KR20210057402A

KR20210057402A - 비주얼 로컬리제이션과 오도메트리를 기반으로 한 경로 추적 방법 및 시스템

Info

Publication number: KR20210057402A
Application number: KR1020190144126A
Authority: KR
Inventors: 이동환; 김덕화
Original assignee: 네이버랩스 주식회사
Priority date: 2019-11-12
Filing date: 2019-11-12
Publication date: 2021-05-21
Also published as: US11620755B2; US20210142488A1; JP2021076605A; KR102322000B1; JP7197550B2

Abstract

비주얼 로컬리제이션과 오도메트리를 기반으로 한 경로 추적 방법 및 시스템이 개시된다. 경로 추적 방법은, 카메라 포즈 정보로서 오도메트리(odometry)에 의한 포즈 추정 결과와 VL(visual localization)에 의한 포즈 추정 결과를 이용하여 경로(trajectory)를 추적하는 단계를 포함할 수 있다.

Description

비주얼 로컬리제이션과 오도메트리를 기반으로 한 경로 추적 방법 및 시스템{METHOD AND SYSTEM FOR TRACKING TRAJECTORY BASED ON VISUAL LOCALIZAION AND ODOMETRY}

아래의 설명은 실내 내비게이션을 위한 경로 추적 기술에 관한 것이다.

이동로봇은 주어진 환경 내에서 자신의 위치를 파악할 수 있어야 할 뿐만 아니라, 이전에 경험하지 못한 새로운 환경에 놓이는 경우 스스로 그 주변 화면에 대한 지도를 작성할 수 있어야 한다.

이동로봇의 지도 작성이란, 주변의 장애물이나 물체가 놓인 위치, 그리고 자유롭게 이동 가능한 열린 공간 등을 알아내어 적절한 방법으로 기억하는 작업을 의미한다.

이동로봇의 지도 작성 기술의 일례로, 한국 공개특허공보 제10-2010-0070922호(공개일 2010년 06월 28일)에는 주변 물체까지의 거리 정보를 이용하여 격자 지도를 작성한 후 랜드마크의 위치 정보와 연동 시킴으로써 이동로봇의 위치 인식을 위한 최종 격자 지도를 작성할 수 있는 기술이 개시되어 있다.

VL(visual localization) 기술과 오도메트리(odometry) 기술이 결합된 측위 기술을 제공한다.

VL의 포즈와 오도메트리의 포즈를 이용하여 최적화된 경로를 생성할 수 있는 방법과 시스템을 제공한다.

컴퓨터 시스템에서 실행되는 경로 추적 방법에 있어서, 상기 컴퓨터 시스템은 메모리에 포함된 컴퓨터 판독가능한 명령들을 실행하도록 구성된 적어도 하나의 프로세서를 포함하고, 상기 경로 추적 방법은, 상기 적어도 하나의 프로세서에 의해, 카메라 포즈 정보로서 오도메트리(odometry)에 의한 포즈 추정 결과와 VL(visual localization)에 의한 포즈 추정 결과를 이용하여 경로(trajectory)를 추적하는 단계를 포함하는 경로 추적 방법을 제공한다.

일 측면에 따르면, 상기 추적하는 단계는, 상기 오도메트리를 통해 추정된 상대 포즈를 상기 VL를 통해 추정된 절대 포즈를 이용하여 보정하는 단계를 포함할 수 있다.

다른 측면에 따르면, 상기 추적하는 단계는, 상기 오도메트리에 의한 포즈 추정 시에 발생되는 누적 오차를 상기 VL을 통해 추정된 포즈 값을 이용하여 보정하는 단계를 포함할 수 있다.

또 다른 측면에 따르면, 상기 추적하는 단계는, 상기 오도메트리를 통해 추정된 상대 포즈와 상기 VL를 통해 추정된 절대 포즈를 노드(node)로 정의하고 노드 간의 포즈 차이를 엣지(edge)로 정의한 포즈 그래프를 최적화하는 단계를 포함할 수 있다.

또 다른 측면에 따르면, 상기 최적화하는 단계는, 상기 포즈 그래프에서 임의 시점 혹은 사전에 정해진 일정 주기로 일 시점에 추정된 상대 포즈 값을 해당 시점에 추정된 절대 포즈 값을 이용하여 보정하는 단계를 포함할 수 있다.

또 다른 측면에 따르면, 상기 최적화하는 단계는, 상기 포즈 그래프에서 임의 시점 혹은 사전에 정해진 일정 주기로 일 시점에 추정된 상대 포즈 값을 해당 시점에 추정된 절대 포즈 값과의 오차를 최소화하는 방향으로 최적화하는 단계를 포함할 수 있다.

또 다른 측면에 따르면, 상기 최적화하는 단계는, 상기 포즈 그래프에 포함된 모든 엣지에 대해 오차를 합산하여 포즈 그래프 오차 함수(pose-graph error function)를 정의하는 단계; 및 상기 포즈 그래프 오차 함수를 기초로 각 노드의 포즈 값을 가우스-뉴턴(Gauss-Newton) 방식을 통해 추정하는 단계를 포함할 수 있다.

또 다른 측면에 따르면, 상기 경로 추적 방법은, 상기 적어도 하나의 프로세서에 의해, 상기 VL의 동작 여부 또는 상기 VL의 포즈 추정 결과에 따라 VOT(visual object tracking) 기술을 추가로 이용하여 포즈를 추정하는 단계를 포함할 수 있다.

