KR20220122287A - 증강 현실 제공 장치의 포즈 결정 방법 및 장치 - Google Patents

증강 현실 제공 장치의 포즈 결정 방법 및 장치 Download PDF

Info

Publication number
KR20220122287A
KR20220122287A KR1020210026726A KR20210026726A KR20220122287A KR 20220122287 A KR20220122287 A KR 20220122287A KR 1020210026726 A KR1020210026726 A KR 1020210026726A KR 20210026726 A KR20210026726 A KR 20210026726A KR 20220122287 A KR20220122287 A KR 20220122287A
Authority
KR
South Korea
Prior art keywords
pose
information
augmented reality
determining
reliability value
Prior art date
Application number
KR1020210026726A
Other languages
English (en)
Inventor
사공동훈
주호진
피재환
장현성
Original Assignee
삼성전자주식회사
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 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to KR1020210026726A priority Critical patent/KR20220122287A/ko
Priority to US17/392,473 priority patent/US11915448B2/en
Priority to CN202110916143.7A priority patent/CN114972689A/zh
Priority to EP21208611.0A priority patent/EP4050564A1/en
Priority to JP2021187636A priority patent/JP2022132063A/ja
Publication of KR20220122287A publication Critical patent/KR20220122287A/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
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/03—Arrangements for converting the position or the displacement of a member into a coded form
    • G06F3/033—Pointing devices displaced or positioned by the user, e.g. mice, trackballs, pens or joysticks; Accessories therefor
    • G06F3/038—Control and interface arrangements therefor, e.g. drivers or device-embedded control circuitry
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G06T19/006—Mixed reality
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
    • G06F3/012—Head tracking input arrangements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
    • G06F3/013—Eye tracking input arrangements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/03—Arrangements for converting the position or the displacement of a member into a coded form
    • G06F3/033—Pointing devices displaced or positioned by the user, e.g. mice, trackballs, pens or joysticks; Accessories therefor
    • G06F3/0346—Pointing devices displaced or positioned by the user, e.g. mice, trackballs, pens or joysticks; Accessories therefor with detection of the device orientation or free movement in a 3D space, e.g. 3D mice, 6-DOF [six degrees of freedom] pointers using gyroscopes, accelerometers or tilt-sensors
    • 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
    • G06T7/70—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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
    • 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)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Software Systems (AREA)
  • Computer Hardware Design (AREA)
  • Computer Graphics (AREA)
  • Image Analysis (AREA)
  • Navigation (AREA)

Abstract

증강 현실 제공 장치의 포즈 결정 방법 및 장치가 개시된다. 증강 현실 제공 장치의 포즈 결정 방법은 상기 증강 현실 제공 장치의 움직임 센서를 이용하여 증강 현실 제공 장치의 움직임 정보를 추정하는 단계, 움직임 정보를 기초로 증강 현실 제공 장치의 제1 포즈 정보를 결정하는 단계, 증강 현실 제공 장치의 이미지 센서를 통해 현재 영상 프레임을 획득하는 단계, 현재 영상 프레임에서 객체의 특징점들을 추출하는 단계, 추출된 특징점들과 객체에 대해 미리 정의된 특징점 위치 정보를 기초로 증강 현실 제공 장치의 제2 포즈 정보를 추정하는 단계, 움직임 정보와 특징점들의 추출 정보에 기초하여 제1 포즈 정보와 제2 포즈 정보 각각의 신뢰도 값을 결정하는 단계, 및 제1 포즈 정보, 제2 포즈 정보 및 신뢰도 값에 기초하여 증강 현실 제공 장치의 포즈를 결정하는 단계를 포함한다.

Description

증강 현실 제공 장치의 포즈 결정 방법 및 장치{METHOD AND APPARATUS FOR DETERMINING POSE OF AUGMENTED REALITY PROVIDING DEVICE}
이하 실시예들은 증강 현실 제공 장치의 포즈를 결정하는 기술 및 증강 현실 제공 기술에 관한 것이다.
최근 가상 현실(virtual reality; VR), 증강 현실(augmented reality; AR) 또는 혼합 현실(mixed reality; MR)을 구현할 수 있는 전자 기기들이 개발되면서, 이에 대한 관심이 증가하고 있다. 이 중 증강 현실은 현실 세계의 환경 위에 가상의 객체나 정보를 결합하여 보여주는 디스플레이 기술이다. 증강 현실은 다양한 현실 환경에 응용이 가능하다는 장점이 있고, 유비쿼터스(ubiquitous) 환경이나 사물 인터넷(internet of things; IoT) 환경에 적합한 차세대 디스플레이 기술로 주목 받고 있다. 증강 현실은 외부 전경과 가상 영상의 결합을 통해 사용자에게 새로운 경험을 제공할 수 있고, 정보를 보다 효과적이고 실감나게 전달할 수 있는 수단이 될 수 있다.
일 실시예에 따른 증강 현실 제공 장치의 포즈 결정 방법은, 상기 증강 현실 제공 장치의 움직임 센서를 이용하여 상기 증강 현실 제공 장치의 움직임 정보를 추정하는 단계; 상기 움직임 정보를 기초로 상기 증강 현실 제공 장치의 제1 포즈 정보를 결정하는 단계; 상기 증강 현실 제공 장치의 이미지 센서를 통해 현재 영상 프레임을 획득하는 단계; 상기 현재 영상 프레임에서 객체의 특징점들을 추출하는 단계; 상기 추출된 특징점들과 상기 객체에 대해 미리 정의된 특징점 위치 정보를 기초로 상기 증강 현실 제공 장치의 제2 포즈 정보를 추정하는 단계; 상기 움직임 정보와 상기 특징점들의 추출 정보에 기초하여 상기 제1 포즈 정보와 상기 제2 포즈 정보 각각의 신뢰도 값을 결정하는 단계; 및 상기 제1 포즈 정보, 상기 제2 포즈 정보 및 상기 신뢰도 값에 기초하여 상기 증강 현실 제공 장치의 포즈를 결정하는 단계를 포함할 수 있다.
