KR20210076668A - 시각 정보 처리 기반의 위치 인식 방법 및 시스템 - Google Patents

시각 정보 처리 기반의 위치 인식 방법 및 시스템 Download PDF

Info

Publication number
KR20210076668A
KR20210076668A KR1020190168100A KR20190168100A KR20210076668A KR 20210076668 A KR20210076668 A KR 20210076668A KR 1020190168100 A KR1020190168100 A KR 1020190168100A KR 20190168100 A KR20190168100 A KR 20190168100A KR 20210076668 A KR20210076668 A KR 20210076668A
Authority
KR
South Korea
Prior art keywords
pose
global
global pose
mobile device
camera
Prior art date
Application number
KR1020190168100A
Other languages
English (en)
Other versions
KR102383567B1 (ko
Inventor
허동철
정영호
김상욱
Original Assignee
네이버랩스 주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 네이버랩스 주식회사 filed Critical 네이버랩스 주식회사
Priority to KR1020190168100A priority Critical patent/KR102383567B1/ko
Priority to PCT/KR2020/016271 priority patent/WO2021125578A1/ko
Publication of KR20210076668A publication Critical patent/KR20210076668A/ko
Priority to US17/712,849 priority patent/US20220230350A1/en
Application granted granted Critical
Publication of KR102383567B1 publication Critical patent/KR102383567B1/ko

Links

Images

Classifications

    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/587—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/53—Querying
    • G06F16/532—Query formulation, e.g. graphical querying
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/5854—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using shape and object relationship
    • G06K9/62—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G06T7/248—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments involving reference images or patches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/269—Analysis of motion using gradient-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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Library & Information Science (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Mathematical Physics (AREA)
  • Image Analysis (AREA)

Abstract

시각 정보 처리 기반의 위치 인식 방법 및 시스템을 개시한다. 일실시예에 따른 위치 인식 방법은 카메라를 통해 프레임 이미지를 생성하는 단계, 상기 카메라의 제1 전역 포즈 및 상기 생성된 프레임 이미지를 서버로 전송하는 단계 및 상기 서버로부터 상기 전송된 프레임 이미지에 포함된 오브젝트의 포즈에 기반하여 추정되는 상기 카메라의 제2 전역 포즈를 수신하는 단계를 포함할 수 있다.