상기 경로 추적 방법을 상기 컴퓨터 시스템에 실행시키기 위해 비-일시적인 컴퓨터 판독가능한 기록 매체에 저장되는 컴퓨터 프로그램을 제공한다.

상기 경로 추적 방법을 컴퓨터에 실행시키기 위한 프로그램이 기록되어 있는 비-일시적인 컴퓨터 판독 가능한 기록 매체를 제공한다.

컴퓨터 시스템에 있어서, 메모리에 포함된 컴퓨터 판독가능한 명령들을 실행하도록 구성된 적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로세서는, 카메라 포즈 정보로서 오도메트리에 의한 포즈 추정 결과와 VL에 의한 포즈 추정 결과를 이용하여 경로를 추적하는 것을 특징으로 하는 컴퓨터 시스템을 제공한다.

본 발명의 실시예들에 따르면, VL의 포즈와 오도메트리의 포즈를 이용하여 경로 최적화를 수행함으로써 적정한 연산량으로 높은 정확도의 측위 결과를 제공할 수 있다.

본 발명의 실시예들에 따르면, VL 기술과 오도메트리 기술이 융합된 측위를 통해 최소한의 네트워크와 저사양 카메라로 이동 상황에서 끊김 없는 실시간 측위가 가능하다.

도 1은 본 발명의 일실시예에 따른 네트워크 환경의 예를 도시한 도면이다.
도 2는 본 발명의 일실시예에 있어서 전자 기기 및 서버의 내부 구성을 설명하기 위한 블록도이다.
도 3 내지 도 4는 본 발명의 일실시예에 있어서 VL(visual localization)을 수행하는 과정을 설명하기 위한 예시 도면이다.
도 5는 본 발명의 일실시예에 따른 서버의 프로세서가 포함할 수 있는 구성요소의 예를 도시한 블록도이다.
도 6은 본 발명의 일실시예에 따른 서버가 수행할 수 있는 방법의 예를 도시한 흐름도이다.
도 7은 본 발명의 일실시예에 있어서 VL의 포즈와 오도메트리의 포즈를 표현한 포즈 그래프 예시를 도시한 것이다.
도 8 내지 도 10은 본 발명의 일실시예에 있어서 그래프 기반의 포즈 최적화 과정을 설명하기 위한 예시 도면이다.
도 11은 본 발명의 일실시예에 있어서 최적화 포즈(optimized pose)에 대한 실험 결과를 도시한 것이다.

이하, 본 발명의 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.

본 발명의 실시예들은 카메라 기반 측위 기술에 관한 것이다.

본 명세서에서 구체적으로 개시되는 것들을 포함하는 실시예들은 VL 기술과 오도메트리 기술이 결합된 측위 기술을 제공할 수 있고, 이를 통해 기존 측위 기술의 한계를 극복하여 측위 연산량과 측위 정확도를 향상시킬 수 있고 보다 다양한 디바이스에서 활용 가능하다.

도 1은 본 발명의 일실시예에 따른 네트워크 환경의 예를 도시한 도면이다. 도 1의 네트워크 환경은 복수의 전자 기기들(110, 120, 130, 140), 복수의 서버들(150, 160) 및 네트워크(170)를 포함하는 예를 나타내고 있다. 이러한 도 1은 발명의 설명을 위한 일례로 전자 기기의 수나 서버의 수가 도 1과 같이 한정되는 것은 아니다.

복수의 전자 기기들(110, 120, 130, 140)은 컴퓨터 시스템으로 구현되는 고정형 단말이거나 이동형 단말일 수 있다. 복수의 전자 기기들(110, 120, 130, 140)의 예를 들면, 스마트폰(smart phone), 휴대폰, 내비게이션, 컴퓨터, 노트북, 디지털방송용 단말, PDA(Personal Digital Assistants), PMP(Portable Multimedia Player), 태블릿 PC, 게임 콘솔(game console), 웨어러블 디바이스(wearable device), IoT(internet of things) 디바이스, VR(virtual reality) 디바이스, AR(augmented reality) 디바이스 등이 있다. 일례로 도 1에서는 전자 기기(110)의 예로 스마트폰의 형상을 나타내고 있으나, 본 발명의 실시예들에서 전자 기기(110)는 실질적으로 무선 또는 유선 통신 방식을 이용하여 네트워크(170)를 통해 다른 전자 기기들(120, 130, 140) 및/또는 서버(150, 160)와 통신할 수 있는 다양한 물리적인 컴퓨터 시스템들 중 하나를 의미할 수 있다.

통신 방식은 제한되지 않으며, 네트워크(170)가 포함할 수 있는 통신망(일례로, 이동통신망, 유선 인터넷, 무선 인터넷, 방송망, 위성망 등)을 활용하는 통신 방식뿐만 아니라 기기들간의 근거리 무선 통신 역시 포함될 수 있다. 예를 들어, 네트워크(170)는, PAN(personal area network), LAN(local area network), CAN(campus area network), MAN(metropolitan area network), WAN(wide area network), BBN(broadband network), 인터넷 등의 네트워크 중 하나 이상의 임의의 네트워크를 포함할 수 있다. 또한, 네트워크(170)는 버스 네트워크, 스타 네트워크, 링 네트워크, 메쉬 네트워크, 스타-버스 네트워크, 트리 또는 계층적(hierarchical) 네트워크 등을 포함하는 네트워크 토폴로지 중 임의의 하나 이상을 포함할 수 있으나, 이에 제한되지 않는다.

