MEC의 배포 방식을 기반으로, 시각적 위치 확정 알고리즘 및 후보 이미지를 사전에 MEC 노드에 배포하고, 위치 확정하고자는 장치로 환경 이미지를 촬영한 후, 5G 네트워크를 통해 근처에 선택된 MEC 노드에 접속하고, 5G 네트워크 기반으로 지연이 낮고 동시성이 높은 장점을 구비하며, 시각적 위치 확정의 컴퓨팅을 가속시킬 수 있으며, 낮은 지연의 시각적 위치 확정을 제공할 수 있다.
본 발명의 실시예에 의하면, 도 5는 본 발명의 실시예 중의 모바일 에지 컴퓨팅 기반의 시각적 위치 확정 장치의 구조도이며, 본 발명의 실시예는 장치에 대해 위치 확정을 진행하는 경우에 적용되며, 해당 장치는 소프트웨어 및/또는 하드웨어를 이용하여 구현되고, 구체적으로 일정한 데이터 연산 능력을 구비하는 MEC 노드에 배치된다.
도 5에 도시된 모바일 에지 컴퓨팅 기반의 시각적 위치 확정 장치(500)는 수신 모듈(501), 컴퓨팅 모듈(502) 및 송신 모듈(503)을 포함하되, 수신 모듈(501)은, 모바일 에지 컴퓨팅 노드의 커버리지 영역 내의 위치 확정하고자는 장치에 의해 촬영된 환경 이미지를 수신하도록 구성되고, 컴퓨팅 모듈(502)은, 다수의 후보 이미지로부터 환경 이미지에 매칭되는 대상 이미지를 확정하고, 대상 이미지를 촬영한 장치의 포즈 정보에 따라, 위치 확정하고자는 장치의 포즈 정보를 컴퓨팅하도록 구성되고, 송신 모듈(503)은, 위치 확정하고자는 장치에 위치 확정하고자는 장치의 포즈 정보를 송신하여, 위치 확정하고자는 장치로 포즈 정보에 따라 전자 지도 중의 위치 확정 정보를 확정시키도록 구성된다.
본 실시예에 있어서, MEC 노드는 수행 본체로서, 다수의 후보 이미지 및 후보 이미지를 촬영하는 장치의 포즈 정보를 MEC 노드에 사전에 배포하고, 지역화 및 근거리 배포를 형성하여, 네트워크 전송에서 데이터의 시간 소모를 효과적으로 감소시킬 뿐만 아니라, 네트워크 반환 대역폭에 대한 요구 및 네트워크 로드를 감소시켜, 실제 응용에서 실시간으로 신뢰성 있는 위치 확정 요구 사항을 만족시킬 수 있으며, 다수의 후보 이미지로부터 환경 이미지에 매칭되는 대상 이미지를 확정하고, 대상 이미지를 촬영한 장치의 포즈 정보에 따라, 위치 확정하고자는 장치의 포즈 정보를 컴퓨팅하고, 이로써 위치 확정 정보를 획득함으로써, 컴퓨터 시각 기반의 위치 확정 방식을 이용하여, MEC 노드에서 시각적 위치 확정의 알고리즘을 운행함으로써, 사용자가 GPS 위치 확정 시스템을 작동시키는 지와 관계없이, 모두 위치 확정 정보를 효과적으로 획득할 수 있으며, 위치 확정하고자는 장치가 육교 상/하 정경, 주요 도로 및 보조 도로 정경, 실내 및 고층 밀집 상업 지역 등의 GPS가 사용불가한 정경에 위치할 경우, 여전히 고정밀도 위치 확정을 진행할 수 있다.
나아가, 다수의 후보 이미지는 모바일 에지 컴퓨팅 노드의 커버리지 영역 내에서 촬영된 것이다.
나아가, 컴퓨팅 모듈(502)은, 확정 유닛, 특징점 쌍 세트 컴퓨팅 유닛 및 포즈 정보 컴퓨팅 유닛을 포함하되, 확정 유닛은, 다수의 후보 이미지로부터 환경 이미지에 매칭되는 대상 이미지를 확정하도록 구성되고, 특징점 쌍 세트 컴퓨팅 유닛은, 환경 이미지와 대상 이미지가 매칭되는 특징점 쌍 세트를 컴퓨팅하도록 구성되고, 포즈 정보 컴퓨팅 유닛은, 대상 이미지를 촬영한 장치의 포즈 정보 및 특징점 쌍 세트에 따라, 위치 확정하고자는 장치의 포즈 정보를 컴퓨팅하도록 구성된다.
나아가, 확정 유닛은 구체적으로, 대상 이미지에 대해 특징 추출을 진행하여, 대상 이미지의 이미지 특징을 획득하고, 근사 최근접 탐색 알고리즘을 이용하여, 다수의 후보 이미지로부터 환경 이미지의 이미지 특징과 매칭되는 대상 이미지를 탐색하도록 구성된다.