Description

시각 정보 처리 기반의 위치 인식 방법 및 시스템{METHOD AND SYSTEM FOR LOCALIZATION BASED ON PROCESSING VISUAL INFORMATION}
아래의 설명은 시각 정보 처리 기반의 위치 인식 방법 및 시스템에 관한 것이다.
모바일 기기의 전역 포즈 추정을 통해 모바일 기기를 이용하여 내비게이션을 제공하는 기술들이 존재한다. 이때, 모바일 기기의 전역 포즈를 추정하기 위해 GPS(Global Positioning System), WPS(Wi-Fi Positioning System), VL(Visual Localization) 등의 다양한 방법이 사용될 수 있으나, 주변 환경의 문제로 인해 기존의 전역 포즈 추정 기법을 사용할 수 없는 경우가 존재한다. 일례로 GPS는 위성에서 보내는 신호를 수신하여 사용자의 현재 위치를 계산하는 기술로, 위성 신호인 GPS 신호는 직진성이 강하며 회절, 반사가 잘 안되기 때문에 실내 환경에서는 사용하기 어렵다는 문제점이 있다. 다른 예로, WPS는 와이파이(Wi-Fi)로 들어오는 무선 AP의 정보를 이용하여 위치값을 얻어내는 기술로, 무선 AP 자체가 부족한 환경에서는 사용하기 어렵다는 문제점이 있다.
VL(Visual Localization)은 모바일 기기에서 촬영된 이미지에 기반하여 모바일 기기의 전역 위치를 추정할 수 있는 기술로, 모바일 기기는 촬영된 이미지를 VL 서버로 전송하고, VL 서버는 전송된 이미지에 기반하여 모바일 기기의 전역 위치를 추정할 수 있다. 그러나, 이러한 VL은 공간 전체를 스캔하여 공간에 대한 전체 맵을 생성하는 사전 작업을 요구하며, 이때 라이더(Lidar)와 같은 고가의 장비가 요구된다. 뿐만 아니라, VL은 초기 위치가 주어지지 않은 단계에서 VL만을 사용하여 모바일 단말 장치의 위치를 인식하는 경우, 쿼리 이미지를 이용하여 전체 탐색을 수행하기 때문에 긍정 오류(false positive)가 발생할 가능성이 높다. 게다가, 야외와 같이 열린 공간은 규모와 환경의 변화 때문에 기존의 VL을 활용하기 취약하다는 문제점이 있다.
다른 예로, 2차원 이미지 마커를 활용하여 모바일 단말 장치의 전역 위치를 추정하는 기술이 존재한다. 예를 들어, 한국공개특허 제10-2006-0129960호는 이동 로봇 및 그의 위치 및 자세의 산출방법에 관한 것으로, 맵 데이터 메모리는 이동 영역의 맵 데이터, 이동 영역의 소정의 위치에 있는 마커의 위치 데이터, 마커의 식별 데이터 및 이동 영역의 마커에 인접하는 경계선의 위치 데이터를 저장하고, 마커 검출 유닛이, 마커의 위치 데이터 및 식별 데이터를 기초하여 화상에서 마커를 검출하며, 경계선 검출 유닛이 화상으로부터 마커에 인접하는 경계선을 검출하고, 파라미터 산출 유닛이 화상에서 경계선의 파라미터를 산출하면, 위치 자세 산출 유닛이, 경계선의 파라미터와 경계선의 위치 데이터에 기초하여, 이동 영역 내의 이동 로봇의 위치 및 자세를 산출함을 개시하고 있다. 그러나, 2차원 이미지 마커를 활용하는 방식은 공간의 벽이나 바닥에 2차원 마커를 부착시켜야 하기 때문에 2차원 마커의 디자인이 실제 환경과 어울리지 않는 부자연스러움에 의해 해당 공간의 사용자들이 2차원 마커를 사용함에 있어서 거부감을 느낄 수 있으며, 해당 공간에서 위치 정보를 얻고자 하는 사용자들이 벽이나 바닥에 붙어 있는 2차원 마커를 최대한 정면에서 촬영해야 하는 불편함이 존재한다.
POI(Point of Interest)에 대한 시각 정보 처리 기반으로 사용자의 위치를 인식할 수 있는 위치 인식 방법 및 시스템을 제공한다.
적어도 하나의 프로세서를 포함하는 컴퓨터 장치의 위치 인식 방법에 있어서, 상기 적어도 하나의 프로세서에 의해, 카메라를 통해 프레임 이미지를 생성하는 단계; 상기 적어도 하나의 프로세서에 의해, 상기 카메라의 제1 전역 포즈 및 상기 생성된 프레임 이미지를 서버로 전송하는 단계; 및 상기 적어도 하나의 프로세서에 의해, 상기 서버로부터 상기 전송된 프레임 이미지에 포함된 오브젝트의 포즈에 기반하여 추정되는 상기 카메라의 제2 전역 포즈를 수신하는 단계를 포함하는 위치 인식 방법을 제공한다.
일측에 따르면, 상기 제2 전역 포즈는 상기 서버에서 상기 프레임 이미지를 분석하여 계산되는 상기 카메라와 상기 프레임 이미지가 포함하는 대상 오브젝트와의 상대 포즈만큼 상기 서버가 저장하고 있는 상기 대상 오브젝트의 전역 포즈를 변환시켜 추정되는 것을 특징으로 할 수 있다.
다른 측면에 따르면, 상기 카메라의 제2 전역 포즈를 수신하는 단계는, 상기 서버로부터, 상기 제2 전역 포즈, 상기 제2 전역 포즈에 대응하는 제1 신뢰도 값, 상기 서버에서 글로벌 로컬라이제이션에 기반하여 추정되는 상기 컴퓨터 장치의 전역 포즈로서의 제3 전역 포즈 및 상기 제3 전역 포즈에 대응하는 제2 신뢰도 값을 수신하는 단계; 및 상기 제1 신뢰도 값 및 상기 제2 신뢰도 값에 기반한 서로 다른 가중치를 상기 제2 전역 포즈 및 상기 제3 전역 포즈에 부여하여 제4 전역 포즈를 결정하는 단계를 포함하는 것을 특징으로 할 수 있다.
또 다른 측면에 따르면, 상기 제4 전역 포즈를 결정하는 단계는, 상기 제1 신뢰도 값이 상기 제2 신뢰도 값보다 클수록 상기 제4 전역 포즈에서 상기 제2 전역 포즈의 비중이 상대적으로 더 커지도록 상기 제4 전역 포즈를 결정하는 것을 특징으로 할 수 있다.
또 다른 측면에 따르면, 상기 위치 인식 방법은 상기 적어도 하나의 프로세서에 의해, 상기 카메라의 제1 전역 포즈에서 제3 전역 포즈로의 변화를 추적하는 단계; 상기 적어도 하나의 프로세서에 의해, 상기 제3 전역 포즈와 상기 제1 전역 포즈에 기초하여 포즈 변화량을 계산하는 단계; 및 상기 적어도 하나의 프로세서에 의해, 상기 제2 전역 포즈에 상기 포즈 변화량을 적용하여 제4 전역 포즈를 결정하는 단계를 더 포함할 수 있다.
또 다른 측면에 따르면, 상기 위치 인식 방법은 상기 적어도 하나의 프로세서에 의해, 상기 제3 전역 포즈와 상기 제4 전역 포즈에 가중 이동평균을 적용하여 제5 전역 포즈를 결정하는 단계를 더 포함할 수 있다.
또 다른 측면에 따르면, 상기 변화를 추적하는 단계는, 비쥬얼 이너셜 오도메트리(Visual Inertial Odometry)를 이용하여 또는 상기 제1 전역 포즈에 상기 카메라의 변화량을 누적하여 상기 제3 전역 포즈를 추정하는 것을 특징으로 할 수 있다.
적어도 하나의 프로세서를 포함하는 컴퓨터 장치의 위치 인식 방법에 있어서, 상기 적어도 하나의 프로세서에 의해, 오브젝트들을 대응하는 전역 포즈와 연관하여 데이터베이스에 등록하는 단계; 상기 적어도 하나의 프로세서에 의해, 모바일 기기로부터 쿼리 이미지를 수신하는 단계; 상기 적어도 하나 프로세서에 의해, 상기 쿼리 이미지를 분석하여 상기 모바일 기기의 카메라와 상기 쿼리 이미지가 포함하는 대상 오브젝트와의 상대 포즈를 계산하는 단계; 상기 적어도 하나 프로세서에 의해, 상기 대상 오브젝트의 전역 포즈를 상기 데이터베이스에서 검색하는 단계; 상기 적어도 하나 프로세서에 의해, 상기 검색된 전역 포즈를 상기 계산된 상대 포즈만큼 변환시켜 상기 모바일 기기의 카메라에 대한 전역 포즈를 결정하는 단계; 및 상기 적어도 하나 프로세서에 의해, 상기 결정된 전역 포즈를 상기 모바일 기기로 전달하는 단계를 포함하는 것을 특징으로 하는 위치 인식 방법을 제공한다.
일측에 따르면, 상기 전달하는 단계는, 상기 결정된 전역 포즈로서의 제1 전역 포즈, 상기 제1 전역 포즈에 대응하는 제1 신뢰도 값, 글로벌 로컬라이제이션에 기반하여 추정되는 상기 모바일 기기의 제2 전역 포즈 및 상기 제2 전역 포즈에 대응하는 제2 신뢰도 값을 상기 모바일 기기로 전송하는 것을 특징으로 할 수 있다.
다른 측면에 따르면, 상기 모바일 기기에서 상기 제1 신뢰도 값 및 상기 제2 신뢰도 값에 기반한 서로 다른 가중치를 상기 제1 전역 포즈 및 상기 제2 전역 포즈에 부여하여 제3 전역 포즈가 결정되는 것을 특징으로 할 수 있다.
컴퓨터 장치와 결합되어 상기 방법을 컴퓨터 장치에 실행시키기 위해 컴퓨터 판독 가능한 기록매체에 저장된 컴퓨터 프로그램을 제공한다.
상기 방법을 컴퓨터 장치에 실행시키기 위한 프로그램이 기록되어 있는 컴퓨터 판독 가능한 기록매체를 제공한다.
컴퓨터에서 판독 가능한 명령을 실행하도록 구현되는 적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로세서에 의해, 카메라를 통해 프레임 이미지를 생성하고, 상기 카메라의 제1 전역 포즈 및 상기 생성된 프레임 이미지를 서버로 전송하고, 상기 적어도 하나의 프로세서에 의해, 상기 서버로부터 상기 전송된 프레임 이미지에 포함된 오브젝트의 포즈에 기반하여 추정되는 상기 카메라의 제2 전역 포즈를 수신하는 것을 특징으로 하는 컴퓨터 장치를 제공한다.
컴퓨터에서 판독 가능한 명령을 실행하도록 구현되는 적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로세서에 의해, 오브젝트들을 대응하는 전역 포즈와 연관하여 데이터베이스에 등록하고, 모바일 기기로부터 쿼리 이미지를 수신하고, 상기 쿼리 이미지를 분석하여 상기 모바일 기기의 카메라와 상기 쿼리 이미지가 포함하는 대상 오브젝트와의 상대 포즈를 계산하고, 상기 대상 오브젝트의 전역 포즈를 상기 데이터베이스에서 검색하고, 상기 검색된 전역 포즈를 상기 계산된 상대 포즈만큼 변환시켜 상기 모바일 기기의 카메라에 대한 전역 포즈를 결정하고, 상기 결정된 전역 포즈를 상기 모바일 기기로 전달하는 것을 특징으로 하는 컴퓨터 장치를 제공한다.
POI(Point of Interest)에 대한 시각 정보 처리 기반으로 사용자의 위치를 인식할 수 있다.
도 1은 본 발명의 일실시예에 따른 네트워크 환경의 예를 도시한 도면이다.
도 2는 본 발명의 일실시예에 따른 컴퓨터 장치의 예를 도시한 블록도이다.
도 3은 본 발명의 일실시예에 따른 위치 인식 시스템의 개괄적인 모습의 예를 도시한 도면이다.
도 4는 본 발명의 일실시예에 있어서, 전역 공간에서의 실시간 포즈 추정 과정의 예를 도시한 도면이다.