상기 신뢰도 값을 결정하는 단계는, 상기 움직임 정보에 기초하여 추정된 현재 시점에서의 상기 객체의 특징점 위치와 상기 특징점들의 추출 정보에 따른 상기 현재 시점에서의 상기 객체의 특징점 위치 간의 차이에 기초하여 상기 신뢰도 값을 결정하는 단계를 포함할 수 있다.
신뢰도 값을 결정하는 단계는, 상기 차이가 조건을 만족시키는 경우, 상기 제1 포즈 정보의 신뢰도 값을 상기 제2 포즈 정보의 신뢰도 값보다 더 높게 결정하는 단계를 포함할 수 있다.
상기 신뢰도 값을 결정하는 단계는, 상기 움직임 정보에 따른 상기 증강 현실 제공 장치의 움직임 정도에 기초하여 상기 신뢰도 값을 결정하는 단계를 포함할 수 있다.
상기 신뢰도 값을 결정하는 단계는, 상기 움직임 정도가 조건을 만족시키는 경우, 상기 제1 포즈 정보의 신뢰도 값을 상기 제2 포즈 정보의 신뢰도 값보다 더 높게 결정하는 단계를 포함할 수 있다.
상기 증강 현실 제공 장치의 포즈를 결정하는 단계는, 상기 제1 포즈 정보와 상기 제2 포즈 정보 각각의 신뢰도 값에 기초하여 상기 제1 포즈 정보와 상기 제2 포즈 정보를 조합하는 것에 의해 상기 증강 현실 제공 장치의 포즈를 결정하는 단계를 포함할 수 있다.
상기 미리 정의된 특징점 위치 정보는, 상기 객체가 기준 포즈에 있을 때의 상기 객체의 표면 상에 위치하는 기준 특징점들의 3차원 좌표 정보를 나타낼 수 있다.
일 실시예에 따른 증강 현실 제공 장치의 포즈를 결정하는 포즈 결정 장치는, 상기 증강 현실 제공 장치의 움직임 정보를 측정하는 움직임 센서; 상기 증강 현실 제공 장치의 주변 중 적어도 일부를 촬영하여 현재 영상 프레임을 획득하는 이미지 센서; 및 상기 측정한 움직임 정보 및 상기 획득된 현재 영상 프레임에 기초하여 상기 증강 현실 제공 장치의 포즈를 결정하는 프로세서를 포함하고, 상기 프로세서는, 상기 움직임 정보를 기초로 상기 증강 현실 제공 장치의 제1 포즈 정보를 결정하고, 상기 현재 영상 프레임에서 객체의 특징점들을 추출하고, 상기 추출된 특징점들과 상기 객체에 대해 미리 정의된 특징점 위치 정보를 기초로 상기 증강 현실 제공 장치의 제2 포즈 정보를 추정하고, 상기 움직임 정보와 상기 특징점들의 추출 정보에 기초하여 상기 제1 포즈 정보와 상기 제2 포즈 정보 각각의 신뢰도 값을 결정하고, 상기 제1 포즈 정보, 상기 제2 포즈 정보 및 상기 신뢰도 값에 기초하여 상기 증강 현실 제공 장치의 상기 포즈를 결정할 수 있다.
일 실시예에 따른 증강 현실 제공 장치는, 상기 증강 현실 제공 장치의 움직임 정보를 측정하는 움직임 센서; 상기 증강 현실 제공 장치의 주변 중 적어도 일부를 촬영하여 현재 영상 프레임을 획득하는 이미지 센서; 상기 움직임 정보에 따른 상기 증강 현실 제공 장치의 포즈를 추정하고, 상기 추정된 포즈에 따라 실제 객체에 정합되는 증강 현실 콘텐츠를 생성하는 프로세서; 및 상기 증강 현실 콘텐츠를 시각화하는 디스플레이를 포함하고, 상기 프로세서는, 상기 움직임 정보를 기초로 상기 증강 현실 제공 장치의 제1 포즈 정보를 결정하고, 상기 현재 영상 프레임에서 상기 실제 객체의 특징점들을 추출하고, 상기 추출된 특징점들과 상기 실제 객체에 대해 미리 정의된 특징점 위치 정보를 기초로 상기 증강 현실 제공 장치의 제2 포즈 정보를 추정하고, 상기 움직임 정보와 상기 특징점들의 추출 정보에 기초하여 상기 제1 포즈 정보와 상기 제2 포즈 정보 각각의 신뢰도 값을 결정하고, 상기 제1 포즈 정보, 상기 제2 포즈 정보 및 상기 신뢰도 값에 기초하여 상기 증강 현실 제공 장치의 상기 포즈를 결정할 수 있다.
도 1 및 도 2는 일 실시예에 따른 증강 현실 제공 장치의 개요(overview)를 설명하기 위한 도면들이다.
도 3은 일 실시예에 따른 포즈 결정 장치의 구성을 도시한 블록도이다.
도 4는 일 실시예에 따른 증강 현실 제공 장치의 포즈 결정 방법을 설명하기 위한 흐름도이다.
도 5는 일 실시예에 따른 신뢰도 값을 계산하는 동작을 설명하기 위한 흐름도이다.