서버(150, 160) 각각은 복수의 전자 기기들(110, 120, 130, 140)과 네트워크(170)를 통해 통신하여 명령, 코드, 파일, 컨텐츠, 서비스 등을 제공하는 컴퓨터 장치 또는 복수의 컴퓨터 장치들로 구현될 수 있다. 예를 들어, 서버(150)는 네트워크(170)를 통해 접속한 복수의 전자 기기들(110, 120, 130, 140)로 제1 서비스를 제공하는 시스템일 수 있으며, 서버(160) 역시 네트워크(170)를 통해 접속한 복수의 전자 기기들(110, 120, 130, 140)로 제2 서비스를 제공하는 시스템일 수 있다. 보다 구체적인 예로, 서버(150)는 복수의 전자 기기들(110, 120, 130, 140)에 설치되어 구동되는 컴퓨터 프로그램으로서의 어플리케이션을 통해, 해당 어플리케이션이 목적하는 서비스(일례로, 위치 기반 서비스 등)를 제1 서비스로서 복수의 전자 기기들(110, 120, 130, 140)로 제공할 수 있다. 다른 예로, 서버(160)는 상술한 어플리케이션의 설치 및 구동을 위한 파일을 복수의 전자 기기들(110, 120, 130, 140)로 배포하는 서비스를 제2 서비스로서 제공할 수 있다.

도 2는 본 발명의 일실시예에 있어서 전자 기기 및 서버의 내부 구성을 설명하기 위한 블록도이다. 도 2에서는 전자 기기에 대한 예로서 전자 기기(110), 그리고 서버(150)의 내부 구성을 설명한다. 또한, 다른 전자 기기들(120, 130, 140)이나 서버(160) 역시 상술한 전자 기기(110) 또는 서버(150)와 동일한 또는 유사한 내부 구성을 가질 수 있다.

전자 기기(110)와 서버(150)는 메모리(211, 221), 프로세서(212, 222), 통신 모듈(213, 223) 그리고 입출력 인터페이스(214, 224)를 포함할 수 있다. 메모리(211, 221)는 비-일시적인 컴퓨터 판독 가능한 기록매체로서, RAM(random access memory), ROM(read only memory), 디스크 드라이브, SSD(solid state drive), 플래시 메모리(flash memory) 등과 같은 비소멸성 대용량 저장 장치(permanent mass storage device)를 포함할 수 있다. 여기서 ROM, SSD, 플래시 메모리, 디스크 드라이브 등과 같은 비소멸성 대용량 저장 장치는 메모리(211, 221)와는 구분되는 별도의 영구 저장 장치로서 전자 기기(110)나 서버(150)에 포함될 수도 있다. 또한, 메모리(211, 221)에는 운영체제와 적어도 하나의 프로그램 코드(일례로 전자 기기(110)에 설치되어 구동되는 브라우저나 특정 서비스의 제공을 위해 전자 기기(110)에 설치된 어플리케이션 등을 위한 코드)가 저장될 수 있다. 이러한 소프트웨어 구성요소들은 메모리(211, 221)와는 별도의 컴퓨터에서 판독 가능한 기록매체로부터 로딩될 수 있다. 이러한 별도의 컴퓨터에서 판독 가능한 기록매체는 플로피 드라이브, 디스크, 테이프, DVD/CD-ROM 드라이브, 메모리 카드 등의 컴퓨터에서 판독 가능한 기록매체를 포함할 수 있다. 다른 실시예에서 소프트웨어 구성요소들은 컴퓨터에서 판독 가능한 기록매체가 아닌 통신 모듈(213, 223)을 통해 메모리(211, 221)에 로딩될 수도 있다. 예를 들어, 적어도 하나의 프로그램은 개발자들 또는 어플리케이션의 설치 파일을 배포하는 파일 배포 시스템(일례로, 상술한 서버(160))이 네트워크(170)를 통해 제공하는 파일들에 의해 설치되는 컴퓨터 프로그램(일례로 상술한 어플리케이션)에 기반하여 메모리(211, 221)에 로딩될 수 있다.

프로세서(212, 222)는 기본적인 산술, 로직 및 입출력 연산을 수행함으로써, 컴퓨터 프로그램의 명령을 처리하도록 구성될 수 있다. 명령은 메모리(211, 221) 또는 통신 모듈(213, 223)에 의해 프로세서(212, 222)로 제공될 수 있다. 예를 들어 프로세서(212, 222)는 메모리(211, 221)와 같은 기록 장치에 저장된 프로그램 코드에 따라 수신되는 명령을 실행하도록 구성될 수 있다.

통신 모듈(213, 223)은 네트워크(170)를 통해 전자 기기(110)와 서버(150)가 서로 통신하기 위한 기능을 제공할 수 있으며, 전자 기기(110) 및/또는 서버(150)가 다른 전자 기기(일례로 전자 기기(120)) 또는 다른 서버(일례로 서버(160))와 통신하기 위한 기능을 제공할 수 있다. 일례로, 전자 기기(110)의 프로세서(212)가 메모리(211)와 같은 기록 장치에 저장된 프로그램 코드에 따라 생성한 요청이 통신 모듈(213)의 제어에 따라 네트워크(170)를 통해 서버(150)로 전달될 수 있다. 역으로, 서버(150)의 프로세서(222)의 제어에 따라 제공되는 제어 신호나 명령, 컨텐츠, 파일 등이 통신 모듈(223)과 네트워크(170)를 거쳐 전자 기기(110)의 통신 모듈(213)을 통해 전자 기기(110)로 수신될 수 있다. 예를 들어 통신 모듈(213)을 통해 수신된 서버(150)의 제어 신호나 명령, 컨텐츠, 파일 등은 프로세서(212)나 메모리(211)로 전달될 수 있고, 컨텐츠나 파일 등은 전자 기기(110)가 더 포함할 수 있는 저장 매체(상술한 영구 저장 장치)로 저장될 수 있다.