도 5는 본 발명의 일실시예에 있어서, 카메라를 통해 대상 오브젝트를 촬영하는 예를 도시한 도면이다.
도 6은 본 발명의 일실시예에 있어서, 카메라를 통해 촬영된 이미지들의 예를 도시한 도면이다.
도 7은 본 발명의 일실시예에 따른 모바일 기기의 위치 인식 방법의 예를 도시한 흐름도이다.
도 8은 본 발명의 일실시예에 따른 서버의 위치 인식 방법의 예를 도시한 흐름도이다.
이하, 실시예를 첨부한 도면을 참조하여 상세히 설명한다.
본 발명의 실시예들에 따른 위치 인식 시스템은 적어도 하나의 컴퓨터 장치에 의해 구현될 수 있으며, 본 발명의 실시예들에 따른 위치 인식 방법은 위치 인식 시스템에 포함되는 적어도 하나의 컴퓨터 장치를 통해 수행될 수 있다. 컴퓨터 장치에는 본 발명의 일실시예에 따른 컴퓨터 프로그램이 설치 및 구동될 수 있고, 컴퓨터 장치는 구동된 컴퓨터 프로그램의 제어에 따라 본 발명의 실시예들에 따른 위치 인식 방법을 수행할 수 있다. 상술한 컴퓨터 프로그램은 컴퓨터 장치와 결합되어 위치 인식 방법을 컴퓨터에 실행시키기 위해 컴퓨터 판독 가능한 기록매체에 저장될 수 있다.
도 1은 본 발명의 일실시예에 따른 네트워크 환경의 예를 도시한 도면이다. 도 1의 네트워크 환경은 복수의 전자 기기들(110, 120, 130, 140), 복수의 서버들(150, 160) 및 네트워크(170)를 포함하는 예를 나타내고 있다. 이러한 도 1은 발명의 설명을 위한 일례로 전자 기기의 수나 서버의 수가 도 1과 같이 한정되는 것은 아니다. 또한, 도 1의 네트워크 환경은 본 실시예들에 적용 가능한 환경들 중 하나의 예를 설명하는 것일 뿐, 본 실시예들에 적용 가능한 환경이 도 1의 네트워크 환경으로 한정되는 것은 아니다.
복수의 전자 기기들(110, 120, 130, 140)은 컴퓨터 장치로 구현되는 고정형 단말이거나 이동형 단말일 수 있다. 복수의 전자 기기들(110, 120, 130, 140)의 예를 들면, 스마트폰(smart phone), 휴대폰, 네비게이션, 컴퓨터, 노트북, 디지털방송용 단말, PDA(Personal Digital Assistants), PMP(Portable Multimedia Player), 태블릿 PC 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 장치들 중 하나를 의미할 수 있다.
통신 방식은 제한되지 않으며, 네트워크(170)가 포함할 수 있는 통신망(일례로, 이동통신망, 유선 인터넷, 무선 인터넷, 방송망)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 서비스(일례로, 위치 기반 서비스, 컨텐츠 제공 서비스, 그룹 통화 서비스(또는 음성 컨퍼런스 서비스), 메시징 서비스, 메일 서비스, 소셜 네트워크 서비스, 지도 서비스, 번역 서비스, 금융 서비스, 결제 서비스, 검색 서비스 등)를 제공하는 시스템일 수 있다.
도 2는 본 발명의 일실시예에 따른 컴퓨터 장치의 예를 도시한 블록도이다. 앞서 설명한 복수의 전자 기기들(110, 120, 130, 140) 각각이나 서버들(150, 160) 각각은 도 2를 통해 도시된 컴퓨터 장치(200)에 의해 구현될 수 있다.
이러한 컴퓨터 장치(200)는 도 2에 도시된 바와 같이, 메모리(210), 프로세서(220), 통신 인터페이스(230) 그리고 입출력 인터페이스(240)를 포함할 수 있다. 메모리(210)는 컴퓨터에서 판독 가능한 기록매체로서, RAM(random access memory), ROM(read only memory) 및 디스크 드라이브와 같은 비소멸성 대용량 기록장치(permanent mass storage device)를 포함할 수 있다. 여기서 ROM과 디스크 드라이브와 같은 비소멸성 대용량 기록장치는 메모리(210)와는 구분되는 별도의 영구 저장 장치로서 컴퓨터 장치(200)에 포함될 수도 있다. 또한, 메모리(210)에는 운영체제와 적어도 하나의 프로그램 코드가 저장될 수 있다. 이러한 소프트웨어 구성요소들은 메모리(210)와는 별도의 컴퓨터에서 판독 가능한 기록매체로부터 메모리(210)로 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 인터페이스(230)를 통해 메모리(210)에 로딩될 수도 있다. 예를 들어, 소프트웨어 구성요소들은 네트워크(170)를 통해 수신되는 파일들에 의해 설치되는 컴퓨터 프로그램에 기반하여 컴퓨터 장치(200)의 메모리(210)에 로딩될 수 있다.
프로세서(220)는 기본적인 산술, 로직 및 입출력 연산을 수행함으로써, 컴퓨터 프로그램의 명령을 처리하도록 구성될 수 있다. 명령은 메모리(210) 또는 통신 인터페이스(230)에 의해 프로세서(220)로 제공될 수 있다. 예를 들어 프로세서(220)는 메모리(210)와 같은 기록 장치에 저장된 프로그램 코드에 따라 수신되는 명령을 실행하도록 구성될 수 있다.
통신 인터페이스(230)은 네트워크(170)를 통해 컴퓨터 장치(200)가 다른 장치(일례로, 앞서 설명한 저장 장치들)와 서로 통신하기 위한 기능을 제공할 수 있다. 일례로, 컴퓨터 장치(200)의 프로세서(220)가 메모리(210)와 같은 기록 장치에 저장된 프로그램 코드에 따라 생성한 요청이나 명령, 데이터, 파일 등이 통신 인터페이스(230)의 제어에 따라 네트워크(170)를 통해 다른 장치들로 전달될 수 있다. 역으로, 다른 장치로부터의 신호나 명령, 데이터, 파일 등이 네트워크(170)를 거쳐 컴퓨터 장치(200)의 통신 인터페이스(230)를 통해 컴퓨터 장치(200)로 수신될 수 있다. 통신 인터페이스(230)를 통해 수신된 신호나 명령, 데이터 등은 프로세서(220)나 메모리(210)로 전달될 수 있고, 파일 등은 컴퓨터 장치(200)가 더 포함할 수 있는 저장 매체(상술한 영구 저장 장치)로 저장될 수 있다.
입출력 인터페이스(240)는 입출력 장치(250)와의 인터페이스를 위한 수단일 수 있다. 예를 들어, 입력 장치는 마이크, 키보드 또는 마우스 등의 장치를, 그리고 출력 장치는 디스플레이, 스피커와 같은 장치를 포함할 수 있다. 다른 예로 입출력 인터페이스(240)는 터치스크린과 같이 입력과 출력을 위한 기능이 하나로 통합된 장치와의 인터페이스를 위한 수단일 수도 있다. 입출력 장치(250)는 컴퓨터 장치(200)와 하나의 장치로 구성될 수도 있다.
또한, 다른 실시예들에서 컴퓨터 장치(200)는 도 2의 구성요소들보다 더 적은 혹은 더 많은 구성요소들을 포함할 수도 있다. 그러나, 대부분의 종래기술적 구성요소들을 명확하게 도시할 필요성은 없다. 예를 들어, 컴퓨터 장치(200)는 상술한 입출력 장치(250) 중 적어도 일부를 포함하도록 구현되거나 또는 트랜시버(transceiver), 데이터베이스 등과 같은 다른 구성요소들을 더 포함할 수도 있다.
도 3은 본 발명의 일실시예에 따른 위치 인식 시스템의 개괄적인 모습의 예를 도시한 도면이다. 본 실시예에 따른 위치 인식 시스템(300)은 모바일 기기(310), 중계기(320), 글로벌 로컬라이제이션 모듈(330) 및 오브젝트 인식 및 포즈 추정 모듈(340)을 포함할 수 있다.
모바일 기기(310)는 카메라를 통해 프레임 이미지들을 생성할 수 있으며, 생성된 프레임 이미지들 중 적어도 하나의 프레임 이미지를 쿼리 이미지로서 중계기(320)로 전송할 수 있다. 예를 들어, 모바일 기기(310)에는 증강현실(augmented reality) 기반의 내비게이션 기능을 위한 컴퓨터 프로그램이 설치 및 구동될 수 있으며, 구동된 컴퓨터 프로그램의 제어에 따라 모바일 기기(310)의 주변 공간을 카메라를 통해 촬영하여 생성되는 프레임 이미지들 중 적어도 하나의 프레임 이미지를 쿼리 이미지로서 중계기(320)로 전송할 수 있다. 이때, 내비게이션 기능의 제공을 위해서는 시간의 흐름에 따른 모바일 기기(310)의 위치들이 지속적으로 인식되어야 하기 때문에, 모바일 기기(310)는 일정 주기마다 프레임 이미지를 중계기(320)로 전송할 수 있다. 만약, 일정 주기가 프레임 이미지가 생성되는 주기에 대응된다면, 생성되는 모든 프레임 이미지들이 쿼리 이미지로서 중계기(320)로 전송될 수 있다. 다른 예로, 일정 주기가 프레임 이미지가 생성되는 주기보다 짧다면, 프레임 이미지들 중 일부가 쿼리 이미지로서 중계기(320)로 전송될 수 있다. 쿼리 이미지를 전송하는 주기는 단순히 기설정될 수도 있으나, 서버단에서 쿼리 이미지를 처리하여 모바일 기기(310)의 위치를 계산하는데 걸리는 시간 및/또는 모바일 기기(310)와 서버단 사이의 네트워크 트래픽에 기반하여 동적으로 설정될 수도 있다.
중계기(320), 글로벌 로컬라이제이션 모듈(330) 및 오브젝트 인식 및 포즈 추정 모듈(340)은 서버단에 포함될 수 있다. 이때, 중계기(320), 글로벌 로컬라이제이션 모듈(330) 및 오브젝트 인식 및 포즈 추정 모듈(340)는 하나의 물리적인 장치에 구현될 수도 있고, 각각 서로 다른 물리적인 장치에 구현될 수도 있다. 실시예에 따라 글로벌 로컬라이제이션 모듈(330)은 제3자의 시스템에 구현되어 서버단이 제3자의 시스템을 통해 글로벌 로컬라이제이션 모듈(330)을 이용하는 형태로 구현될 수도 있다.
중계기(320)는 모바일 기기(310)로부터 수신된 쿼리 이미지를 글로벌 로컬라이제이션 모듈(330) 및 오브젝트 인식 및 포즈 추정 모듈(340) 각각으로 전달하면서 모바일 기기(310)의 포즈 추정을 요청할 수 있다. 여기서, 포즈(pose)는 위치(position)와 배향(orientation)을 포함하는 개념일 수 있다. 예를 들어, 모바일 기기(310)의 포즈는 모바일 기기(310)의 위치와 배향을 월드 좌표계상에서 표현한 것으로 이해할 수 있다. 이러한 모바일 기기(310)의 포즈는 일례로, 위치를 위한 3자유도 및 배향을 위한 3자유도를 갖는 6DOF(Six Degrees Of Freedom)에 의해 표현될 수 있다. 이후 설명되는 모바일 기기(310)의 위치는 실시예에 따라 모바일 기기(310)의 포즈에 대응될 수 있다.