도 6은 다른 실시예에 따른 신뢰도 값을 계산하는 동작을 설명하기 위한 흐름도이다.
도 7은 다른 실시예에 따른 포즈 결정 장치의 구성을 도시한 블록도이다.
도 8은 일 실시예에 따른 증강 현실 제공 장치의 구성을 도시한 블록도이다.
실시예들에 대한 특정한 구조적 또는 기능적 설명들은 단지 예시를 위한 목적으로 개시된 것으로서, 다양한 형태로 변경되어 구현될 수 있다. 따라서, 실제 구현되는 형태는 개시된 특정 실시예로만 한정되는 것이 아니며, 본 명세서의 범위는 실시예들로 설명한 기술적 사상에 포함되는 변경, 균등물, 또는 대체물을 포함한다.
제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이런 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 해석되어야 한다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 설명된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함으로 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 해당 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 갖는 것으로 해석되어야 하며, 본 명세서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 실시예들을 첨부된 도면들을 참조하여 상세하게 설명한다. 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조 부호를 부여하고, 이에 대한 중복되는 설명은 생략하기로 한다.
도 1 및 도 2는 일 실시예에 따른 증강 현실 제공 장치의 개요를 설명하기 위한 도면들이다.
도 1을 참조하면, 증강 현실 제공 장치(110)는 사용자(100)에게 증강 현실 서비스를 제공하는 장치이다. 증강 현실 서비스는 사용자(100)가 보는 현실 세계의 이미지에 가상의 이미지를 겹쳐 보여주는 서비스이다. 증강 현실 제공 장치(110)는 디스플레이(115)를 통해 현실 세계의 이미지와 함께 실제의 객체(120)와 관련된 콘텐츠를 포함하는 가상의 이미지를 사용자에게 제공할 수 있다. 사용자(110)에게 보여지는 가상의 이미지는 2D 또는 3D이미지일 수 있고, 고정된 이미지 또는 애니메이션과 같은 동적인 이미지일 수도 있다. 증강 현실 제공 장치(110)는 예를 들어 안경형 장치, HMD(head mounted display) 등과 같이 사용자(100)에게 착용될 수 있는 웨어러블 장치일 수 있다.
도 2를 참조하면, 증강 현실 제공 장치(110)의 디스플레이(115)를 통해 제공되는 증강 현실 콘텐츠(210)의 일례가 도시되어 있다. 증강 현실 콘텐츠(210)는 사용자(100)가 보는 현실 세계의 객체(120)에 가상 정보를 포함하는 가상의 이미지(220)가 정합되어 형성될 수 있다. 증강 현실 콘텐츠(210)는 예를 들어 현실 세계의 객체(120)로부터 실감나는 가상 객체를 복제하는 것이나, 객체(120) 위에 가상의 컴퓨터 그래픽 효과를 구현(예; 실제 기계 장치 위에 사용자 설명서와 같은 부가 정보를 가상의 이미지로 구현)하는 것 등을 포함한다.
사용자(100)가 머리 또는 시선을 움직이는 경우, 사용자가 객체(120)를 바라보는 시선 방향이 달라지게 되고, 사용자(100)에게 고정밀의 증강 현실 콘텐츠(210)를 제공하기 위해서는 시선 방향의 변화에 따라 가상의 이미지(220)를 세밀하게 조정해야 한다. 이 때, 객체(120)와 가상의 이미지(220) 간의 자연스러운 정합을 위해서는 시선 방향의 변화를 정밀하게 측정하는 것이 요구된다. 실감나는 증강 현실 콘텐츠를 구현하기 위해서는 사용자(100)가 객체(120)를 바라보는 장면에서 가상의 이미지(220)를 정확한 위치에 표현해야 한다.
증강 현실 제공 장치(110)는 증강 현실 제공 장치(110)의 포즈(pose)를 결정하는 장치인 포즈 결정 장치(예: 도 7의 포즈 결정 장치(700))를 포함할 수 있다. 포즈 결정 장치는 증강 현실 제공 장치(110)의 위치 측정(localization)을 수행하고, 위치 측정 결과는 사용자(100)의 머리 움직임이나 사용자(100)가 바라보는 방향을 추정하는데 이용될 수 있다. 포즈 결정 장치에 의해 결정되는 증강 현실 제공 장치(110)의 포즈는 증강 현실 제공 장치(110)의 위치(position) 및 자세(orientation)에 대한 정보를 포함하고, 6 자유도(degrees of freedom, DoF)로서 표현될 수 있다. 증강 현실 제공 장치(110)의 포즈는 사용자(100)의 포즈 또는 증강 현실 제공 장치(110)에 포함된 이미지 센서(예: 카메라)의 포즈에 대응할 수 있다.
포즈 결정 장치는 이미지 센서에 의해 획득된 이미지 데이터와 움직임 센서에 의해 획득된 움직임 데이터를 이용하여 증강 현실 제공 장치(110)의 포즈를 결정할 수 있다. 포즈 결정 장치는 이미지 데이터와 움직임 데이터를 함께 이용함으로써 증강 현실 제공 장치(110)의 포즈를 정확하고 효과적으로 추정할 수 있다. 이미지 센서와 움직임 센서는 증강 현실 제공 장치(110)에 포함될 수 있다. 이미지 센서는 증강 현실 제공 장치(110)의 주변 영역 중 적어도 일부 영역(예, 사용자(100)의 전방 영역)을 촬영하여 이미지 데이터를 획득한다. 움직임 센서는 증강 현실 제공 장치(110) 또는 사용자(100)의 움직임을 측정하며, 가속도 센서와 자이로(gyro) 센서를 포함하는 관성 센서(inertial measurement unit sensor)를 포함할 수 있다.