나아가, 컴퓨팅 모듈(502)은, 시각적 위치 확정 모델을 통해 환경 이미지에 매칭되는 대상 이미지를 확정하고, 대상 이미지를 촬영한 장치의 포즈 정보에 따라, 위치 확정하고자는 장치의 포즈 정보를 컴퓨팅하도록 구성된다.
나아가, 장치는, 모바일 에지 컴퓨팅 노드의 커버리지 영역 내의 위치 확정하고자는 장치에 의해 촬영된 환경 이미지를 수신하기 전에, 서버로부터 업데이트된 다수의 후보 이미지, 업데이트된 다수의 후보 이미지를 촬영한 장치의 포즈 정보 및 업데이트된 시각적 위치 확정 모델을 획득하도록 구성되는 업데이트 모듈을 더 포함한다.
나아가, 수신 모듈(501)은 구체적으로, 5세대 이동 통신 기술을 통해 모바일 에지 컴퓨팅 노드의 커버리지 영역 내의 위치 확정하고자는 장치에 의해 촬영된 환경 이미지를 수신하도록 구성된다.
상술한 모바일 에지 컴퓨팅 기반의 시각적 위치 확정 장치는 본 발명의 임의의 실시예에서 제공하는 모바일 에지 컴퓨팅 기반의 시각적 위치 확정 방법을 수행할 수 있으며, 모바일 에지 컴퓨팅 기반의 시각적 위치 확정 방법을 수행하는 상응한 기능 모듈 및 유익한 효과를 구비한다.
본 발명의 실시예에 의하면, 본 발명은 MEC 노드 및 판독 가능한 저장 매체를 더 제공한다.
도 6에 도시된 바와 같이, 이는 본 발명의 실시예의 모바일 에지 컴퓨팅 기반의 시각적 위치 확정 방법을 구현하는 MEC 노드의 블록도이다. MEC 노드는 각종 형식의 디지털 컴퓨터, 예컨대 랩톱 컴퓨터, 데스크톱 컴퓨터, 워크 스테이션, 개인용 디지털 어시스턴트, 서버, 블레이드 서버, 메인 프레임 컴퓨터 및 기타 적합한 컴퓨터를 가리키고자 한다. MEC 노드는 각종 형식의 이동 장치, 예컨대, 개인 디지털 처리 장치, 휴대폰, 스마트 폰, 웨어러블 MEC 노드 및 기타 유사한 컴퓨팅 장치를 가리킬 수도 있다. 본원에 도시된 부재, 이들의 연결 및 관계, 및 이들의 기능은 단지 예시적인 것이며, 본문에 설명된 및/또는 요구되는 본 발명의 구현을 한정하고자 하지 않는다.
도 6에 도시된 바와 같이, 해당 MEC 노드는, 하나 또는 다수의 프로세서(601), 메모리 장치(602), 및 고속 인터페이스와 저속 인터페이스를 포함하여 각 부재를 연결하기 위한 인터페이스를 포함한다. 각 부재는 상이한 버스를 이용하여 서로 연결되며, 공동 메인 보드에 장착되거나 수요에 따라 기타의 방식으로 장착될 수 있다. 프로세서는 MEC 노드 내에서 수행되는 명령어에 대해 처리를 진행할 수 있으며, 메모리 장치에 또는 메모리 장치 상에 저장되어 외부 입력/출력 장치(예컨대, 인터페이스에 연결된 표시 장치) 상에서 GUI를 나타내는 도형 정보의 명령어를 포함한다. 기타의 실시예에 있어서, 필요할 경우, 다수의 프로세서 및/또는 다수의 버스와 다수의 메모리 장치를 다수의 메모리 장치와 함께 사용할 수 있다. 마찬가지로, 다수의 MEC 노드를 연결할 수 있으며, 각 기기는 일부의 필요한 조작(예컨대, 서버 어레이, 일 그룹의 블레이드 서버, 또는 다중 프로세서 시스템)을 제공한다. 도 6에서는 하나의 프로세서(601)를 예로 든다.
메모리 장치(602)는 즉 본 발명에서 제공하는 비 일시적 컴퓨터 판독 가능한 저장 매체이다. 여기서, 메모리 장치에 적어도 하나의 프로세서에 의해 수행 가능한 명령어가 저장되어, 적어도 하나의 프로세서로 본 발명에서 제공하는 모바일 에지 컴퓨팅 기반의 시각적 위치 확정 방법을 수행한다. 본 발명의 비 일시적 컴퓨터 판독 가능한 저장 매체는 컴퓨터 명령어를 저장하고, 해당 컴퓨터 명령어는 컴퓨터로 본 발명에서 제공하는 모바일 에지 컴퓨팅 기반의 시각적 위치 확정 방법을 수행시키도록 구성된다.