입출력 인터페이스(214)는 입출력 장치(215)와의 인터페이스를 위한 수단일 수 있다. 예를 들어, 입력 장치는 키보드, 마우스, 마이크로폰, 카메라 등의 장치를, 그리고 출력 장치는 디스플레이, 스피커, 햅틱 피드백 디바이스(haptic feedback device) 등과 같은 장치를 포함할 수 있다. 다른 예로 입출력 인터페이스(214)는 터치스크린과 같이 입력과 출력을 위한 기능이 하나로 통합된 장치와의 인터페이스를 위한 수단일 수도 있다. 입출력 장치(215)는 전자 기기(110)와 하나의 장치로 구성될 수도 있다. 또한, 서버(150)의 입출력 인터페이스(224)는 서버(150)와 연결되거나 서버(150)가 포함할 수 있는 입력 또는 출력을 위한 장치(미도시)와의 인터페이스를 위한 수단일 수 있다. 보다 구체적인 예로, 전자 기기(110)의 프로세서(212)가 메모리(211)에 로딩된 컴퓨터 프로그램의 명령을 처리함에 있어서 서버(150)나 전자 기기(120)가 제공하는 데이터를 이용하여 구성되는 서비스 화면이나 컨텐츠가 입출력 인터페이스(214)를 통해 디스플레이에 표시될 수 있다.

또한, 다른 실시예들에서 전자 기기(110) 및 서버(150)는 도 2의 구성요소들보다 더 많은 구성요소들을 포함할 수도 있다. 그러나, 대부분의 종래기술적 구성요소들을 명확하게 도시할 필요성은 없다. 예를 들어, 전자 기기(110)는 상술한 입출력 장치(215) 중 적어도 일부를 포함하도록 구현되거나 또는 트랜시버(transceiver), GPS(Global Positioning System) 모듈, 카메라, 각종 센서, 데이터베이스 등과 같은 다른 구성요소들을 더 포함할 수도 있다. 보다 구체적인 예로, 전자 기기(110)가 스마트폰인 경우, 일반적으로 스마트폰이 포함하고 있는 가속도 센서나 자이로 센서, 카메라 모듈, 각종 물리적인 버튼, 터치패널을 이용한 버튼, 입출력 포트, 진동을 위한 진동기 등의 다양한 구성요소들이 전자 기기(110)에 더 포함되도록 구현될 수 있다.

먼저, 이미지를 기반으로 포즈(3축 위치 값과 3축 방향 값을 포함함)를 계산하는, 즉 VL을 수행하는 과정을 설명한다.

도 3 내지 도 4는 VL 과정의 일례를 설명하기 위한 예시 도면이다.

VL은 한 장 혹은 여러 장의 이미지로 절대 위치를 찾는 기술이다.

서버(150)는 대상 공간에 대한 지리적 태그 이미지(geo-tagged images)를 이용하여 3D 모델에 해당되는 VL용 지도(400)를 사전에 구성하여 유지할 수 있다.

도 3에 도시한 바와 같이, 서버(150)는 전자 기기(예컨대, 모바일 단말이나 이동 로봇 등)(110)에서 촬영된 이미지를 쿼리 이미지(301)로 수신하는 경우 VL용 지도 데이터베이스(일례로, 메모리(221))로부터 쿼리 이미지(301)와 유사한 참조 이미지(302)를 추출할 수 있다. 이때, 서버(150)는 딥러닝(deep learning) 모델을 통해 쿼리 이미지(301)에서 글로벌한 피처를 추출한 후 추출된 피처를 이용하여 참조 이미지(302)를 검색할 수 있다.

도 4에 도시한 바와 같이, 서버(150)는 참조 이미지(302)와 대응되는 3D 모델(303)과 함께 쿼리 이미지(301)를 이용한 로컬리제이션을 통해 쿼리 이미지(301)의 6자유도 포즈(위치 및 방향)를 추정할 수 있다. 다시 말해, 서버(150)는 포즈가 태깅된 데이터를 이용하여 VL을 수행함으로써 VL용 지도(400) 상에서 쿼리 이미지(301)에 대응되는 지점으로 절대 좌표를 확인할 수 있다.

이와 같이, 이미지를 기반으로 카메라 포즈(3축 위치 값과 3축 방향 값을 포함함)를 계산하기 위해서, 즉 VL을 수행하기 위해서는 사전에 데이터 수집 장비를 이용하여 대상 공간을 스캐닝 한 후 스캐닝을 통해 얻은 (포즈가 태깅된) 데이터를 가공하여 VL용 지도(400)를 생성할 수 있다.

다시 말해, 이미지 기반 측위 기술인 VL은 VL용 지도(400)를 사전에 구축하고 구축된 VL용 지도(400) 안에서 위치를 추정하는 방법으로 측위를 한다.