포즈 결정 장치는 움직임 데이터에 기반하여 증강 현실 제공 장치(110)의 제1 포즈 정보를 결정하고, 이미지 데이터에 기반하여 증강 현실 제공 장치(110)의 제2 포즈 정보를 결정할 수 있다. 제1 포즈 정보는 움직임 센서 기반의 포즈 측정 값에 대응하고, 제2 포즈 정보는 이미지 센서 기반의 포즈 측정 값에 대응한다.
포즈 결정 장치는 증강 현실 제공 장치(110)의 이전 시간의 위치에 이전 시간부터 현재 시간까지의 움직임을 반영하여 제1 포즈 정보를 결정할 수 있다. 포즈 결정 장치는 제2 포즈 정보를 결정할 때 객체(120)에 대한 사전 정보(advance information)를 이용하여 포즈를 추정할 수 있다. 사전 정보는 객체(120)가 기준 포즈에 있을 때의 객체(120)의 표면 상에 위치하는 기준 특징점들의 3차원 좌표 정보를 포함할 수 있다. 사전 정보를 이용함으로써 빠르고 정밀하게 제2 포즈 정보를 결정할 수 있다. 포즈 결정 장치는 객체(120)를 촬영한 이미지 데이터에서 객체(120)의 특징점들(232, 233, 234, 235, 236, 237, 238)을 추출하고, 추출된 특징점들(232, 233, 234, 235, 236, 237, 238)과 사전 정보로서 미리 정의된 객체(120)의 기준 특징점들 간의 위치 관계를 비교하여 제2 포즈 정보를 결정할 수 있다. 본 명세서에서 '특징점'은 랜드마크(landmark)로도 지칭할 수 있다. 이후에 포즈 결정 장치는 제1 포즈 정보와 제2 포즈 정보 각각의 신뢰도 값을 결정하고, 결정된 신뢰도 값에 기초하여 증강 현실 제공 장치(110)의 최종 포즈를 결정할 수 있다. 이와 같은 증강 현실 제공 장치(110)의 포즈 결정 과정을 이하 도 3 내지 도 6에서 자세히 설명한다.
도 3은 일 실시예에 따른 포즈 결정 장치의 구성을 도시한 블록도이다.
도 3을 참조하면, 포즈 결정 장치는 움직임 정보 결정기(330), 객체 특징점 추출기(340), 신뢰도 결정기(350) 및 포즈 결정기(360)를 포함할 수 있다. 포즈 결정 장치는 움직임 센서(예: IMU 센서) (310)의 센싱 정보와 이미지 센서(320)의 센싱 정보를 이용하여 증강 현실 제공 장치(예: 도 1의 증강 현실 제공 장치(110))의 포즈를 결정한다.
움직임 센서(310)는 가속도 센서와 자이로 센서를 포함할 수 있고, 증강 현실 제공 장치에 내장될 수 있다. 가속도 센서에 의해 측정된 가속도 측정 정보와 자이로 센서에 의해 측정된 각속도 측정 정보는 움직임 정보 결정기(330)에 전달될 수 있다. 움직임 정보 결정기(330)는 움직임 센서(310)로부터 증강 현실 제공 장치의 움직임 측정 값을 수신하고, 수신한 움직임 측정 값을 기초로 증강 현실 제공 장치의 움직임 정보를 추정할 수 있다.
움직임 정보 결정기(330)는 움직임 센서(310)의 센싱 정보를 이용하여 증강 현실 제공 장치의 움직임 정보(예; 가속도, 속도, 각속도 정보)를 추정하고, 업데이트할 수 있다. 움직임 정보 결정기(310)는 가속도 센서로부터 증강 현실 제공 장치의 병진 운동과 관련된 가속도 및/또는 속도의 측정 값을 획득하고, 획득된 측정 값을 기초로 증강 현실 제공 장치의 움직임의 가속도 및 속도를 계산할 수 있다. 움직임 정보 결정기(310)는 자이로 센서로부터 증강 현실 제공 장치의 회전 운동과 관련된 각속도의 측정 값을 획득하고, 획득한 측정 값을 기초로 증강 현실 제공 장치의 움직임의 각속도를 계산할 수 있다. 움직임 정보 결정기(330)는 추정한 증강 현실 제공 장치의 움직임 정보를 포즈 결정기(360)로 전달할 수 있다. 움직임 정보 결정기(330)는 포즈 결정기(360)로부터 움직임 정보의 에러를 교정(correction)하기 위한 교정 정보를 수신할 수 있고, 수신한 교정 정보를 기초로 움직임 정보의 계산을 교정할 수 있다. 이러한 교정을 통해 증강 현실 제공 장치의 움직임 정보가 보다 정확하게 결정될 수 있다.
이미지 센서(320)는 하나 이상의 카메라를 포함하며, 컬러 이미지 또는 흑백 이미지의 이미지 데이터를 획득할 수 있다. 이미지 센서(320)에 의해 획득되는 이미지 데이터는 서로 다른 시간에서 획득된 복수의 영상 프레임들을 포함할 수 있다. 이미지 센서(320)에 의해 획득된 이미지 데이터는 객체 특징점 추출기(340)에 전달될 수 있다.