글로벌 로컬라이제이션 모듈(330)은 GPS(Global Positioning System), SLAM(Simultaneous Localization And Mapping), WPS(Wi-Fi Positioning System), VL(Visual Localization) 등 모바일 기기(310)에 대한 글로벌 로컬라이제이션이 가능한 모듈이라면 제한 없이 활용될 수 있다. 이러한 글로벌 로컬라이제이션 모듈(330)은 중계기(320)로부터의 요청에 따라 모바일 기기(310)의 포즈를 추정하여 중계기(320)로 전달할 수 있다. 도 3의 실시예에서는 글로벌 로컬라이제이션 모듈(330)이 제공하는 모바일 기기(310)의 포즈를 'Global 6DOF1'로 나타내고 있다.
오브젝트 인식 및 포즈 추정 모듈(340)은 이미지에서 인식되는 대상 오브젝트에 기반하여 모바일 기기(310)의 포즈를 추정할 수 있으며, 추정된 포즈를 중계기(320)로 전달할 수 있다. 도 3의 실시예에서는 오브젝트 인식 및 포즈 추정 모듈(340)이 제공하는 모바일 기기(310)의 포즈를 'Global 6DOF2'로 나타내고 있다. 오브젝트 인식 및 포즈 추정 모듈(340)은 글로벌 로컬라이제이션 모듈(330)의 도움을 받아 대상 오브젝트를 등록할 수 있다. 예를 들어, 오브젝트 인식 및 포즈 추정 모듈(340)은 2차원 또는 3차원의 대상 오브젝트를 학습시켜 데이터베이스상에 등록할 수 있으며, 글로벌 로컬라이제이션 모듈(330)이 작동하는 환경상에서 대상 오브젝트의 전역 포즈를 대상 오브젝트와 연관하여 데이터베이스상에 더 등록할 수 있다. 이때, 오브젝트 인식 및 포즈 추정 모듈(340)은 중계기(320)를 통해 전달된 쿼리 이미지에서 대상 오브젝트를 인식한 후, 대상 오브젝트와 모바일 기기(310)간의 상대 위치(보다 자세하게는 대상 오브젝트와 모바일 기기(310)의 카메라간의 상대 위치)를 계산할 수 있다. 오브젝트 인식 및 포즈 추정 모듈(340)은 데이터베이스에 대상 오브젝트의 전역 포즈를 저장하고 있기 때문에, 대상 오브젝트의 전역 포즈를 계산된 상대 위치만큼 변환시킴으로써 모바일 기기(310)의 전역 포즈(보다 자세하게는 모바일 기기(310)의 카메라의 전역 포즈)를 추정할 수 있게 된다. 오브젝트 인식 및 포즈 추정 모듈(340)이 모바일 기기(310)의 전역 포즈를 추정하는 방법에 대해서는 이후 더욱 자세히 설명한다.
중계기(310)는 글로벌 로컬라이제이션 모듈(330)에서 추정된 모바일 기기(310)의 포즈(일례로, 'Global 6DOF1')와 오브젝트 인식 및 포즈 추정 모듈(340)에서 추정된 모바일 기기(310)의 포즈(일례로, 'Global 6DOF2')를 수신하여 모바일 기기(310)로 전달할 수 있다. 도 3의 실시예에서는 모바일 기기(310)가 중계기(310)로부터 {Global 6DOF1, Global 6DOF2}를 전달받음을 나타내고 있다.
이 경우, 모바일 기기(310)는 수신된 포즈들 {Global 6DOF1, Global 6DOF2}에 기반하여 모바일 기기(310)의 전역 포즈를 결정할 수 있다. 예를 들어, 모바일 기기(310)는 글로벌 로컬라이제이션 모듈(330) 및 오브젝트 인식 및 포즈 추정 모듈(340)의 각 모듈에서 제공하는 신뢰도 값을 기반으로 가중치를 부여하는 신뢰도 기반 필터링을 통해 모바일 기기(310)의 전역 포즈를 결정할 수 있다. 보다 구체적인 예로, 모바일 단말기(310)의 전역 포즈는 아래 수학식 1과 같이 계산될 수 있다.
Figure pat00001
여기서,
Figure pat00002
는 최종 계산된 모바일 기기(310)의 전역 포즈를,
Figure pat00003
은 글로벌 로컬라이제이션 모듈(330)을 통해 계산된 모바일 기기(310)의 전역 포즈를,
Figure pat00004
는 오브젝트 인식 및 포즈 추정 모듈(340)을 통해 계산된 모바일 기기(310)의 전역 포즈를 각각 나타낼 수 있다. 또한, w1은 글로벌 로컬라이제이션 모듈(330)의 신뢰도 값을, w2는 오브젝트 인식 및 포즈 추정 모듈(340)의 신뢰도 값을 각각 나타낼 수 있다. 이때, 신뢰도 값 w1 및 w2는 각각 0부터 1까지의 범위에 포함되는 값을 갖는 실수일 수 있다. 이러한 신뢰도 값들은 글로벌 로컬라이제이션 모듈(330) 및 오브젝트 인식 및 포즈 추정 모듈(340) 각각이 모바일 기기(310)의 전역 포즈를 전달할 때 같이 전달될 수 있다.
이와 같이, 본 실시예에 따르면, 오브젝트 인식 및 포즈 추정 모듈(340)은 데이터베이스에 등록된 장소의 2차원 혹은 3차원 오브젝트에 대한 모바일 기기(310)의 상대적인 포즈를 인식하여 해당 장소에서 사용자의 위치를 제공할 수 있게 된다. 또한, GPS, WPS, VL 등과 같은 기존의 전역 포즈 추정 기법을 사용할 수 있는 환경에서는 본 실시예에 따른 위치 인식 방법을 보조 수단으로 활용하여 포즈 추정의 정확도를 높이고, 기존의 전역 포즈 추정 기법을 사용할 수 없는 환경에서는 본 실시예에 따른 위치 인식 방법을 단독으로 사용하여 사용자의 위치를 추정하고 증강현실 기반의 내비게이션 기능과 같은 위치 기반 서비스를 제공할 수 있게 된다. 예를 들어, 수학식 1에 따르면, 글로벌 로컬라이제이션 모듈(330)의 신뢰도 값 w1가 0이 되는 경우, 오브젝트 인식 및 포즈 추정 모듈(340)로부터 제공되는
Figure pat00005
의 값이 최종 계산된 모바일 기기(310)의 전역 포즈
Figure pat00006
의 값이 됨을 알 수 있다.
도 4는 본 발명의 일실시예에 있어서, 전역 공간에서의 실시간 포즈 추정 과정의 예를 도시한 도면이다.
단계(S410)에서 모바일 기기(310)는 서버(410)를 통해 위치(6DOF)를 수신할 수 있다. 단계(S410)는 모바일 기기(310)가 최초 위치를 획득하기 위한 과정일 수 있다. 예를 들어, 서버(410)는 도 3을 통해 설명한 중계기(320), 글로벌 로컬라이제이션 모듈(330) 및 오브젝트 인식 및 포즈 추정 모듈(340)을 포함할 수 있으며, 단계(S410)에서 글로벌 로컬라이제이션 모듈(330)을 통해 모바일 기기(310)의 최초 위치를 제공할 수 있다.
단계(S420)에서 모바일 기기(310)는 현재 위치(Mn)와 쿼리 이미지(In)를 서버(410)로 전송하여 위치를 요청할 수 있다. 현재 위치(Mn)는 처음에는 단계(S410)에서 수신된 최초 위치일 수 있으며, 쿼리 이미지(In)는 모바일 기기(310)가 포함하는 카메라를 통해 생성되는 프레임 이미지들 중 하나일 수 있다.
단계(S430)에서 모바일 기기(310)는 모바일 기기(310)의 이동(Mn→Mn+1)에 따른 위치를 추적할 수 있다. 일례로, 도 3을 통해 설명한 과정에서 서버(410)를 통해 제공되는 포즈는 많은 연산이 필요한 작업을 거쳐 계산되기 때문에 실시간으로 결과값을 사용하기 어려울 수 있다. 이를 보완하기 위해, 모바일 기기(310)는 서버(410)로부터 응답을 받기 전까지의 모바일 기기(310)의 제1 위치(Mn)에서 제2 위치(Mn+1)로의 이동을 자체적으로 추적할 수 있다. 일례로, 모바일 기기(310)는 비쥬얼 이너셜 오도메트리(Visual Inertial Odometry)를 통해, 또는 제1 위치(Mn)에 카메라의 변화량(일례로, 카메라를 통해 생성되는 프레임 이미지들에서의 동일한 오브젝트의 위치 및/또는 배향의 변화량)을 누적함으로써, 모바일 기기(310)의 제2 위치(Mn+1)를 추정할 수 있다.
단계(S440)에서 모바일 기기(310)는 쿼리 이미지(In)에 대한 응답(Mn')을 수신할 수 있다. 여기서 응답(Mn')은 단계(S420)의 요청에 대한 응답일 수 있다. 실시예에 따라, 모바일 기기(310)는 글로벌 로컬라이제이션 모듈(330) 및 오브젝트 인식 및 포즈 추정 모듈(340) 각각으로부터 전역 포즈
Figure pat00007
및
Figure pat00008
를 수신할 수 있으며, 수학식 1을 통해 전역 포즈
Figure pat00009
를 계산하여 응답(Mn')로서 활용할 수 있다.
단계(S450)에서 모바일 기기(310)는 모바일 기기(310)의 위치 변화량(ΔM)을 응답(Mn')에 적용하여 새로운 현재 위치(Mn+1') 계산할 수 있다. 우선 모바일 기기(310)는 단계(S430)에서 추정된 제2 위치(Mn+1)와 현재 위치(Mn)의 차이에 기반하여 모바일 기기(310)의 위치 변화량(ΔM)을 계산할 수 있다. 이후, 모바일 기기(310)는 응답(Mn')에 모바일 기기(310)의 위치 변화량(ΔM)을 적용함으로써, 새로운 현재 위치(Mn+1')를 계산할 수 있다.
단계(S460)에서 모바일 기기(310)는 제2 위치(Mn+1)와 새로운 현재 위치(Mn+1')에 가중 이동평균을 적용하여 최종 위치(Mn+1'')를 결정할 수 있다. 증강현실 기반의 내비게이션 기능을 제공할 때, 모바일 기기(310)는 제1 위치(Mn)와 제2 위치(Mn+1) 사이에서 추정되는 위치들을 통해 지속적으로 증강현실 컨텐츠를 제공해야 할 필요성이 있다. 예를 들어, 모바일 기기(310)가 서버(410)로부터 1초에 3번의 위치 정보를 제공받을 수 있고, 모바일 기기(310)가 증강현실 컨텐츠의 제공을 위해 1초에 30번의 계산을 처리한다고 가정할 수 있다. 이때, 모바일 기기(310)는 서버(410)로부터 다음 번 위치 정보가 수신되기 전까지 모바일 기기(310)가 추정하는 위치들을 통해 증강현실 컨텐츠의 제공을 위한 연산을 순차적으로 처리하여 사용자에게 증강현실 컨텐츠를 제공할 수 있다. 이 경우, 모바일 기기(310)가 추정하는 위치들은 점점 제2 위치(Mn+1)에 근접해갈 것이다. 이때, 서버(410)로부터 응답(Mn')이 수신되어 새로운 현재 위치(Mn+1')가 계산됨에 따라 제2 위치(Mn+1)에 근접한 위치가 새로운 현재 위치(Mn+1')로 바로 변경된다. 그러나, 제2 위치(Mn+1)와 새로운 현재 위치(Mn+1')간에는 오차가 존재할 수 있기 때문에 제2 위치(Mn+1)와 새로운 현재 위치(Mn+1')간의 오차(차이)에 의해 한 순간에 증강현실 컨텐츠에 이질감이 생길 수 있다. 따라서, 모바일 기기(310)는 제2 위치(Mn+1)와 새로운 현재 위치(Mn+1')에 가중 이동평균을 적용함으로써, 증강현실 컨텐츠에 반영되는 위치들간의 차이를 줄여 증강현실 컨텐츠에 대해 발생하는 이질감을 줄일 수 있다.