메모리 장치(602)는 비 일시적 컴퓨터 판독 가능한 저장 매체로서, 본 발명의 실시예 중의 모바일 에지 컴퓨팅 기반의 시각적 위치 확정 방법에 대응되는 프로그램 명령어/모듈(예컨대, 도 5에 도시된 수신 모듈(501), 컴퓨팅 모듈(502) 및 송신 모듈(503))과 같은 비 일시적 소프트웨어 프로그램, 비 일시적 컴퓨터로 수행 가능한 프로그램 및 모듈을 저장하도록 구성될 수 있다. 프로세서(601)는 메모리 장치(602)에 저장된 비 일시적 소프트웨어 프로그램, 명령어 및 모듈을 운행시킴으로써, 서버의 각종의 기능 응용 및 데이터 처리를 수행하며, 즉, 상술한 방법 실시예 중의 모바일 에지 컴퓨팅 기반의 시각적 위치 확정 방법을 구현한다.
메모리 장치(602)는 프로그램 저장 구간 및 데이터 저장 구간을 포함할 수 있으며, 여기서, 프로그램 저장 구간은 운영 체제, 적어도 하나의 기능에 필요한 응용 프로그램을 저장할 수 있으며, 데이터 저장 구간은 모바일 에지 컴퓨팅 기반의 시각적 위치 확정 방법을 구현하는 MEC 노드의 사용에 따라 구축되는 데이터 등을 저장할 수 있다. 또한, 메모리 장치(602)는 고속 랜덤 액세스 메모리 장치를 포함할 수 있으며, 비 일시적 메모리 장치, 예컨대, 적어도 하나의 자기 디스크 메모리 소자, 플래시 소자 또는 기타 비 일시적 솔리드스테이트 메모리 소자를 더 포함할 수 있다. 일부의 실시예에 있어서, 메모리 장치(602)는 선택적으로 프로세서(601)에 대해 원격으로 설치된 메모리 장치를 포함하며, 이러한 원격 메모리 장치는 네트워크를 통해 모바일 에지 컴퓨팅 기반의 시각적 위치 확정 방법을 수행하는 MEC 노드에 연결될 수 있다. 상술한 네트워크의 예시는 인터넷, 기업 인트라넷, 블록 체인 네트워크, 근거리 통신망, 이동 통신망 및 이들의 조합을 포함하나, 이에 한정되지 않는다.
모바일 에지 컴퓨팅 기반의 시각적 위치 확정 방법을 수행하는 MEC 노드는 입력 장치(603) 및 출력 장치(604)를 더 포함할 수 있다. 프로세서(601), 메모리 장치(602), 입력 장치(603) 및 출력 장치(604)는 버스 또는 기타의 방식으로 연결될 수 있으며, 도 6에서는 버스를 통해 연결되는 것을 예로 든다.
입력 장치(603)는 입력되는 디지털 또는 문자 정보를 수신하고, 모바일 에지 컴퓨팅 기반의 시각적 위치 확정 방법을 수행하는 MEC 노드의 사용자 설정 및 기능 제어에 관련된 키 신호 입력을 발생할 수 있으며, 예컨대, 터치 스크린, 키패드, 마우스, 트랙 패드, 터치 패드, 지시 레버, 하나 또는 다수의 마우스 버튼, 트랙 볼, 조작 레버 등의 입력 장치이다. 출력 장치(604)는 표시 장치, 보조 조명 장치(예컨대, LED) 및 터치 피드백 장치(예컨대, 진동 모터) 등을 포함할 수 있다. 해당 표시 장치는 액정 표시 장치(LCD), 발광 다이오드(LED) 표시 장치 및 플라즈마 표시 장치를 포함할 수 있으나, 이에 한정되지 않는다. 일부의 실시예에 있어서, 표시 장치는 터치 스크린일 수 있다.
본문에 설명된 시스템 및 기술의 각종의 실시예는 디지털 전자 회로 시스템, 집적 회로 시스템, 특정 ASIC(특정 집적 회로), 컴퓨터 하드웨어, 펌웨어, 소프트웨어, 및/또는 이들의 조합에서 구현될 수 있다. 이러한 각종의 실시예는, 하나 또는 다수의 컴퓨터 프로그램에서 실시되는 것을 포함할 수 있고, 해당 하나 또는 다수의 컴퓨터 프로그램은 적어도 하나의 프로그래밍 가능한 프로세서를 포함하는 프로그래밍 가능한 시스템 상에서 실행 및/또는 해석될 수 있으며, 해당 프로그래밍 가능한 프로세서는 특정 또는 범용 프로그래밍 가능한 프로세서일 수 있으며, 저장 시스템, 적어도 하나의 입력 장치 및 적어도 하나의 출력 장치로부터 데이터 및 명령어를 수신할 수 있으며, 데이터 및 명령어는 해당 저장 시스템, 해당 적어도 하나의 입력 장치 및 해당 적어도 하나의 출력 장치에 전송된다.