이러한 VL 기술은 절대 위치를 알 수 있으며 시간이 경과함에 따라 오차가 누적되는 드리프트(drift) 현상이 발생하지 않는 반면에, 이동 상황에서는 정밀한 측위가 어렵고 다양한 환경 변화에 대응해야 하기 때문에 연산량이 많아 계산 시간이 오래 걸리는 단점이 있다.

이동 상황에서 정밀한 측위를 위해 실시간 위치 추적이 가능한 오도메트리 기술을 사용할 수 있다. 오도메트리 기술은 VIO(visual-inertial odometry), WO(Wheel odometry) 등을 포함할 수 있으며, 이미지 혹은 바퀴의 회전 정보로 상대적인 위치를 계산하는 방법으로 측위를 한다.

이러한 오도메트리 기술은 상대적인 포즈를 매끄럽게(smoothly) 추정 가능하고 연산량이 비교적 적어서 저사양의 컴퓨터 시스템, 예컨대 스마트폰과 같은 전자 기기(110, 120, 130, 140)에서 수행 가능한 반면에, 상대적인 위치 변화량만을 추정 가능하고 드리프트 현상이 발생하는 단점이 있다.

이하에서는 VL 기술과 오도메트리 기술이 결합된 측위 기술로서 VL과 오도메트리 기반 경로 추적 방법 및 시스템의 구체적인 실시예를 설명하기로 한다.

도 5은 본 발명의 일실시예에 따른 서버의 프로세서가 포함할 수 있는 구성요소의 예를 도시한 블록도이고, 도 6는 본 발명의 일실시예에 따른 서버가 수행할 수 있는 방법의 예를 도시한 흐름도이다.

본 실시예에 따른 서버(150)는 위치 기반 서비스를 제공할 수 있으며, 특히 VL 기술과 오도메트리 기술이 결합된 측위 기술을 바탕으로 위치 기반 서비스를 제공할 수 있다.

서버(150)의 프로세서(222)는 도 6에 따른 경로 추적 방법을 수행하기 위한 구성요소로서 도 5에 도시된 바와 같이, 상대 포즈 추정부(510), 절대 포즈 추정부(520), 및 경로 최적화부(530)를 포함할 수 있다. 실시예에 따라 프로세서(222)의 구성요소들은 선택적으로 프로세서(222)에 포함되거나 제외될 수도 있다. 또한, 실시예에 따라 프로세서(222)의 구성요소들은 프로세서(222)의 기능의 표현을 위해 분리 또는 병합될 수도 있다.

이러한 프로세서(222) 및 프로세서(222)의 구성요소들은 도 6의 경로 추적 방법이 포함하는 단계들(S610 내지 S630)을 수행하도록 서버(150)를 제어할 수 있다. 예를 들어, 프로세서(222) 및 프로세서(222)의 구성요소들은 메모리(221)가 포함하는 운영체제의 코드와 적어도 하나의 프로그램의 코드에 따른 명령(instruction)을 실행하도록 구현될 수 있다.

여기서, 프로세서(222)의 구성요소들은 서버(150)에 저장된 프로그램 코드가 제공하는 명령에 따라 프로세서(222)에 의해 수행되는 프로세서(222)의 서로 다른 기능들(different functions)의 표현들일 수 있다. 예를 들어, 서버(150)가 상대 포즈를 추정하도록 상술한 명령에 따라 서버(150)를 제어하는 프로세서(222)의 기능적 표현으로서 상대 포즈 추정부(510)가 이용될 수 있다.

프로세서(222)는 서버(150)의 제어와 관련된 명령이 로딩된 메모리(221)로부터 필요한 명령을 읽어들일 수 있다. 이 경우, 상기 읽어들인 명령은 프로세서(222)가 이후 설명될 단계들(S610 내지 S630)을 실행하도록 제어하기 위한 명령을 포함할 수 있다.

단계(S610)에서 상대 포즈 추정부(510)는 VIO나 WO와 같은 오도메트리 기술을 이용하여 카메라 포즈 정보(3축 위치 값과 3축 방향 값을 포함함)로서 상대 포즈를 추정할 수 있다. 상대 포즈 추정부(510)는 전자 기기(110)에서 발생되는 쿼리 정보로서 연속적인 센서 정보(예를 들어, 연속된 이미지들, 바퀴의 회전 정보 등)를 수신할 수 있으며, 연속적인 센서 정보 사이에서의 상대적인 포즈 관계를 계산할 수 있다.

단계(S620)에서 절대 포즈 추정부(520)는 이미지를 이용한 로컬리제이션, 즉 VL을 통해 카메라 포즈 정보로서 절대 포즈를 추정할 수 있다. 절대 포즈 추정부(520)는 전자 기기(110)에서 발생되는 쿼리 정보로서 쿼리 이미지를 수신할 수 있으며, VL을 통해 수신된 쿼리 이미지의 6자유도 포즈(위치 및 방향)를 추정할 수 있다. 절대 포즈 추정부(520)는 포즈가 태깅된 데이터를 이용하여 VL을 수행함으로써 사전에 구축해 놓은 VL용 지도(400) 상에서 쿼리 이미지에 대응되는 지점, 즉 절대 포즈를 추정할 수 있다.