이후, 모바일 기기(310)는 다시 단계(S420)를 재수행할 수 있다. 이때, 단계(S420)에서 현재 위치(Mn)는 단계(S460)에서 계산된 최종 위치(Mn+1'')가 될 수 있다.
도 5는 본 발명의 일실시예에 있어서, 카메라를 통해 대상 오브젝트를 촬영하는 예를 도시한 도면이고, 도 6은 본 발명의 일실시예에 있어서, 카메라를 통해 촬영된 이미지들의 예를 도시한 도면이다.
도 5는 카메라(510)가 제1 내지 제3 시간(t1-t3)에 이동 및 회전하면서 대상 물체(Object)를 촬영하는 것을 도시한다. 도 6은 카메라(510)에 의해 제1 내지 제3 시간(t1-t3)에 각각 촬영된 대상 물체(Ob1-Ob3)의 제1 내지 제3 이미지들(Image1-Image3)을 도시한다.
카메라(510)를 포함하거나 또는 카메라(510)와 통신 가능하게 연결된 기기(일례로, 모바일 기기(310) 또는 서버)는 카메라(510)를 이용하여 대상 물체를 촬영하여 이미지를 생성할 수 있다. 이하에서는 카메라(510)를 포함하는 모바일 기기(310)가 이미지를 생성하는 실시예를 설명한다. 또한, 이하에서 '서버'는 도 3에서 설명한 서버단을 구성하는 주체일 수 있다.
도 5 및 도 6을 참조하면, 제1 시점(t1)에 대상 물체(Object)를 촬영한 이미지는 제1 이미지(Image1), 제2 시점(t2)에 대상 물체(Object)를 촬영한 이미지는 제2 이미지(Image2), 제3 시점(t3)에 대상 물체(Object)를 촬영한 이미지는 제3 이미지(Image3)로 지칭한다.
모바일 기기(310)에 의해 생성된 이미지들 중 적어도 하나는 네트워크(170)를 통해 서버로 전송될 수 있다. 예를 들면, 제1 내지 제3 이미지(Image1-Image3)가 서버에 전송될 수 있다. 다른 예에 따르면, 제1 내지 제3 이미지(Image1-Image3) 중 일부가 서버에 전송될 수 있다. 본 실시예에서는 제1 이미지(Image1)와 제3 이미지(Image3)가 서버에 전송되고, 제2 이미지(Image2)는 서버에 전송하지 않는 것으로 가정한다. 모바일 기기(310)가 서버에 이미지를 전송한 후 서버로부터 상대 포즈 데이터를 수신할 때까지 시간이 필요하다. 이 시간에도 카메라(510) 또는 카메라(510)를 포함하는 모바일 기기(310)는 움직일 수 있으며, 모바일 기기(310)의 움직임에 따라 대상 물체의 상대 포즈 데이터는 변하게 된다. 만약, 증강현실 기반의 내비게이션 기능을 제공하는 경우, 모바일 기기(310)에 의해 렌더링되는 가상 물체의 3차원 이미지는 대상 물체의 이전 상대 포즈 데이터를 기초로 생성되므로, 증강 이미지에 이질감이 생길 수 있다. 모바일 기기(310)는 서버로부터 상대 포즈 데이터를 수신하기 전에도, 서버로부터 이전에 수신한 상대 포즈 데이터를 기초로 새로운 이미지 내의 대상 물체의 상대 포즈 데이터를 추정하고, 이러한 대상 물체의 상대 포즈 데이터를 기초로 가상 물체의 3차원 이미지를 렌더링할 수 있기 때문에, 증강 이미지의 이질감은 현격히 감소될 수 있다.
제2 시점(t2)은 제1 시점(t1)의 이후이다. 제3 시점(t3)은 제2 시점(t2)의 이후일 수 있다. 하지만, 이는 예시적일 뿐이며, 제3 시점(t3)은 제1 시점(t1)과 제2 시점(t2) 사이일 수도 있다.
제1 내지 제3 시점(t1, t2, t3) 사이에 카메라(510) 또는 카메라(510)를 포함하는 모바일 기기(310)는 움직일 수 있다. 예를 들면, 제1 내지 제3 시점(t1, t2, t3) 사이에 카메라(510) 또는 카메라(510)를 포함하는 모바일 기기(310)는 제1 방향으로 제1 크기의 병진 운동, 또는 제2 방향으로 제2 크기의 회전 운동 중 적어도 하나를 할 수 있다.
모바일 기기(310)는 카메라(510)가 대상 물체를 촬영한 시점의 카메라(510)의 뷰 데이터를 저장하고 관리할 수 있다. 모바일 기기(310)는 제1 시점(t1)에 제1 뷰 데이터를 저장하고, 제2 시점(t2)에 제2 뷰 데이터를 저장하고, 제3 시점(t3)에 제3 뷰 데이터를 저장할 수 있다. 모바일 기기(310)는 미리 설정된 시간 이전에 저장한 뷰 데이터를 삭제함으로써 뷰 데이터들을 관리할 수 있다.
카메라(510)의 뷰 데이터는 카메라(510)의 포즈와 직접 관련되는 데이터이다. 카메라(510)의 뷰 데이터는 카메라(510)의 포즈에 의해 정의되는 카메라 좌표계 상에서 월드, 즉, 고정된 피사체가 어떻게 이동 및 회전하였는지를 나타내는 뷰 행렬(view matrix)일 수 있다. 다르게 말하자면, 카메라(510)의 뷰 데이터는 월드 좌표계 상의 좌표값을 카메라 좌표계 상으로 변환하는 행렬 또는 이의 원소값들을 의미할 수 있다.
카메라(510)의 움직임에 따라 카메라(510)의 포즈와 이에 의해 정의되는 카메라 좌표계가 변하게 된다. 카메라(510)의 뷰 데이터는 카메라(510)의 움직임에 따라 달라지게 된다.
카메라(510)의 뷰 데이터는 카메라(510)의 포즈 데이터와 역(inverse) 함수의 관계를 가질 수 있다. 카메라(510)의 포즈 데이터는 월드 좌표계 상에서 카메라의 포즈를 나타내는 데이터일 수 있다. 다르게 말하면, 카메라(510)의 포즈 데이터는 카메라 좌표계 상의 좌표값을 월드 좌표계 상으로 변환하는 행렬 또는 이의 원소값들을 의미할 수 있다.
모바일 기기(310)는 카메라(510)의 뷰 데이터를 기초로 카메라(510)의 포즈 데이터를 산출하거나, 카메라(510)의 포즈 데이터를 기초로 카메라(510)의 뷰 데이터를 산출할 수 있다.
본 명세서에서 카메라(510)의 뷰 데이터와 포즈 데이터는 전술한 의미를 갖는 것으로 이해될 수 있지만, 다른 실시예에 따르면, 포즈 데이터가 뷰 행렬이고, 뷰 데이터가 포즈 데이터의 역 행렬일 수도 있다.
모바일 기기(310)는 카메라(510)의 움직임을 감지하고, 카메라(510)의 움직임에 따라 뷰 데이터를 변경 또는 새로 생성할 수 있다.
일 실시예에 모바일 기기(310)는 카메라(510)가 촬영한 이미지들의 특징점들이 어떻게 이동하였는지를 기초로 카메라(510)의 움직임을 감지할 수 있다. 예를 들면, 모바일 기기(310)는 제1 이미지(Image1) 내의 특징점들과 제2 이미지(Image2) 내의 특징점들이 서로 어떻게 변화하였는지를 감지하고, 이를 기초로 카메라(510)의 병진 운동의 방향 및 크기, 및 카메라(510)의 회전 운동의 방향 및 크기를 추정할 수 있다. 일 예에 따르면, 모바일 기기(310)는 비쥬얼 오도메트리(Visual Odometry) 기술을 이용하여 카메라(510)의 뷰 데이터를 생성 및 관리할 수 있다. 다른 실시예에 따르면, 모바일 기기(310)는 센서들의 센서 값들을 기초로 카메라(510)의 뷰 데이터를 생성 및 관리할 수 있다. 센서들은 관성 센서들일 수 있으며, 모바일 기기(310)가 어디로 얼만큼 이동 및 회전하였는지에 대응하는 센서 값들을 출력할 수 있다.
또 다른 실시예에 따르면, 모바일 기기(310)는 카메라(510)가 촬영한 이미지들 내의 특징점들의 변화 및 센서들의 센서 값들을 기초로 카메라(510)의 뷰 데이터를 생성 및 관리할 수 있다. 예를 들면, 모바일 기기(310)는 비쥬얼 이너셜 오도메트리(Visual Inertial Odometry) 기술을 이용하여 카메라(510)의 뷰 데이터를 생성 및 관리할 수 있다.
모바일 기기(310)는 서버로부터 대상 물체(Object)의 상대 포즈 데이터를 수신하고, 수신된 대상 물체의 상대 포즈 데이터와 이와 동일한 시점의 카메라의 뷰 데이터에 기초하여 대상 물체의 포즈 데이터를 추정하고, 저장하고, 관리할 수 있다.
예를 들면, 서버로부터 제1 시점(t1)의 대상 물체(Object)의 제1 상대 포즈 데이터와 제1 시점(t1)의 카메라(510)의 제1 뷰 데이터를 기초로, 대상 물체(Object)의 포즈 데이터를 산출하고 저장할 수 있다. 이후, 서버로부터 제3 시점(t3)의 대상 물체(Object)의 제3 상대 포즈 데이터와 제3 시점(t3)의 카메라(510)의 제3 뷰 데이터를 기초로, 대상 물체(Object)의 포즈 데이터를 산출할 수 있다.
제1 시점(t1)에 대해 산출된 대상 물체(Object)의 포즈 데이터(이하, '제1 포즈 데이터'라 함)와 제3 시점(t3)에 대해 산출된 대상 물체(Object)의 포즈 데이터(이하, '제2 포즈 데이터'라 함)는 이론적으로 동일한 값을 가져야 한다. 그러나, 서버의 학습 모델의 부정확성, 또는 카메라(510)의 뷰 데이터의 부정확성 등의 이유로 제1 포즈 데이터와 제2 포즈 데이터가 서로 허용할 수 없는 오차를 가질 수도 있다.
모바일 기기(310)는 제1 포즈 데이터와 제2 포즈 데이터 간의 오차가 기준치를 초과하는 경우, 제2 포즈 데이터를 무시할 수 있다. 반대로, 제1 포즈 데이터와 제2 포즈 데이터 간의 오차가 기준치 내인 경우, 모바일 기기(310)는 제1 포즈 데이터와 제2 포즈 데이터를 기초로 모바일 기기(310)에서 사용하는 포즈 데이터를 갱신할 수 있다. 예를 들면, 모바일 기기(310)는 제1 포즈 데이터와 제2 포즈 데이터에 대하여 평균 또는 가중 평균을 이용하여 대상 물체의 포즈 데이터를 갱신할 수 있다.
모바일 기기(310)는 대상 물체의 포즈 데이터와 카메라(510)의 뷰 데이터에 기초하여 대상 물체(Object)의 상대 포즈 데이터를 추정할 수 있다.
다른 예에 따르면, 모바일 기기(310)는 서버로부터 대상 물체(Object)의 상대 포즈 데이터를 수신할 수도 있다.
모바일 기기(310)는 제1 내지 제3 시점들(t1-t3)에서 이미지들 상의 대상 물체의 위치를 추적할 수 있다. 예를 들면, 제1 시점(t1)의 제1 이미지(Image1)를 수신한 서버는 제1 이미지(Imgae1) 내의 대상 물체(Object)의 종류 및 위치를 추정하여, 모바일 기기(310)에 제공할 수 있다. 모바일 기기(310)는 제1 이미지(Image1) 내의 대상 물체(Object)의 위치를 기초로 대상 물체(Object)를 추적함으로써 제2 이미지(Image2) 내의 대상 물체(Object)의 위치를 결정할 수 있다. 모바일 기기(310)는 제1 이미지(Image1)와 제2 이미지(Image2) 내에 특징점들을 추출하고, 이들을 서로 비교함으로써, 제1 이미지(Image1) 내의 대상 물체가 제2 이미지(Image2)에서 어디에 위치하는지를 추적할 수 있다.