이러한 컴퓨팅 프로그램(프로그램, 소프트웨어, 소프트웨어 애플리케이션, 또는 코드로도 지칭됨)은 프로그래밍 가능한 프로세서의 기계 명령어를 포함하고, 고급 공정 및/또는 객체 지향의 프로그래밍 언어 및/또는 편집/기계 언어를 이용하여 컴퓨팅 프로그램을 실시할 수 있다. 본문에 사용되는 바와 같이, 용어 "기계 판독 가능한 매체" 및 "컴퓨터 판독 가능한 매체"는 기계 명령어 및/또는 데이터를 프로그래밍 가능한 프로세서에 제공하기 위한 임의의 컴퓨터 프로그램 제품, 기기 및/또는 장치(예컨대, 자기 디스크, 광학 디스크, 메모리 장치, 프로그래밍 가능한 논리 장치(PLD))를 가리키며, 기계 판독 가능한 신호인 기계 명령어를 수신하는 기계 판독 가능한 매체를 포함한다. 용어 "기계 판독 가능한 신호"는 기계 명령어 및/또는 데이터를 프로그래밍 가능한 프로세서에 제공하기 위한 임의의 신호를 가리킨다.
사용자와의 상호 작용을 제공하기 위하여, 컴퓨터 상에서 본문에 설명된 시스템 및 기술을 실시할 수 있으며, 해당 컴퓨터는 사용자에게 정보를 나타내기 위한 표시 장치(예컨대, CRT(음극관) 또는 LCD(액정 표시 장치) 모니터), 및 키보드 및 지향 장치(예컨대, 마우스 또는 트랙볼)를 구비하며, 사용자는 해당 키보드 및 해당 지향 장치를 통해 입력을 컴퓨터에 제공할 수 있다. 기타 유형의 장치는 사용자와의 상호 작용을 제공하도록 더 구성될 수 있으며, 예를 들어, 사용자에게 제공하는 피드백은 임의의 형식의 감지 피드백(예컨대, 시각 피드백, 청각 피드백 또는 촉각 피드백)일 수 있으며, 임의의 형식(음향 입력, 음성 입력 또는 터치 입력)으로 사용자의 입력을 수신할 수 있다.
본문에 설명된 시스템 및 기술은 백 엔드 부재를 포함하는 컴퓨팅 시스템(예컨대, 데이터 서버로서) 또는 중간 부재를 포함하는 컴퓨팅 시스템(예컨대, 응용 서버) 또는 프런트 엔드 부재를 포함하는 컴퓨팅 시스템(예컨대, 그래픽 사용자 인터페이스 또는 웹 브라우저를 구비하는 사용자 컴퓨터, 사용자는 해당 그래픽 사용자 인터페이스 또는 해당 웹 브라우저를 통해 본문에 설명된 시스템 및 기술의 실시예를 통해 상호 작용을 진행할 수 있음) 또는 이러한 백 엔드 부재, 중간 부재 또는 프런트 엔드 부재를 포함하는 임의의 조합의 컴퓨팅 시스템에서 실시될 수 있다. 시스템의 부재는 임의의 형식 또는 매체의 디지털 데이터 통신(통신망)을 통해 서로 연결될 수 있다. 통신망의 예시는 근거리 통신망(LAN), 광역 통신망(WAN), 인터넷, 및 블록 체인 네트워크를 포함한다.
컴퓨터 시스템은 클라이언트 측 및 서버를 포함할 수 있다. 클라이언트 측과 서버는 일반적으로 서로 멀리 떨어져 있으며, 통상적으로 통신망을 통해 상호 작용을 진행한다. 클라이언트 측과 서버의 관계는 상응한 컴퓨터 상에서 운행되고 서로 클라이언트 측-서버 관계를 구비하는 컴퓨터 프로그램을 통해 발생한다.
앞서 도시된 각종 형식의 흐름을 사용하거나, 단계에 대한 재배열, 추가 또는 삭제를 진행할 수 있음을 이해하여야 한다. 예를 들어, 본 발명에 개시된 기술적 방안의 원하는 결과를 실현할 수만 있다면, 본 발명에 기재된 각 단계는 병렬로 실행될 수 있으며, 순차적으로 실행될 수도 있으며, 상이한 순서로 실행될 수도 있으며, 본문에서 이에 대한 한정을 진행하지 않는다.
상술한 구체적인 실시예는 본 발명의 보호 범위에 대한 한정을 구성하지 않는다. 설계 요구 및 기타의 요소에 따라 각종의 수정, 조합, 서브 조합 및 대체를 진행할 수 있음을 당해 기술 분야의 당업자는 자명할 것이다. 본 발명의 사상 및 원칙 내에서 진행하는 임의의 수정, 균등한 대체 및 개선 등은 모두 본 발명의 보호 범위 내에 포함되어야 한다.
500：모바일 에지 컴퓨팅 기반의 시각적 위치 확정 장치
501：수신 모듈
502：컴퓨팅 모듈
503：송신 모듈
601：프로세서
602：메모리 장치
603：입력 장치
604：출력 장치