단계(S630)에서 경로 최적화부(530)는 단계(S610)에서 추정된 상대 포즈와 단계(S620)에서 추정된 절대 포즈를 이용하여 그래프 기반의 포즈 최적화를 통해 최적화된 경로를 생성함으로써 오차가 보정된 최종 포즈로 경로를 추적할 수 있다. 오도메트리 기술만을 이용하여 포즈를 추정하는 경우 드리프트 현상에 의해 누적 오차가 발생할 수 있고, VL로 추정된 포즈의 경우 오도메트리에 비해 오차 범위가 커서 추정 값에 대한 신뢰도가 떨어질 수 있다. 오도메트리 기술과 VL 기술이 가진 단점을 극복하기 위해, 경로 최적화부(530)는 오도메트리로 추정된 연속적인 로컬 포즈 정보와 VL을 통해 추정된 글로벌 포즈 정보를 융합한 최적화 알고리즘을 적용하여 정확한 포즈를 추정할 수 있다.

경로 최적화부(530)는 오도메트리에 의한 포즈 추정 결과와 VL에 의한 포즈 추정 결과를 이용하여 그래프 기반의 포즈 최적화를 통해 최적화된 경로를 생성할 수 있다. 도 7은 포즈 그래프(700)의 예시를 나타내고 있다. 도 7에 도시한 바와 같이, 포즈 그래프(700)는 오도메트리로 추정된 상대 포즈를 나타내는 노드(이하, '오도메트리 노드'라 칭함)(701)와 VL로 추정된 절대 포즈를 나타내는 노드(이하, 'VL 노드'라 칭함)(702)로 구성될 수 있고, 상대 포즈 간의 차이와 상대 포즈와 절대 포즈 간의 차이는 해당 노드들을 연결하는 엣지(703)로 표현할 수 있다.

오도메트리 노드(701)와 오도메트리 노드(701)의 포즈 차이, 또는 VL 노드(702)와 오도메트리 노드(701)의 포즈 차이를 나타내는 엣지(703)에 대한 오차는 수학식 1과 같이 정의될 수 있다.

[수학식 1]

여기서,

는 포즈 정보를 포함하는 노드를 의미하고,

는 엣지로 연결된 노드 사이의 포즈 정보(R은 rotation, t는 translation)를 의미한다. 그리고,

는 변환 행렬(transformation matrix)을 1×6 벡터로 변형하는 함수를 의미하는 것으로, 주로 스크류 변위(screw displacement) 기법을 사용할 수 있다.

스크류 변위 기법은 수학식 2와 같이 정의할 수 있다.

[수학식 2]

여기서,

은 회전 행렬(rotation matrix)이고,

는 병진 벡터(translation vector)이다. 그리고,

는 트위스트 벡터(twist vector)를 의미하고,

는 회전 속도(rotation velocity),

는 선 속도(linear velocity)를 의미한다.

포즈 그래프(700)에 포함된 모든 엣지(703)에 대해 오차를 합산하면 수학식 3과 같이 포즈 그래프 오차 함수(pose-graph error function)(

)를 정의할 수 있다.

[수학식 3]

여기서,

는 엣지의 공분산(covariance)을 의미한다.

경로 최적화부(530)는 수학식 4와 같이 포즈 그래프 오차 함수의 오차가 줄어드는 방향으로 노드(701, 702)의 포즈 값(

,

)을 가우스-뉴턴(Gauss-Newton) 방식을 통해 재귀적으로 추정할 수 있다.

[수학식 4]

최적화된 포즈 그래프는 상대 포즈 값(

)과 절대 포즈 값(

)이 노드(701)(702)로 정의되고 노드 간의 포즈 차이(

)와 공분산(

)이 엣지(703)로 정의될 수 있다.

도 8 내지 도 10은 상대 포즈(

)와 절대 포즈(

)를 이용한 경로 최적화 과정을 설명하기 위한 예시 도면이다.

도 8을 참조하면, 경로 최적화부(530)는 t=0 시점에 추정된 상대 포즈 값(x₀)을 바탕으로 t=1 시점에 추정된 상대 포즈 값(x₁)에 대해 t=1 시점에 추정된 절대 포즈 값(l₁)을 요청하여 t=1 시점의 상대 포즈 값(x₁)을 보정할 수 있다. 이때, 경로 최적화부(530)는 t=1 시점의 상대 포즈 값(x₁)을 t=1 시점에 획득한 절대 포즈 값(l₁)과의 오차를 최소화 하는 방향으로 최적화할 수 있다.

도 9를 참조하면, 경로 최적화부(530)는 t=1 시점의 최적화된 포즈 값을 바탕으로 t=2 시점에 추정된 상대 포즈 값(x₂)에 이어 t=3 시점에 추정된 상대 포즈 값(x₃)에 대해 t=3 시점에 추정된 절대 포즈 값(l₂)을 요청하여 t=3 시점의 상대 포즈 값(x₃)을 보정할 수 있다. 이때, 경로 최적화부(530)는 t=3 시점의 상대 포즈 값(x₃)을 t=3 시점에 획득한 절대 포즈 값(l₂)과의 오차를 최소화 하는 방향으로 최적화할 수 있다.

도 10을 참조하면, 경로 최적화부(530)는 t=3 시점의 최적화된 포즈 값을 바탕으로 t=4 시점에 추정된 상대 포즈 값(x₄) 이후 상기와 동일한 포즈 최적화 과정을 반복할 수 있다.

경로 최적화부(530)는 오도메트리로부터 추정된 상대 포즈(

)의 누적 오차를 보정하기 위해 임의 시점 혹은 사전에 정해진 일정 주기로 VL로부터 추정된 절대 포즈(

)를 요청할 수 있다.