모바일 기기(310)는 카메라(510)의 뷰 데이터에 기초하여 카메라(510)의 포즈 데이터를 추정할 수 있다. 이때, 모바일 기기(310)는 카메라(510)의 뷰 데이터의 역 행렬을 산출함으로써 카메라(510)의 포즈 데이터를 산출할 수 있다.
도 7은 본 발명의 일실시예에 따른 모바일 기기의 위치 인식 방법의 예를 도시한 흐름도이다. 본 실시예에 따른 위치 인식 방법은 모바일 기기(310)를 구현하는 컴퓨터 장치(200)에 의해 수행될 수 있다. 이때, 컴퓨터 장치(200)의 프로세서(220)는 메모리(210)가 포함하는 운영체제의 코드나 적어도 하나의 컴퓨터 프로그램의 코드에 따른 제어 명령(instruction)을 실행하도록 구현될 수 있다. 여기서, 프로세서(220)는 컴퓨터 장치(200)에 저장된 코드가 제공하는 제어 명령에 따라 컴퓨터 장치(200)가 도 7의 방법이 포함하는 단계들(710 내지 770)을 수행하도록 컴퓨터 장치(200)를 제어할 수 있다.
단계(710)에서 컴퓨터 장치(200)는 카메라를 통해 프레임 이미지를 생성할 수 있다. 이때, 컴퓨터 장치(200)는 카메라를 통해 프레임 이미지들을 지속적으로 생성할 수 있다.
단계(720)에서 컴퓨터 장치(200)는 카메라의 제1 전역 포즈 및 생성된 프레임 이미지를 서버로 전송할 수 있다. 일례로, 도 4의 단계(S420)에서는 모바일 기기(310)가 현재 위치(Mn)와 쿼리 이미지(In)를 서버(410)로 전송하여 위치를 요청하는 예를 설명한 바 있다.
단계(730)에서 컴퓨터 장치(200)는 카메라의 제1 전역 포즈에서 제3 전역 포즈로의 변화를 추적할 수 있다. 일례로, 도 4의 단계(S430)에서는 모바일 기기(310)가 모바일 기기(310)의 이동(Mn→Mn+1)에 따른 위치를 추적할 수 있음을 설명한 바 있다.
단계(740)에서 컴퓨터 장치(200)는 서버로부터 전송된 프레임 이미지에 포함된 오브젝트의 포즈에 기반하여 추정되는 카메라의 제2 전역 포즈를 수신할 수 있다. 일례로, 도 4의 단계(S440)에서는 모바일 기기(310)가 서버(410)로부터 쿼리 이미지(In)에 대한 응답(Mn') 수신할 수 있음을 설명한 바 있다. 이 경우, 제2 전역 포즈는 응답(Mn')에 대응될 수 있다. 일실시예로, 제2 전역 포즈는 서버에서 프레임 이미지를 분석하여 계산되는 카메라와 프레임 이미지가 포함하는 대상 오브젝트와의 상대 포즈만큼 서버가 저장하고 있는 대상 오브젝트의 전역 포즈를 변환시켜 추정될 수 있다.
한편, 여기서, 제2 전역 포즈는 앞서 설명한 오브젝트 인식 및 포즈 추정 모듈(340)로부터의 전역 포즈
Figure pat00010
에 대응할 수 있다. 이에 컴퓨터 장치(200)는 서버로부터 제2 전역 포즈 외에도, 제2 전역 포즈에 대응하는 제1 신뢰도 값 w1, 글로벌 로컬라이제이션에 기반하여 추정되는 컴퓨터 장치(200)의 전역 포즈
Figure pat00011
및 전역 포즈
Figure pat00012
에 대응하는 제2 신뢰도 값 w2를 더 수신할 수 있다. 이 경우, 컴퓨터 장치(200)는 제1 신뢰도 값 및 제2 신뢰도 값에 기반한 서로 다른 가중치를 제2 전역 포즈
Figure pat00013
및 전역 포즈
Figure pat00014
에 부여하여 전역 포즈
Figure pat00015
를 결정할 수 있다. 이때, 제1 신뢰도 값이 제2 신뢰도 값보다 클수록 전역 포즈
Figure pat00016
에서 제2 전역 포즈
Figure pat00017
의 비중이 상대적으로 더 커지도록 전역 포즈
Figure pat00018
를 결정할 수 있다. 보다 구체적인 예로, 수학식 1을 통해 전역 포즈
Figure pat00019
를 결정하는 실시예를 설명한 바 있다. 이미 설명한 바와 같이, 컴퓨터 장치(200)는 글로벌 로컬라이제이션 모듈(330) 및 오브젝트 인식 및 포즈 추정 모듈(340) 각각으로부터 전역 포즈
Figure pat00020
및
Figure pat00021
를 수신할 수 있으며, 수학식 1을 통해 전역 포즈
Figure pat00022
를 계산하여 응답(Mn')로서 활용할 수 있다.
단계(750)에서 컴퓨터 장치(200)는 제3 전역 포즈와 제1 전역 포즈에 기초하여 포즈 변화량을 계산할 수 있다. 예를 들어, 컴퓨터 장치(200)는 제3 전역 포즈와 제1 전역 포즈의 차이를 통해 포즈 변화량을 계산할 수 있다.
단계(760)에서 컴퓨터 장치(200)는 제2 전역 포즈에 포즈 변화량을 적용하여 제4 전역 포즈를 결정할 수 있다. 일례로, 도 4의 단계(S450)를 통해 모바일 기기(310)의 위치 변화량(ΔM)을 응답(Mn')에 적용하여 새로운 현재 위치(Mn+1') 계산하는 예를 설명한 바 있다. 여기서, 제2 전역 포즈는 응답(Mn')에, 제4 전역 포즈는 (Mn+1')에 각각 대응될 수 있다.
단계(770)에서 컴퓨터 장치(200)는 제3 전역 포즈와 제4 전역 포즈에 가중 이동평균을 적용하여 제5 전역 포즈를 결정할 수 있다. 일례로, 도 4의 단계(S460)에서 (Mn+1)과 (Mn+1')에 가중 이동평균을 적용하여 최종 위치(Mn+1'')를 결정하는 예를 설명한 바 있다. 여기서, 제3 전역 포즈는 (Mn+1)에, 제4 전역 포즈는 (Mn+1')에, 제5 전역 포즈는 (Mn+1'')에 각각 대응될 수 있다.
도 8은 본 발명의 일실시예에 따른 서버의 위치 인식 방법의 예를 도시한 흐름도이다. 본 실시예에 따른 위치 인식 방법은 오브젝트 인식 및 포즈 추정 모듈(340)을 구현하는 컴퓨터 장치(200)에 의해 수행될 수 있다. 이때, 컴퓨터 장치(200)의 프로세서(220)는 메모리(210)가 포함하는 운영체제의 코드나 적어도 하나의 컴퓨터 프로그램의 코드에 따른 제어 명령(instruction)을 실행하도록 구현될 수 있다. 여기서, 프로세서(220)는 컴퓨터 장치(200)에 저장된 코드가 제공하는 제어 명령에 따라 컴퓨터 장치(200)가 도 8의 방법이 포함하는 단계들(810 내지 860)을 수행하도록 컴퓨터 장치(200)를 제어할 수 있다.
단계(810)에서 컴퓨터 장치(200)는 오브젝트들을 대응하는 전역 포즈와 연관하여 데이터베이스에 등록할 수 있다. 컴퓨터 장치(200)는 다수의 오브젝트들을 데이터베이스에 등록할 수 있으며, 글로벌 로컬라이제이션의 도움을 받아 다수의 오브젝트들 각각에 대한 전역 포즈를 대응하는 오브젝트와 연관하여 데이터베이스에 저장할 수 있다. 일례로, 오브젝트의 전역 포즈는 앞서 도 3을 통해 설명한 글로벌 로컬라이제이션 모듈(330)을 통해 결정될 수 있다.
단계(820)에서 컴퓨터 장치(200)는 모바일 기기로부터 쿼리 이미지를 수신할 수 있다. 여기서, 모바일 기기는 앞서 설명한 모바일 기기(310)에 대응할 수 있으며, 쿼리 이미지는 모바일 기기(310)가 포함하는 카메라를 통해 생성되는 프레임 이미지들 중 하나일 수 있다.
단계(830)에서 컴퓨터 장치(200)는 쿼리 이미지를 분석하여 모바일 기기의 카메라와 쿼리 이미지가 포함하는 대상 오브젝트와의 상대 포즈를 계산할 수 있다. 이미지를 통해 이미지가 포함하는 대상 오브젝트와 이미지를 촬영한 카메라간의 상대 포즈를 계산하는 방식에 대해서는 앞서 도 5 및 도 6을 통해 자세히 설명한 바 있다.
단계(840)에서 컴퓨터 장치(200)는 대상 오브젝트의 전역 포즈를 데이터베이스에서 검색할 수 있다. 일례로, 컴퓨터 장치(200)는 쿼리 이미지에서 인식된 대상 오브젝트를 데이터베이스에서 검색하여 대응하는 오브젝트와 연계되어 데이터베이스에 저장된 전역 포즈를 대상 오브젝트의 전역 포즈로 추출할 수 있다.
단계(850)에서 컴퓨터 장치(200)는 검색된 전역 포즈를 계산된 상대 포즈만큼 변환시켜 모바일 기기의 카메라에 대한 전역 포즈를 결정할 수 있다. 상대 포즈는 카메라의 대상 오브젝트와의 상대 포즈로서 대상 오브젝트의 전역 포즈를 아는 경우, 컴퓨터 장치(200)는 대상 오브젝트의 전역 포즈를 이동시켜 카메라에 대한 전역 포즈를 추정할 수 있다.
단계(860)에서 컴퓨터 장치(200)는 결정된 전역 포즈를 모바일 기기로 전달할 수 있다. 실시예에 따라, 컴퓨터 장치(200)는 결정된 전역 포즈로서의 제1 전역 포즈, 제1 전역 포즈에 대응하는 제1 신뢰도 값, 글로벌 로컬라이제이션에 기반하여 추정되는 모바일 기기의 제2 전역 포즈 및 제2 전역 포즈에 대응하는 제2 신뢰도 값을 모바일 기기로 전송할 수 있다. 이 경우, 모바일 기기에서 제1 신뢰도 값 및 제2 신뢰도 값에 기반한 서로 다른 가중치를 제1 전역 포즈 및 제2 전역 포즈에 부여하여 제3 전역 포즈가 결정될 수 있다.
이와 같이, 본 발명의 실시예들에 따르면, POI(Point of Interest)에 대한 시각 정보 처리 기반으로 사용자의 위치를 인식할 수 있다.
이상에서 설명된 시스템 또는 장치는 하드웨어 구성요소, 또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 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, 가상 장치(virtual equipment), 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 기록매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 매체는 컴퓨터로 실행 가능한 프로그램을 계속 저장하거나, 실행 또는 다운로드를 위해 임시 저장하는 것일 수도 있다. 또한, 매체는 단일 또는 수개 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, 애플리케이션을 유통하는 앱 스토어나 기타 다양한 소프트웨어를 공급 내지 유통하는 사이트, 서버 등에서 관리하는 기록매체 내지 저장매체도 들 수 있다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.
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 청구범위와 균등한 것들도 후술하는 청구범위의 범위에 속한다.