Claims (17)

  1. 모바일 에지 컴퓨팅 기반의 시각적 위치 확정 방법에 있어서,
    모바일 에지 컴퓨팅 노드가 상기 모바일 에지 컴퓨팅 노드의 커버리지 영역 내의 위치 확정하고자는 장치에 의해 촬영된 환경 이미지를 수신하는 단계와,
    상기 모바일 에지 컴퓨팅 노드가 다수의 후보 이미지로부터 상기 환경 이미지에 매칭되는 대상 이미지를 확정하고, 상기 대상 이미지를 촬영한 장치의 포즈 정보에 따라, 상기 위치 확정하고자는 장치의 포즈 정보를 컴퓨팅하는 단계와,
    상기 모바일 에지 컴퓨팅 노드가 상기 위치 확정하고자는 장치에 상기 위치 확정하고자는 장치의 포즈 정보를 송신하여, 상기 위치 확정하고자는 장치가 상기 포즈 정보에 따라 전자 지도 중의 위치 확정 정보를 확정하도록 하는 단계를 포함하는 모바일 에지 컴퓨팅 기반의 시각적 위치 확정 방법.
  2. 제1항에 있어서, 상기 다수의 후보 이미지는 상기 모바일 에지 컴퓨팅 노드의 커버리지 영역 내에서 촬영된 것인 모바일 에지 컴퓨팅 기반의 시각적 위치 확정 방법.
  3. 제1항에 있어서, 상기 모바일 에지 컴퓨팅 노드가 다수의 후보 이미지로부터 상기 환경 이미지에 매칭되는 대상 이미지를 확정하고, 상기 대상 이미지를 촬영한 장치의 포즈 정보에 따라, 상기 위치 확정하고자는 장치의 포즈 정보를 컴퓨팅하는 방법은,
    상기 모바일 에지 컴퓨팅 노드가 다수의 후보 이미지로부터 상기 환경 이미지에 매칭되는 대상 이미지를 확정하는 단계와,
    상기 모바일 에지 컴퓨팅 노드가 상기 환경 이미지와 상기 대상 이미지가 매칭되는 특징점 쌍 세트를 컴퓨팅하는 단계와,
    상기 모바일 에지 컴퓨팅 노드가 상기 대상 이미지를 촬영한 장치의 포즈 정보 및 상기 특징점 쌍 세트에 따라, 상기 위치 확정하고자는 장치의 포즈 정보를 컴퓨팅하는 단계를 포함하는 모바일 에지 컴퓨팅 기반의 시각적 위치 확정 방법.
  4. 제3항에 있어서, 상기 모바일 에지 컴퓨팅 노드가 다수의 후보 이미지로부터 상기 환경 이미지에 매칭되는 대상 이미지를 확정하는 단계는,
    상기 모바일 에지 컴퓨팅 노드가 상기 대상 이미지에 대해 특징 추출을 진행하여, 상기 대상 이미지의 이미지 특징을 획득하는 단계와,
    상기 모바일 에지 컴퓨팅 노드가 근사 최근접 탐색 알고리즘을 이용하여, 다수의 후보 이미지로부터 상기 환경 이미지의 이미지 특징과 매칭되는 대상 이미지를 탐색하는 단계를 포함하는 모바일 에지 컴퓨팅 기반의 시각적 위치 확정 방법.
  5. 제1항에 있어서, 상기 모바일 에지 컴퓨팅 노드가 다수의 후보 이미지로부터 상기 환경 이미지에 매칭되는 대상 이미지를 확정하고, 상기 대상 이미지를 촬영한 장치의 포즈 정보에 따라, 상기 위치 확정하고자는 장치의 포즈 정보를 컴퓨팅하는 단계는,
    상기 모바일 에지 컴퓨팅 노드가 시각적 위치 확정 모델을 통해 상기 환경 이미지에 매칭되는 대상 이미지를 확정하고, 상기 대상 이미지를 촬영한 장치의 포즈 정보에 따라, 상기 위치 확정하고자는 장치의 포즈 정보를 컴퓨팅하는 단계를 포함하는 모바일 에지 컴퓨팅 기반의 시각적 위치 확정 방법.
  6. 제5항에 있어서, 상기 모바일 에지 컴퓨팅 노드가 상기 모바일 에지 컴퓨팅 노드의 커버리지 영역 내의 위치 확정하고자는 장치에 의해 촬영된 환경 이미지를 수신하는 단계 이전에,
    상기 모바일 에지 컴퓨팅 노드가 서버로부터 업데이트된 다수의 후보 이미지, 업데이트된 다수의 후보 이미지를 촬영한 장치의 포즈 정보 및 업데이트된 상기 시각적 위치 확정 모델을 획득하는 단계를 더 포함하는 모바일 에지 컴퓨팅 기반의 시각적 위치 확정 방법.
  7. 제1항 내지 제6항 중의 어느 한 항에 있어서, 상기 모바일 에지 컴퓨팅 노드가 상기 모바일 에지 컴퓨팅 노드의 커버리지 영역 내의 위치 확정하고자는 장치에 의해 촬영된 환경 이미지를 수신하는 단계는,
    상기 모바일 에지 컴퓨팅 노드가 5세대 이동 통신 기술을 통해 상기 모바일 에지 컴퓨팅 노드의 커버리지 영역 내의 위치 확정하고자는 장치에 의해 촬영된 환경 이미지를 수신하는 단계를 포함하는 모바일 에지 컴퓨팅 기반의 시각적 위치 확정 방법.
  8. 모바일 에지 컴퓨팅 기반의 시각적 위치 확정 장치에 있어서,
    상기 장치는 모바일 에지 노드에 배치되되,
    모바일 에지 컴퓨팅 노드의 커버리지 영역 내의 위치 확정하고자는 장치에 의해 촬영된 환경 이미지를 수신하도록 구성되는 수신 모듈과,