객체 특징점 추출기(340)는 이미지 데이터에서 객체의 특징점들을 추출할 수 있다. 객체 특징점 추출기(340)는 이미지 데이터에서 사전에 정의된 객체의 특징점들의 위치를 2차원의 좌표로 탐지할 수 있다. 객체 특징점 추출기(340)는 예를 들어 해리스 코너(Harris conner) 특징점 검출 알고리즘, SIFT(scale invariant feature transform) 특징점 검출 알고리즘 및/또는 뉴럴 네트워크를 이용한 특징점 검출 알고리즘 등을 이용하여 특징점들을 추출할 수 있다. 다만, 실시예의 범위가 이러한 특징점 검출 알고리즘들에 한정되는 것은 아니며, 다른 다양한 특징점 검출 알고리즘이 이용될 수도 있다.
신뢰도 결정기(350)는 움직임 정보 결정기(330)로부터 움직임 정보를 수신하고, 객체 특징점 추출기(340)로부터 객체의 특징점들의 추출 정보를 수신하여 실시간으로 신뢰도 값을 결정할 수 있다. 신뢰도 결정기(350)는 움직임 정보에 기초하여 추정된 증강 현실 제공 장치의 제1 포즈 정보와 특징점 추출 결과에 기초하여 추정된 증강 현실 제공 장치의 제2 포즈 정보 각각의 신뢰도 값(또는 중요도)을 결정할 수 있다. 제1 포즈 정보의 신뢰도 값은 제1 포즈 정보가 얼마나 신뢰 가능한지 또는 얼마나 정확한지에 대한 추정 값 또는 확률 값을 나타내고, 제2 포즈 정보의 신뢰도 값은 제2 포즈 정보가 얼마나 신뢰 가능한지 또는 얼마나 정확한지에 대한 추정 값 또는 확률 값을 나타낸다.
제1 포즈 정보는 이전 시간에서 결정된 증강 현실 제공 장치의 포즈 정보에 움직임 정보에 따른 증강 현실 제공 장치의 이동 값을 적용하는 것에 의해 결정될 수 있다. 제2 포즈 정보는 객체 특징점 추출기(340)에 의해 추출된 특징점들의 위치와 객체에 대해 미리 정의된 기준 특징점들의 위치 간의 비교 결과에 기초하여 결정될 수 있다. 미리 정의된 특징점 위치에 대한 정보는, 미리 알고 있는 객체가 기준 포즈(reference pose)에 있을 때의 객체의 표면 상에 위치하는 기준 특징점들의 3차원 좌표 정보를 포함한다. 포즈 결정 장치는 사전 정보를 통해 객체의 형상 정보를 미리 알고 있으며, 객체는 움직이지 않는 것으로 고려된다. 사전 정보의 경우, 미리 객체의 특징점들을 기준 특징점들로 정의하고, 객체가 기준 포즈일 때의 기준 특징점들의 3차원 위치 정보를 기록하는 것에 의해 생성될 수 있다. 이미지 데이터로부터 추출된 특징점들의 위치를 객체가 기준 포즈에 있을 때의 기준 특징점들의 위치와 비교함으로써 제2 포즈 정보가 도출될 수 있다. 서로 대응 관계에 있는 추출된 특징점과 기준 특징점 간의 매칭 정보를 통해 제2 포즈 정보가 추정될 수 있다.
움직임 정보에 기반한 제1 포즈 정보와 특징점 추출 정보에 기반한 제2 포즈 정보는 각기 다른 역할을 한다. 제2 포즈 정보는 이미지 데이터의 품질 저하가 없거나 미미한 경우에 객체의 특징점들의 위치에 기반하여 증강 현실 제공 장치의 포즈 추정을 정확하게 보정하는 역할을 하고, 제1 포즈 정보는 이미지 센서(320)의 움직임 등에 의해 이미지 데이터에 품질 저하가 발생하는 경우에도 포즈 추정 결과의 정확도가 낮아지는 것을 막는 역할을 한다. 예를 들어, 객체가 이미지 데이터의 밖으로 일부 또는 전체가 벗어난 경우에는 제2 포즈 정보의 정확도는 낮아질 수 있는데, 움직임 정보에 기반한 제1 포즈 정보를 통해 이러한 정확도 하락을 보완할 수 있다. 또한, 이미지 데이터를 획득하고 이미지 데이터로부터 제2 포즈 정보를 결정하는 것은, 움직임 정보를 획득하고 움직임 정보로부터 제1 포즈 정보를 결정하는 것에 비해 상대적으로 높은 지연(latency)을 가질 수 있는데, 움직임 정보에 기반한 제1 포즈 정보를 이용함으로써 빠른 포즈 결정이 요구되는 상황에서 증강 현실 제공 장치의 포즈를 민첩하게 결정하는 것이 가능해 진다.
일 실시예에서, 신뢰도 결정기(350)는 칼만 필터(Kalman filter)와 같은 필터 기반의 알고리즘을 이용하여 신뢰도 값을 결정할 수 있다. 신뢰도 결정기(350)에 의해 결정되는 신뢰도 값은 예를 들어 실험적으로 결정된 최솟값과 최댓값 사이의 일정 범위 내의 값으로 결정될 수 있고, 신뢰도 값은 시간에 따라 변할 수 있다. 신뢰도 결정기(350)에 의해 결정된 신뢰도 값은 포즈 결정기(360)로 전달될 수 있다.
포즈 결정기(360)는 제1 포즈 정보, 제2 포즈 정보 및 신뢰도 결정기(350)에 의해 결정된 신뢰도 값에 기초하여 증강 현실 제공 장치의 위치 및 자세를 나타내는 포즈 정보를 결정하고, 결정된 포즈 정보를 출력할 수 있다. 증강 현실 제공 장치의 포즈 정보는 이미지 센서(320)의 포즈 정보에 대응할 수 있다. 포즈 정보는 예를 들어 6 자유도(DoF)를 나타내는 변수들(예: x, y, z, Rx, Ry, Rz)로 정의될 수 있고, 6차원의 벡터 또는 해당 벡터에 대응하는 행렬로 표현될 수 있다.