Claims (14)

  1. 적어도 하나의 프로세서를 포함하는 컴퓨터 장치의 위치 인식 방법에 있어서,
    상기 적어도 하나의 프로세서에 의해, 카메라를 통해 프레임 이미지를 생성하는 단계;
    상기 적어도 하나의 프로세서에 의해, 상기 카메라의 제1 전역 포즈 및 상기 생성된 프레임 이미지를 서버로 전송하는 단계; 및
    상기 적어도 하나의 프로세서에 의해, 상기 서버로부터 상기 전송된 프레임 이미지에 포함된 오브젝트의 포즈에 기반하여 추정되는 상기 카메라의 제2 전역 포즈를 수신하는 단계
    를 포함하는 위치 인식 방법.
  2. 제1항에 있어서,
    상기 제2 전역 포즈는 상기 서버에서 상기 프레임 이미지를 분석하여 계산되는 상기 카메라와 상기 프레임 이미지가 포함하는 대상 오브젝트와의 상대 포즈만큼 상기 서버가 저장하고 있는 상기 대상 오브젝트의 전역 포즈를 변환시켜 추정되는 것을 특징으로 하는 위치 인식 방법.
  3. 제1항에 있어서,
    상기 카메라의 제2 전역 포즈를 수신하는 단계는,
    상기 서버로부터, 상기 제2 전역 포즈, 상기 제2 전역 포즈에 대응하는 제1 신뢰도 값, 상기 서버에서 글로벌 로컬라이제이션에 기반하여 추정되는 상기 컴퓨터 장치의 전역 포즈로서의 제3 전역 포즈 및 상기 제3 전역 포즈에 대응하는 제2 신뢰도 값을 수신하는 단계; 및
    상기 제1 신뢰도 값 및 상기 제2 신뢰도 값에 기반한 서로 다른 가중치를 상기 제2 전역 포즈 및 상기 제3 전역 포즈에 부여하여 제4 전역 포즈를 결정하는 단계
    를 포함하는 것을 특징으로 하는 위치 인식 방법.
  4. 제3항에 있어서,
    상기 제4 전역 포즈를 결정하는 단계는,
    상기 제1 신뢰도 값이 상기 제2 신뢰도 값보다 클수록 상기 제4 전역 포즈에서 상기 제2 전역 포즈의 비중이 상대적으로 더 커지도록 상기 제4 전역 포즈를 결정하는 것을 특징으로 하는 위치 인식 방법.
  5. 제1항에 있어서,
    상기 적어도 하나의 프로세서에 의해, 상기 카메라의 제1 전역 포즈에서 제3 전역 포즈로의 변화를 추적하는 단계;
    상기 적어도 하나의 프로세서에 의해, 상기 제3 전역 포즈와 상기 제1 전역 포즈에 기초하여 포즈 변화량을 계산하는 단계; 및
    상기 적어도 하나의 프로세서에 의해, 상기 제2 전역 포즈에 상기 포즈 변화량을 적용하여 제4 전역 포즈를 결정하는 단계
    를 더 포함하는 위치 인식 방법.
  6. 제5항에 있어서,
    상기 적어도 하나의 프로세서에 의해, 상기 제3 전역 포즈와 상기 제4 전역 포즈에 가중 이동평균을 적용하여 제5 전역 포즈를 결정하는 단계
    를 더 포함하는 위치 인식 방법.
  7. 제5항에 있어서,
    상기 변화를 추적하는 단계는,
    비쥬얼 이너셜 오도메트리(Visual Inertial Odometry)를 이용하여 또는 상기 제1 전역 포즈에 상기 카메라의 변화량을 누적하여 상기 제3 전역 포즈를 추정하는 것을 특징으로 하는 위치 인식 방법.
  8. 적어도 하나의 프로세서를 포함하는 컴퓨터 장치의 위치 인식 방법에 있어서,
    상기 적어도 하나의 프로세서에 의해, 오브젝트들을 대응하는 전역 포즈와 연관하여 데이터베이스에 등록하는 단계;
    상기 적어도 하나의 프로세서에 의해, 모바일 기기로부터 쿼리 이미지를 수신하는 단계;
    상기 적어도 하나 프로세서에 의해, 상기 쿼리 이미지를 분석하여 상기 모바일 기기의 카메라와 상기 쿼리 이미지가 포함하는 대상 오브젝트와의 상대 포즈를 계산하는 단계;
    상기 적어도 하나 프로세서에 의해, 상기 대상 오브젝트의 전역 포즈를 상기 데이터베이스에서 검색하는 단계;
    상기 적어도 하나 프로세서에 의해, 상기 검색된 전역 포즈를 상기 계산된 상대 포즈만큼 변환시켜 상기 모바일 기기의 카메라에 대한 전역 포즈를 결정하는 단계; 및
    상기 결정된 전역 포즈를 상기 모바일 기기로 전달하는 단계
    를 포함하는 것을 특징으로 하는 위치 인식 방법.
  9. 제8항에 있어서,
    상기 전달하는 단계는,
    상기 결정된 전역 포즈로서의 제1 전역 포즈, 상기 제1 전역 포즈에 대응하는 제1 신뢰도 값, 글로벌 로컬라이제이션에 기반하여 추정되는 상기 모바일 기기의 제2 전역 포즈 및 상기 제2 전역 포즈에 대응하는 제2 신뢰도 값을 상기 모바일 기기로 전송하는 것을 특징으로 하는 위치 인식 방법.
  10. 제9항에 있어서,
    상기 모바일 기기에서 상기 제1 신뢰도 값 및 상기 제2 신뢰도 값에 기반한 서로 다른 가중치를 상기 제1 전역 포즈 및 상기 제2 전역 포즈에 부여하여 제3 전역 포즈가 결정되는 것을 특징으로 하는 위치 인식 방법.
  11. 컴퓨터 장치와 결합되어 제1항 내지 제10항 중 어느 한 항의 방법을 컴퓨터 장치에 실행시키기 위해 컴퓨터 판독 가능한 기록매체에 저장된 컴퓨터 프로그램.
  12. 제1항 내지 제10항 중 어느 한 항의 방법을 컴퓨터 장치에 실행시키기 위한 컴퓨터 프로그램이 기록되어 있는 컴퓨터 판독 가능한 기록매체.
  13. 컴퓨터에서 판독 가능한 명령을 실행하도록 구현되는 적어도 하나의 프로세서
    를 포함하고,
    상기 적어도 하나의 프로세서에 의해,
    오브젝트들을 대응하는 전역 포즈와 연관하여 데이터베이스에 등록하고,
    모바일 기기로부터 쿼리 이미지를 수신하고,
    상기 쿼리 이미지를 분석하여 상기 모바일 기기의 카메라와 상기 쿼리 이미지가 포함하는 대상 오브젝트와의 상대 포즈를 계산하고,
    상기 대상 오브젝트의 전역 포즈를 상기 데이터베이스에서 검색하고,
    상기 검색된 전역 포즈를 상기 계산된 상대 포즈만큼 변환시켜 상기 모바일 기기의 카메라에 대한 전역 포즈를 결정하고,
    상기 결정된 전역 포즈를 상기 모바일 기기로 전달하는 것
    을 특징으로 하는 컴퓨터 장치.
  14. 제13항에 있어서,
    상기 적어도 하나의 프로세서에 의해,
    상기 결정된 전역 포즈로서의 제1 전역 포즈, 상기 제1 전역 포즈에 대응하는 제1 신뢰도 값, 글로벌 로컬라이제이션에 기반하여 추정되는 상기 모바일 기기의 제2 전역 포즈 및 상기 제2 전역 포즈에 대응하는 제2 신뢰도 값을 상기 모바일 기기로 전송하는 것
    을 특징으로 하는 컴퓨터 장치.
KR1020190168100A 2019-12-16 2019-12-16 시각 정보 처리 기반의 위치 인식 방법 및 시스템 KR102383567B1 (ko)