    다수의 후보 이미지로부터 상기 환경 이미지에 매칭되는 대상 이미지를 확정하고, 상기 대상 이미지를 촬영한 장치의 포즈 정보에 따라, 상기 위치 확정하고자는 장치의 포즈 정보를 컴퓨팅하도록 구성되는 컴퓨팅 모듈과,
    상기 위치 확정하고자는 장치에 상기 위치 확정하고자는 장치의 포즈 정보를 송신하여, 상기 위치 확정하고자는 장치가 상기 포즈 정보에 따라 전자 지도 중의 위치 확정 정보를 확정하도록 구성되는 송신 모듈을 포함하는 모바일 에지 컴퓨팅 기반의 시각적 위치 확정 장치.
  9. 제8항에 있어서, 상기 다수의 후보 이미지는 상기 모바일 에지 컴퓨팅 노드의 커버리지 영역 내에서 촬영된 것인 모바일 에지 컴퓨팅 기반의 시각적 위치 확정 장치.
  10. 제8항에 있어서, 상기 컴퓨팅 모듈은,
    다수의 후보 이미지로부터 상기 환경 이미지에 매칭되는 대상 이미지를 확정하도록 구성되는 확정 유닛과,
    상기 환경 이미지와 상기 대상 이미지가 매칭되는 특징점 쌍 세트를 컴퓨팅하도록 구성되는 특징점 쌍 세트 컴퓨팅 유닛과,
    상기 대상 이미지를 촬영한 장치의 포즈 정보 및 상기 특징점 쌍 세트에 따라, 상기 위치 확정하고자는 장치의 포즈 정보를 컴퓨팅하도록 구성되는 포즈 정보 컴퓨팅 유닛을 포함하는 모바일 에지 컴퓨팅 기반의 시각적 위치 확정 장치.
  11. 제10항에 있어서, 상기 확정 유닛은 구체적으로, 상기 대상 이미지에 대해 특징 추출을 진행하고, 상기 대상 이미지의 이미지 특징을 획득하고, 근사 최근접 탐색 알고리즘을 이용하여, 다수의 후보 이미지로부터 상기 환경 이미지의 이미지 특징과 매칭되는 대상 이미지를 탐색하도록 구성되는 모바일 에지 컴퓨팅 기반의 시각적 위치 확정 장치.
  12. 제8항에 있어서, 상기 컴퓨팅 모듈은, 시각적 위치 확정 모델을 통해 상기 환경 이미지에 매칭되는 대상 이미지를 확정하고, 상기 대상 이미지를 촬영한 장치의 포즈 정보에 따라, 상기 위치 확정하고자는 장치의 포즈 정보를 컴퓨팅하도록 구성되는 모바일 에지 컴퓨팅 기반의 시각적 위치 확정 장치.
  13. 제12항에 있어서, 상기 모바일 에지 컴퓨팅 노드의 커버리지 영역 내의 위치 확정하고자는 장치에 의해 촬영된 환경 이미지를 수신하기 전에, 서버로부터 업데이트된 다수의 후보 이미지, 업데이트된 다수의 후보 이미지를 촬영한 장치의 포즈 정보 및 업데이트된 상기 시각적 위치 확정 모델을 획득하도록 구성되는 업데이트 모듈을 더 포함하는 모바일 에지 컴퓨팅 기반의 시각적 위치 확정 장치.
  14. 제8항 내지 제13항 중의 어느 한 항에 있어서, 상기 수신 모듈은 구체적으로, 5세대 이동 통신 기술을 통해 상기 모바일 에지 컴퓨팅 노드의 커버리지 영역 내의 위치 확정하고자는 장치에 의해 촬영된 환경 이미지를 수신하도록 구성되는 모바일 에지 컴퓨팅 기반의 시각적 위치 확정 장치.
  15. 모바일 에지 컴퓨팅 노드에 있어서,
    적어도 하나의 프로세서와,
    상기 적어도 하나의 프로세서와 통신 연결되는 메모리 장치를 포함하되,
    상기 메모리 장치에 상기 적어도 하나의 프로세서에 의해 수행 가능한 명령어가 저장되고, 상기 명령어는 상기 적어도 하나의 프로세서에 의해 수행되어, 상기 적어도 하나의 프로세서로 제1항 내지 제7항 중의 임의의 한 항의 모바일 에지 컴퓨팅 기반의 시각적 위치 확정 방법을 수행시킬 수 있는 모바일 에지 컴퓨팅 노드.
  16. 컴퓨터 명령어가 저장되는 비 일시적 컴퓨터 판독 가능한 저장 매체에 있어서,
    상기 컴퓨터 명령어는, 상기 컴퓨터로 제1항 내지 제7항 중의 임의의 한 항의 모바일 에지 컴퓨팅 기반의 시각적 위치 확정 방법을 수행시키도록 구성되는 비 일시적 컴퓨터 판독 가능한 저장 매체.
  17. 컴퓨터 판독 가능한 저장 매체에 저장된 컴퓨터 프로그램으로서,
    상기 컴퓨터 프로그램이 프로세서에 의해 실행될 경우 제1항 내지 제7항 중의 임의의 한 항의 모바일 에지 컴퓨팅 기반의 시각적 위치 확정 방법을 구현하도록 하는 컴퓨터 프로그램.
KR1020210033438A 2020-06-04 2021-03-15 모바일 에지 컴퓨팅 기반의 시각적 위치 확정 방법 및 장치 KR20210036317A (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202010501319.8A CN111649724B (zh) 2020-06-04 2020-06-04 基于移动边缘计算的视觉定位方法和装置
CN202010501319.8 2020-06-04