경로 최적화부(530)는 상대 포즈(

)와 절대 포즈(

)를 이용한 그래프 구조를 통해 포즈 간 경로를 최적화하여 포즈 추정 정확도를 향상시킬 수 있다.

포즈 그래프 최적화를 통해 포즈 추정 정확도를 향상시킬 수 있다. 오도메트리로부터 추정된 포즈인 상대 포즈(

)는 VL로부터 추정된 포즈, 즉 절대 포즈(

)에 의해 영향을 받으므로 누적 오차에 대한 영향이 보정될 수 있다.

VL로부터 추정된 포즈 값(

)을 그대로 어플리케이션에서 활용하는 것이 아니라, VL로부터 추정된 포즈 값(

)을 기초로 누적 오차가 보정된 포즈 값(

) 을 활용함으로써 포즈가 평할화(smoothing)되는 효과를 얻을 수 있다.

도 11에 도시한 포즈 추정 결과 그래프를 살펴보면, 본 실시예에서는 VL과 오도메트리를 융합하여 최적화한 포즈 결과(optimized pose)가 검증 데이터(ground truth)에 가까워지는 결과를 얻을 수 있다.

본 실시예에서는 VL 기술과 오도메트리 기술, 그리고 최적화 알고리즘을 융합하여 측위 정확도를 향상시킬 수 있다. 더 나아가, 이동 상황을 고려한 측위 기술 중 하나로 VOT(visual object tracking) 기술을 추가 활용할 수 있으며, 이때 VOT는 이미지 인식 기술을 기반으로 물체의 위치나 방향을 6자유도로 추정할 수 있는 기술이다. VL의 동작 여부 또는 VL의 포즈 추정 결과에 따라 VOT 기술을 추가로 이용하여 6자유도 포즈를 추정할 수 있다. 예를 들어, VL이 제대로 동작하지 않거나 VL의 포즈 결과가 부정확한 환경일 때 VOT 기술을 활용하여 사전에 포즈를 파악한 물체나 마커를 이용하여 측위를 할 수 있다.

상기에서는 본 실시예에 따른 경로 추적 방법이 서버(150)에서 수행되는 것으로 설명하고 있으나, 이에 한정되는 것은 아니다. 도 6의 경로 추적 방법이 서버(150)와의 연동을 통해 전자 기기(110)에서 수행되는 것은 물론이고, 상호 연동 환경에서 일부 과정은 서버(150)에서 수행되고 나머지 과정은 전자 기기(110)에서 수행되는 것 또한 가능하다. 예를 들어, VL를 이용한 포즈 추정은 서버(150)에서 수행될 수 있고, 오도메트리를 이용한 포즈 추정은 전자 기기(110)에서 수행될 수 있다. 이때, 경로 최적화 과정은 서버(150)와 전자 기기(110) 중 어느 한쪽에서 수행될 수 있다.

이처럼 본 발명의 실시예들에 따르면, VL의 포즈 결과와 오도메트리의 포즈 결과를 이용하여 경로 최적화를 수행함으로써 적정한 연산량으로 높은 정확도의 측위 결과를 제공할 수 있다. 그리고, 본 발명의 실시예들에 따르면, VL 기술과 오도메트리 기술이 융합된 측위 기술의 경우 최소한의 네트워크와 저사양 카메라만으로 이동 상황에서 끊김 없는 실시간 측위가 가능함에 따라 스마트폰과 같은 모바일 기기는 물론이고, 이동 로봇이나 보행 로봇, 자동차 등 다양한 디바이스에 적용할 수 있다.

이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 어플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.

소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 컴퓨터 저장 매체 또는 장치에 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.

실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 이때, 매체는 컴퓨터로 실행 가능한 프로그램을 계속 저장하거나, 실행 또는 다운로드를 위해 임시 저장하는 것일 수도 있다. 또한, 매체는 단일 또는 수 개의 하드웨어가 결합된 형태의 다양한 기록수단 또는 저장수단일 수 있는데, 어떤 컴퓨터 시스템에 직접 접속되는 매체에 한정되지 않고, 네트워크 상에 분산 존재하는 것일 수도 있다. 매체의 예시로는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium), 및 ROM, RAM, 플래시 메모리 등을 포함하여 프로그램 명령어가 저장되도록 구성된 것이 있을 수 있다. 또한, 다른 매체의 예시로, 어플리케이션을 유통하는 앱 스토어나 기타 다양한 소프트웨어를 공급 내지 유통하는 사이트, 서버 등에서 관리하는 기록매체 내지 저장매체도 들 수 있다.

이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.