한편, 움직임 센서(310)로부터 움직임 측정 값이 출력되는 주기와 이미지 센서(320)로부터 이미지 데이터가 출력되는 주기는 동일하거나 또는 서로 다를 수 있다. 해당 주기가 서로 다른 경우, 예를 들어 움직임 센서(310)로부터 200Hz의 출력 빈도로 움직임 측정 값이 제공되고, 이미지 센서(320)로부터 30Hz의 출력 빈도로 이미지 데이터가 제공되는 경우에는 포즈 결정기(360)로부터 200Hz의 출력 빈도로 최종의 포즈 정보가 출력될 수 있다. 포즈 결정기(360)는 보다 높은 출력 빈도를 가지는 센서의 출력 빈도로 최종의 포즈 정보를 출력할 수 있다.
포즈 결정 장치는 신뢰도 값에 기초하여 움직임 정보로부터 결정한 제1 포즈 정보와 이미지 데이터로부터 결정한 제2 포즈 정보를 상황에 따라 적응적으로 이용하는 것에 의해 최종 포즈 추정의 정확도를 개선시킬 수 있다. 포즈 결정 장치는 시간에 따른 상대적인 움직임 변화량을 누적하여 포즈를 계산하지 않기 때문에 시간에 따라 포즈 오차가 누적되지 않아 높은 정확도로 포즈를 계산할 수 있다. 또한, 포즈 결정 장치는 증강 현실 제공 장치의 포즈를 추정하는데 있어 객체에 대해 미리 정의된 기준 특징점들의 위치 정보를 이용함으로써 포즈 추정의 정확도를 높일 수 있다.
도 4 내지 도 6은 일 실시예에 따른 증강 현실 제공 장치의 포즈 결정 방법을 설명하기 위한 흐름도들이다. 포즈 결정 방법은 포즈 결정 장치(예: 도 7의 포즈 결정 장치(700))에 의해 수행될 수 있다.
도 4를 참조하면, 단계(410)에서 포즈 결정 장치는 증강 현실 제공 장치의 움직임 센서를 이용하여 증강 현실 제공 장치의 움직임 정보를 추정할 수 있다. 증강 현실 제공 장치의 움직임 정보는 사용자의 움직임, 보다 구체적으로는 사용자 머리 또는 시선 방향의 움직임에 대응할 수 있다. 움직임 센서는 가속도 값을 측정하는 가속도 센서와 각속도 값을 측정하는 자이로 센서를 포함할 수 있다. 포즈 결정 장치는 움직임 센서에 의해 측정된 움직임 측정 값(예: 가속도 값, 각속도 값)에 기초하여 증강 현실 제공 장치의 움직임에 대한 가속도, 속도 및 각속도를 추정할 수 있다.
단계(415)에서, 포즈 결정 장치는 증강 현실 제공 장치의 움직임 정보를 기초로 증강 현실 제공 장치의 제1 포즈 정보를 결정할 수 있다. 포즈 결정 장치는 이전 시점(time)의 이전 영상 프레임에서 추출된 객체의 특징점들과 움직임 정보에 기초하여 제1 포즈 정보를 결정할 수 있다. 포즈 결정 장치는 이전 영상 프레임에서 추출된 특징점들의 위치 정보에 이전 시점과 현재 시점 사이에서 측정된 움직임 정보를 반영하여 현재 시점에서 특징점들의 위치가 어떻게 변화했는지를 계산할 수 있고, 계산 결과에 기초하여 현재 시점에서의 제1 포즈 정보를 결정할 수 있다.
단계(420)에서, 포즈 결정 장치는 증강 현실 제공 장치의 이미지 센서를 통해 현재 영상 프레임을 획득할 수 있다. 이미지 센서는 증강 현실 제공 장치의 주변의 적어도 일부 영역(예: 사용자의 머리가 향하는 영역 또는 사용자의 시선이 향하는 영역)을 촬영하여 이미지 데이터를 획득할 수 있다. 이미지 데이터는 특정한 시간 주기로 획득될 수 있으며, 각각의 시간마다 영상 프레임의 형태로 획득될 수 있다.
단계(430)에서, 포즈 결정 장치는 현재 영상 프레임에서 객체의 특징점들을 추출하고, 추출된 특징점들에 기초하여 증강 현실 제공 장치의 제2 포즈 정보를 결정할 수 있다. 포즈 결정 장치는 현재 영상 프레임에서 사전에 정의된 객체가 존재하는지 여부를 판단하고, 해당 객체의 특징점들을 추출할 수 있다. 제2 포즈 정보를 결정하기 위해 현실 공간에 존재하는 객체에 대한 사전 정보가 활용될 수 있다. 사전 정보는 객체의 특징점들에 대해 미리 정의된 특징점 위치 정보를 포함한다. 여기서, 미리 정의된 특징점 위치 정보는 객체가 기준 포즈에 있을 때의 객체의 표면 상에 위치하는 기준 특징점들의 3차원 좌표 정보를 나타낸다. 기준 특징점들의 위치 정보는 현실 공간의 객체를 3D 스캐너를 통해 스캔한 결과에서 기준 특징점들의 위치를 결정하는 방식을 통해 획득될 수 있다. 포즈 결정 장치는 현재 영상 프레임에서 추출된 특징점들의 2차원 위치 정보와 미리 정의된 기준 특징점들의 3차원 위치 정보 간의 비교 결과에 기초하여 제2 포즈 정보를 결정할 수 있다. 포즈 결정 장치는 현재 영상 프레임에서 추출된 특징점들과 기준 특징점들 간에 서로 대응되는 특징점들의 위치 차이에 기초하여 제2 포즈 정보를 추정할 수 있다. 제2 포즈 정보를 결정하기 위해 이용되는 기준 특징점들의 개수는 제한이 없다. 객체의 전체 기준 특징점들 전부 또는 일부가 이용될 수 있다.