Publications (1)

Publication Number Publication Date
KR20210036317A true KR20210036317A (ko) 2021-04-02

Family

ID=72344781

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210033438A KR20210036317A (ko) 2020-06-04 2021-03-15 모바일 에지 컴퓨팅 기반의 시각적 위치 확정 방법 및 장치

Country Status (5)

Country Link
US (1) US11380012B2 (ko)
EP (1) EP3842748A3 (ko)
JP (1) JP2021181977A (ko)
KR (1) KR20210036317A (ko)
CN (1) CN111649724B (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114526739A (zh) * 2022-01-25 2022-05-24 中南大学 移动机器人室内重定位方法、计算机装置及产品

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112150507B (zh) * 2020-09-29 2024-02-02 厦门汇利伟业科技有限公司 一种物体姿态和位移的3d模型同步重现方法及系统
US20220201256A1 (en) * 2020-12-22 2022-06-23 Here Global B.V. Method, apparatus, and system for capturing an image sequence for a visual positioning service request
CN112954269B (zh) * 2021-01-08 2023-06-06 鹏城实验室 一种用于大规模视觉计算系统的节点协同选择方法
JP7528009B2 (ja) * 2021-03-17 2024-08-05 株式会社東芝 画像処理装置および画像処理方法
CN113379803B (zh) * 2021-07-07 2024-02-02 上海谦尊升网络科技有限公司 一种基于视觉图像的定位方法
CN113938816B (zh) * 2021-09-10 2023-04-28 中国联合网络通信集团有限公司 算力资源调度方法及其装置
CN113888635B (zh) * 2021-09-29 2023-04-18 北京百度网讯科技有限公司 视觉定位方法、相关装置
CN114051264B (zh) * 2021-10-15 2023-12-01 鹏城实验室 一种基于用户体验的边缘自适应视频加速方法及相关装置
CN114821273B (zh) * 2022-03-10 2023-06-30 慧之安信息技术股份有限公司 基于边缘计算的天文望远镜设备智能化方法和装置
CN115019167B (zh) * 2022-05-26 2023-11-07 中国电信股份有限公司 基于移动终端的融合定位方法、系统、设备及存储介质
WO2024137046A1 (en) * 2022-12-22 2024-06-27 Qualcomm Incorporated Visual-based channel state information (vcsi ) for enhancing resource allocation