그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims

컴퓨터 시스템에서 실행되는 경로 추적 방법에 있어서,
상기 컴퓨터 시스템은 메모리에 포함된 컴퓨터 판독가능한 명령들을 실행하도록 구성된 적어도 하나의 프로세서를 포함하고,
상기 경로 추적 방법은,
상기 적어도 하나의 프로세서에 의해, 카메라 포즈 정보로서 오도메트리(odometry)에 의한 포즈 추정 결과와 VL(visual localization)에 의한 포즈 추정 결과를 이용하여 경로(trajectory)를 추적하는 단계
를 포함하는 경로 추적 방법.
제1항에 있어서,
상기 추적하는 단계는,
상기 오도메트리를 통해 추정된 상대 포즈를 상기 VL를 통해 추정된 절대 포즈를 이용하여 보정하는 단계
를 포함하는 경로 추적 방법.
제1항에 있어서,
상기 추적하는 단계는,
상기 오도메트리에 의한 포즈 추정 시에 발생되는 누적 오차를 상기 VL을 통해 추정된 포즈 값을 이용하여 보정하는 단계
를 포함하는 경로 추적 방법.
제1항에 있어서,
상기 추적하는 단계는,
상기 오도메트리를 통해 추정된 상대 포즈와 상기 VL를 통해 추정된 절대 포즈를 노드(node)로 정의하고 노드 간의 포즈 차이를 엣지(edge)로 정의한 포즈 그래프를 최적화하는 단계
를 포함하는 경로 추적 방법.
제4항에 있어서,
상기 최적화하는 단계는,
상기 포즈 그래프에서 임의 시점 혹은 사전에 정해진 일정 주기로 일 시점에 추정된 상대 포즈 값을 해당 시점에 추정된 절대 포즈 값을 이용하여 보정하는 단계
를 포함하는 경로 추적 방법.
제4항에 있어서,
상기 최적화하는 단계는,
상기 포즈 그래프에서 임의 시점 혹은 사전에 정해진 일정 주기로 일 시점에 추정된 상대 포즈 값을 해당 시점에 추정된 절대 포즈 값과의 오차를 최소화하는 방향으로 최적화하는 단계
를 포함하는 경로 추적 방법.
제4항에 있어서,
상기 최적화하는 단계는,
상기 포즈 그래프에 포함된 모든 엣지에 대해 오차를 합산하여 포즈 그래프 오차 함수(pose-graph error function)를 정의하는 단계; 및
상기 포즈 그래프 오차 함수를 기초로 각 노드의 포즈 값을 가우스-뉴턴(Gauss-Newton) 방식을 통해 추정하는 단계
를 포함하는 경로 추적 방법.
제1항에 있어서,
상기 경로 추적 방법은,
상기 적어도 하나의 프로세서에 의해, 상기 VL의 동작 여부 또는 상기 VL의 포즈 추정 결과에 따라 VOT(visual object tracking) 기술을 추가로 이용하여 포즈를 추정하는 단계
를 포함하는 경로 추적 방법.
제1항 내지 제8항 중 어느 한 항의 경로 추적 방법을 상기 컴퓨터 시스템에 실행시키기 위해 비-일시적인 컴퓨터 판독가능한 기록 매체에 저장되는 컴퓨터 프로그램.
제1항 내지 제8항 중 어느 한 항의 경로 추적 방법을 컴퓨터에 실행시키기 위한 프로그램이 기록되어 있는 비-일시적인 컴퓨터 판독 가능한 기록 매체.
컴퓨터 시스템에 있어서,
메모리에 포함된 컴퓨터 판독가능한 명령들을 실행하도록 구성된 적어도 하나의 프로세서
를 포함하고,
상기 적어도 하나의 프로세서는,
카메라 포즈 정보로서 오도메트리에 의한 포즈 추정 결과와 VL에 의한 포즈 추정 결과를 이용하여 경로를 추적하는 것
을 특징으로 하는 컴퓨터 시스템.
제11항에 있어서,
상기 적어도 하나의 프로세서는,
상기 오도메트리를 통해 추정된 상대 포즈를 상기 VL를 통해 추정된 절대 포즈를 이용하여 보정하는 것
을 특징으로 하는 컴퓨터 시스템.
제11항에 있어서,
상기 적어도 하나의 프로세서는,
상기 오도메트리에 의한 포즈 추정 시에 발생되는 누적 오차를 상기 VL을 통해 추정된 포즈 값을 이용하여 보정하는 것
을 특징으로 하는 컴퓨터 시스템.
제11항에 있어서,
상기 적어도 하나의 프로세서는,
상기 오도메트리를 통해 추정된 상대 포즈와 상기 VL를 통해 추정된 절대 포즈를 노드로 정의하고 노드 간의 포즈 차이를 엣지로 정의한 포즈 그래프를 최적화하는 것
을 특징으로 하는 컴퓨터 시스템.
제14항에 있어서,
상기 적어도 하나의 프로세서는,
상기 포즈 그래프에서 임의 시점 혹은 사전에 정해진 일정 주기로 일 시점에 추정된 상대 포즈 값을 해당 시점에 추정된 절대 포즈 값을 이용하여 보정하는 것
을 특징으로 하는 컴퓨터 시스템.
제14항에 있어서,
상기 적어도 하나의 프로세서는,
상기 포즈 그래프에서 임의 시점 혹은 사전에 정해진 일정 주기로 일 시점에 추정된 상대 포즈 값을 해당 시점에 추정된 절대 포즈 값과의 오차를 최소화하는 방향으로 최적화하는 것
을 특징으로 하는 컴퓨터 시스템.
제14항에 있어서,
상기 적어도 하나의 프로세서는,
상기 포즈 그래프에 포함된 모든 엣지에 대해 오차를 합산하여 포즈 그래프 오차 함수를 정의한 후, 상기 포즈 그래프 오차 함수를 기초로 각 노드의 포즈 값을 가우스-뉴턴 방식을 통해 추정하는 것
을 특징으로 하는 컴퓨터 시스템.
제11항에 있어서,
상기 적어도 하나의 프로세서는,
상기 VL의 동작 여부 또는 상기 VL의 포즈 추정 결과에 따라 VOT 기술을 추가로 이용하여 포즈를 추정하는 것
을 특징으로 하는 컴퓨터 시스템.