단계(440)에서, 포즈 결정 장치는 움직임 정보와 특징점들의 추출 정보에 기초하여 제1 포즈 정보와 제2 포즈 정보 각각의 신뢰도 값을 결정할 수 있다. 일 실시예에서, 포즈 결정 장치는 칼만 필터(Kalman filter)를 이용한 SLAM(Simultaneous Localization and Mapping) 기법에 따라 도출된 추정 공분산(estimation covariance)에 기초하여 신뢰도 값을 결정할 수 있다. 예를 들어, 추정 공분산의 크기가 크면 신뢰도 값이 작은 값을 가지고 추정 공분산의 크기가 작으면 신뢰도 값이 큰 값을 가지는 것으로 결정될 수 있다. 포즈 결정 장치는 특징점들의 추출 정보 및 움직임 정보 중 하나 이상이 업데이트된 경우, 제1 포즈 정보 및 제2 포즈 정보 중 하나 이상의 신뢰도 값을 다시 결정할 수 있다. 이에 따라, 신뢰도 값은 시간에 따라 변할 수 있다.
포즈 결정 장치는 증강 현실 제공 장치의 움직임이 크다고 판단되면 움직임 정보에 기반하는 제1 포즈 정보의 신뢰도 값을 높게 설정하고, 특징점들의 추출 정보에 기반하는 제2 포즈 정보의 신뢰도 값을 작게 설정할 수 있다. 또한, 포즈 결정 장치는 현재 영상 프레임에 객체의 전체 영역이 온전히 나와 있고, 현재 영상 프레임의 영상 품질이 좋은 것으로 판단되면, 제2 포즈 정보의 신뢰도 값을 높게 설정하고, 제1 포즈 정보의 신뢰도 값을 낮게 설정할 수 있다. 현재 영상 프레임에서 객체 영역이 잘려 있거나 현재 영상 프레임의 영상 품질이 좋지 않은 것으로 판단되면, 포즈 결정 장치는 제2 포즈 정보의 신뢰도 값을 낮게 설정하고, 제1 포즈 정보의 신뢰도 값을 높게 설정할 수 있다.
포즈 결정 장치는 움직임 정보에 기초하여 추정된 현재 시점에서의 객체의 특징점 위치와 특징점들의 추출 정보에 따른 현재 시점에서의 객체의 특징점 위치 간의 차이에 기초하여 신뢰도 값을 결정할 수 있다. 포즈 결정 장치는 위 차이가 조건을 만족시키는 경우(예: 차이가 임계치보다 큰 경우), 움직임 정보에 기반하는 제1 포즈 정보의 신뢰도 값을 특징점들의 추출 정보에 기반하는 제2 포즈 정보의 신뢰도 값보다 더 높게 결정할 수 있다. 포즈 결정 장치는 현재 영상 프레임 내에 객체가 위치하고, 현재 영상 프레임의 영상 품질이 조건을 만족시키는 경우(예: 영상 품질의 측정 값이 임계치보다 큰 경우), 제2 포즈 정보의 신뢰도 값을 제1 포즈 정보의 신뢰도 값보다 더 높게 결정할 수 있다. 포즈 결정 장치는 움직임 정보에 따른 증강 현실 제공 장치의 움직임 정도에 기초하여 신뢰도 값을 결정할 수도 있다. 포즈 결정 장치는 증강 현실 제공 장치의 움직임 정도가 조건을 만족시키는 경우(예: 움직임 정도가 임계치보다 큰 경우), 제1 포즈 정보의 신뢰도 값을 제2 포즈 정보의 신뢰도 값보다 더 높게 결정할 수 있다. 다른 실시예에서, 포즈 결정 장치는 객체의 특징점들 각각의 움직임 속도에 기초하여 객체의 특징점들 각각의 신뢰도 값을 결정할 수도 있다.
포즈 결정 장치가 신뢰도 값을 결정하는 실시예들에 대해서는 도 5와 도 6을 참조하여 이하에서 설명한다. 도 5를 참조하면, 포즈 결정 장치는 신뢰도 판단을 위해 특징점 기반의 신뢰도 분석, 움직임 속도 기반의 신뢰도 분석 및 신뢰도 분석 결과에 기초하여 신뢰도 값을 결정하는 과정을 수행할 수 있다.
단계(510)에서 포즈 결정 장치는 특징점 기반의 신뢰도 분석을 수행할 수 있다. 포즈 결정 장치는 이미지 센서에 의해 획득된 이미지 데이터 기반의 특징점 위치 측정 값과 움직임 센서에 의해 획득된 움직임 정보 기반의 특징점 위치 측정 값을 비교하여, 두 특징점 위치 측정 값들 간의 차이(또는 잔차(residual))에 기초하여 신뢰도 분석을 수행할 수 있다. 포즈 결정 장치는 움직임 정보에 기초하여 추정된 현재 시점에서의 객체의 특징점 위치와 특징점들의 추출 정보에 따른 현재 시점에서의 객체의 특징점 위치 간의 차이가 크면 움직임 정보에 기반하는 제1 포즈 정보를 제2 포즈 정보보다 더 높은 신뢰도 값을 할당할 수 있다. 이는, 이미지 센서 기반으로 도출된 제2 포즈 정보의 포즈 측정 값은 영상 프레임 내 객체의 특징점 탐지 성능에 크게 영향을 받기 때문이다. 예를 들어, 이미지 센서의 촬영 영역 밖으로 객체가 일부 또는 전체가 벗어나는 경우, 객체의 특징점 위치의 정확도가 급격하게 낮아지게 되어 특징점 탐지 성능은 크게 떨어질 수 있다. 이러한 상황을 고려하여 움직임 정보 기반으로 결정된 특징점 위치와 영상 프레임에서 추출된 특징점들의 특징점 위치 간의 차이가 큰 경우, 포즈 결정 장치는 움직임 정보 기반으로 결정된 특징점 위치를 보다 신뢰하는 것으로 신뢰도 값을 결정할 수 있다.