Priority Applications (3)

Application Number Priority Date Filing Date Title
KR1020190168100A KR102383567B1 (ko) 2019-12-16 2019-12-16 시각 정보 처리 기반의 위치 인식 방법 및 시스템
PCT/KR2020/016271 WO2021125578A1 (ko) 2019-12-16 2020-11-18 시각 정보 처리 기반의 위치 인식 방법 및 시스템
US17/712,849 US20220230350A1 (en) 2019-12-16 2022-04-04 Position recognition method and system based on visual information processing

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190168100A KR102383567B1 (ko) 2019-12-16 2019-12-16 시각 정보 처리 기반의 위치 인식 방법 및 시스템

Publications (2)

Publication Number Publication Date
KR20210076668A true KR20210076668A (ko) 2021-06-24
KR102383567B1 KR102383567B1 (ko) 2022-04-06

Family

ID=76477707

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190168100A KR102383567B1 (ko) 2019-12-16 2019-12-16 시각 정보 처리 기반의 위치 인식 방법 및 시스템

Country Status (3)

Country Link
US (1) US20220230350A1 (ko)
KR (1) KR102383567B1 (ko)
WO (1) WO2021125578A1 (ko)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114310951B (zh) * 2021-12-31 2024-04-26 北京航空航天大学杭州创新研究院 位姿优化方法、装置、抓取设备和计算机可读存储介质
US11989343B2 (en) * 2022-01-05 2024-05-21 Nokia Technologies Oy Pose validity for XR based services
CN116664684B (zh) * 2022-12-13 2024-04-05 荣耀终端有限公司 定位方法、电子设备及计算机可读存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140136016A (ko) * 2012-03-02 2014-11-27 퀄컴 인코포레이티드 장면 구조-기반 자가-포즈 추정
KR20150024351A (ko) * 2012-05-31 2015-03-06 퀄컴 인코포레이티드 주변 정보에 기초한 포즈 추정
KR20150124372A (ko) * 2014-03-31 2015-11-05 시아오미 아이엔씨. 측위 네비게이션 방법, 장치, 프로그램 및 기록매체
KR20180123558A (ko) * 2016-04-11 2018-11-16 폭스바겐 악티엔 게젤샤프트 제1 랜드마크의 글로벌 위치를 결정하는 방법 및 시스템

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101942646B1 (ko) * 2017-04-03 2019-01-25 한국과학기술원 영상 특징점 기반의 실시간 카메라 자세 추정 방법 및 그 장치
KR102557049B1 (ko) * 2018-03-30 2023-07-19 한국전자통신연구원 Slam 기반 카메라 추적에서 라벨된 키프레임을 이용한 이미지 특징 매칭 방법 및 장치

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140136016A (ko) * 2012-03-02 2014-11-27 퀄컴 인코포레이티드 장면 구조-기반 자가-포즈 추정
KR20150024351A (ko) * 2012-05-31 2015-03-06 퀄컴 인코포레이티드 주변 정보에 기초한 포즈 추정
KR20150124372A (ko) * 2014-03-31 2015-11-05 시아오미 아이엔씨. 측위 네비게이션 방법, 장치, 프로그램 및 기록매체
KR20180123558A (ko) * 2016-04-11 2018-11-16 폭스바겐 악티엔 게젤샤프트 제1 랜드마크의 글로벌 위치를 결정하는 방법 및 시스템

Also Published As

Publication number Publication date
US20220230350A1 (en) 2022-07-21
WO2021125578A1 (ko) 2021-06-24
KR102383567B1 (ko) 2022-04-06

Similar Documents

Publication Publication Date Title
US10726264B2 (en) Object-based localization
CN111325796B (zh) 用于确定视觉设备的位姿的方法和装置
US8526677B1 (en) Stereoscopic camera with haptic feedback for object and location detection
EP2915137B1 (en) Using a plurality of sensors for mapping and localization
KR102383567B1 (ko) 시각 정보 처리 기반의 위치 인식 방법 및 시스템
KR102092392B1 (ko) 실 공간에서 관심지점 관련 정보를 자동으로 수집 및 업데이트하는 방법 및 시스템
US11288836B2 (en) Apparatus and method for managing feature point map
KR102212825B1 (ko) 이미지를 기반으로 포즈 계산을 위한 지도의 최신성을 유지하는 방법 및 시스템
CN111094895B (zh) 用于在预构建的视觉地图中进行鲁棒自重新定位的系统和方法
JP2018128314A (ja) 移動体位置推定システム、移動体位置推定端末装置、情報格納装置、及び移動体位置推定方法
KR102234461B1 (ko) ２ｄ 지도를 이용하여 거리뷰 이미지의 깊이 정보를 생성하는 방법 및 시스템
US11062475B2 (en) Location estimating apparatus and method, learning apparatus and method, and computer program products
US10660062B1 (en) Indoor positioning
KR102322000B1 (ko) 비주얼 로컬리제이션과 오도메트리를 기반으로 한 경로 추적 방법 및 시스템
KR102622585B1 (ko) 실내 길안내 장치 및 그 방법
CN113610702B (zh) 一种建图方法、装置、电子设备及存储介质
KR20230049969A (ko) 글로벌 측위 장치 및 방법
KR102150954B1 (ko) 점군 정보 가공 장치 및 방법
US20180350216A1 (en) Generating Representations of Interior Space
KR102316216B1 (ko) 블라인드 워터마킹 기술을 이용한 카메라 기반 측위 방법 및 시스템
KR20210050997A (ko) 포즈 추정 방법 및 장치, 컴퓨터 판독 가능한 기록 매체 및 컴퓨터 프로그램
KR102158316B1 (ko) 점군 정보 가공 장치 및 방법
US10735902B1 (en) Method and computer program for taking action based on determined movement path of mobile devices
US10157189B1 (en) Method and computer program for providing location data to mobile devices
KR20210051002A (ko) 포즈 추정 방법 및 장치, 컴퓨터 판독 가능한 기록 매체 및 컴퓨터 프로그램

Legal Events

Date Code Title Description
E90F Notification of reason for final refusal
E701 Decision to grant or registration of patent right