Family Cites Families (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104541300B (zh) * 2012-09-28 2019-01-22 英特尔公司 增强现实信息的确定
JP6290760B2 (ja) * 2014-09-25 2018-03-07 Kddi株式会社 作業類似度算出方法、装置およびプログラム
CN105844696B (zh) * 2015-12-31 2019-02-05 清华大学 基于射线模型三维重构的图像定位方法以及装置
US9964955B2 (en) * 2016-08-04 2018-05-08 Canvas Technology, Inc. System and methods of determining a geometric pose of a camera based on spatial and visual mapping
CN107063189A (zh) * 2017-01-19 2017-08-18 上海勤融信息科技有限公司 基于视觉的定位系统及方法
CN106813672B (zh) * 2017-01-22 2020-02-14 深圳悉罗机器人有限公司 移动机器人的导航方法及移动机器人
US10282860B2 (en) * 2017-05-22 2019-05-07 Honda Motor Co., Ltd. Monocular localization in urban environments using road markings
CN108225348B (zh) * 2017-12-29 2021-08-24 百度在线网络技术（北京）有限公司 地图创建以及运动实体定位的方法和装置
JPWO2019187816A1 (ja) * 2018-03-30 2021-04-01 日本電産シンポ株式会社 移動体および移動体システム
CN110631554B (zh) * 2018-06-22 2021-11-30 北京京东乾石科技有限公司 机器人位姿的确定方法、装置、机器人和可读存储介质
CN109141396B (zh) * 2018-07-16 2022-04-26 南京航空航天大学 辅助信息与随机抽样一致算法融合的无人机位姿估计方法
JP2019068429A (ja) * 2018-11-08 2019-04-25 パイオニア株式会社 撮影条件推定装置及び方法、端末装置、コンピュータプログラム並びに記録媒体
JP7337654B2 (ja) * 2018-11-13 2023-09-04 株式会社東芝 保全活動サポートシステムおよび保全活動サポート方法
CN110164135B (zh) * 2019-01-14 2022-08-02 腾讯科技（深圳）有限公司 一种定位方法、定位装置及定位系统
CN109978755B (zh) * 2019-03-11 2023-03-17 广州杰赛科技股份有限公司 全景图像合成方法、装置、设备与存储介质
CN110322500B (zh) * 2019-06-28 2023-08-15 Oppo广东移动通信有限公司 即时定位与地图构建的优化方法及装置、介质和电子设备
CN110415297B (zh) * 2019-07-12 2021-11-05 北京三快在线科技有限公司 定位方法、装置及无人驾驶设备
CN110609311B (zh) * 2019-10-10 2022-12-23 武汉理工大学 基于车载环视图像与毫米波雷达融合的智能车定位方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114526739A (zh) * 2022-01-25 2022-05-24 中南大学 移动机器人室内重定位方法、计算机装置及产品
CN114526739B (zh) * 2022-01-25 2024-05-07 中南大学 移动机器人室内重定位方法、计算机装置及产品

Also Published As

Publication number Publication date
EP3842748A3 (en) 2021-10-06
CN111649724B (zh) 2022-09-06
CN111649724A (zh) 2020-09-11
US11380012B2 (en) 2022-07-05
EP3842748A2 (en) 2021-06-30
US20210383568A1 (en) 2021-12-09
JP2021181977A (ja) 2021-11-25

Similar Documents

Publication Publication Date Title
KR20210036317A (ko) 모바일 에지 컴퓨팅 기반의 시각적 위치 확정 방법 및 장치
US11961297B2 (en) Terminal device, information processing device, object identifying method, program, and object identifying system
US20240118083A1 (en) Localisation of mobile device using image and non-image sensor data in server processing
CN111612852B (zh) 用于验证相机参数的方法和装置
WO2021088498A1 (zh) 虚拟物体显示方法以及电子设备
CN112101209B (zh) 用于路侧计算设备的确定世界坐标点云的方法和装置
US11828606B2 (en) Method and apparatus for updating point cloud
JP2021101365A (ja) 測位方法、測位装置及び電子機器
WO2021088497A1 (zh) 虚拟物体显示方法、全局地图更新方法以及设备
JP7164589B2 (ja) 室内測位方法、装置、機器および記憶媒体
CN111949816B (zh) 定位处理方法、装置、电子设备和存储介质
CN113483771A (zh) 实景地图的生成方法、装置及系统
US11714534B2 (en) Map displaying method, electronic device, storage medium and terminal device
WO2023103915A1 (zh) 目标识别方法、电子设备及存储介质
WO2024057779A1 (ja) 情報処理装置、プログラムおよび情報処理システム
CN117635697A (zh) 位姿确定方法、装置、设备、存储介质和程序产品

Legal Events

Date Code Title Description
E601 Decision to refuse application