단계(520)에서, 포즈 결정 장치는 증강 현실 제공 장치(또는 사용자)의 움직임 속도 기반의 신뢰도 분석을 수행할 수 있다. 포즈 결정 장치는 객체에 대한 증강 현실 제공 장치의 상대적인 움직임 속도가 큰 경우에는, 특징점들의 추출 정보에 기반하는 제2 포즈 정보의 신뢰도 값을 낮게 설정할 수 있다. 움직임 속도가 큰 경우에는 이미지 블러(image blur) 등에 의해 이미지 데이터의 영상 품질 저하가 발생하게 되고, 이에 따라 특징점들의 추출 정보의 정확도가 낮아질 수 있다. 따라서, 포즈 결정 장치는 증강 현실 제공 장치의 상대적인 움직임 속도가 큰 경우에는, 제2 포즈 정보의 신뢰도 값을 낮추고 움직임 정보에 기반하는 제1 포즈 정보의 신뢰도 값을 상대적으로 높게 설정하여, 영상 품질 저하에 의해 포즈 추정이 부정확하게 되는 것을 방지할 수 있다.
단계(530)에서, 포즈 결정 장치는 단계(510) 및 단계(520)의 신뢰도 분석 결과에 기초하여 제1 포즈 정보 및 제2 포즈 정보 각각의 신뢰도 값을 결정할 수 있다. 포즈 결정 장치는 미리 정의된 신뢰도 값의 최솟값-최댓값 범위로 신뢰도 값을 실시간으로 결정할 수 있다. 포즈 결정 장치는 예를 들어 단계(510)의 신뢰도 분석에서 고려된 특징점 위치 측정 값들 간의 차이와 단계(520)의 신뢰도 분석에서 고려된 증강 현실 제공 장치의 상대적인 움직임 속도의 합 또는 가중합으로서 신뢰도 값을 결정할 수 있다. 가중합에서 이용되는 가중치는 실험적으로 결정된 값일 수 있다. 포즈 결정 장치는 합 또는 가중합의 누적 값이나 평균 값을 신뢰도 값으로 이용할 수도 있다.
도 5의 실시예에서는, 객체의 특징점들 전체가 동일한 신뢰도 값을 가지게 된다. 다른 실시예에서, 포즈 결정 장치는 이와 다르게 각각의 특징점마다 신뢰도 값을 결정할 수도 있다. 도 6을 참조하면, 포즈 결정 장치는 단계(510) 및 단계(520)을 전술한 것과 동일하게 수행할 수 있다. 단계(610)에서, 포즈 결정 장치는 객체의 특징점들 각각의 움직임 속도에 기초하여 객체의 특징점들 각각의 신뢰도 값을 결정할 수도 있다. 이에 따라, 특징점별로 서로 다른 신뢰도 값이 할당될 수도 있다. 예를 들어, 객체가 10개의 특징점들을 가진다고 가정할 때, 특징점 10개가 동일한 신뢰도 값 R이 아니라 각각마다 결정된 신뢰도 값 R1, R2, R3, ... , R10을 가지게 된다. 포즈 추정 장치는 객체의 각 특징점 위치에서의 움직임 속도를 계산할 수 있고, 계산된 움직임 속도의 크기를 기반으로 각 특징점의 신뢰도 값을 계산할 수 있다. 포즈 추정 장치는 단계(510)의 신뢰도 분석에서 고려된 특징점 위치 측정 값들 간의 차이와 해당 특징점 위치에서의 움직임 속도의 합 또는 가중합으로서 각 특징점의 신뢰도 값을 결정할 수 있다.
도 4로 돌아오면, 단계(450)에서 포즈 결정 장치는 제1 포즈 정보, 제2 포즈 정보 및 신뢰도 값에 기초하여 증강 현실 제공 장치의 포즈를 결정할 수 있다. 포즈 결정 장치는 증강 현실 제공 장치의 위치 및 자세를 나타내는 특징 값을 결정할 수 있고, 해당 특징 값은 6 자유도(DoF)를 가질 수 있다. 포즈 결정 장치는 제1 포즈 정보와 제2 포즈 정보 각각의 신뢰도 값에 기초하여 제1 포즈 정보와 제2 포즈 정보를 조합하는 것에 의해 증강 현실 제공 장치의 포즈를 결정할 수 있다. 포즈 결정 장치는 제1 포즈 정보 및 제2 포즈 정보의 각 신뢰도 값을 가중치로 이용하여, 신뢰도 값이 더 높은 포즈 정보를 중심으로 증강 현실 제공 장치의 최종 포즈를 결정할 수 있다. 포즈 결정 장치에 의해 결정된 최종 포즈에 따라 증강 현실 콘텐츠에서 시각화될 가상의 이미지의 형상과 위치가 조정될 수 있다.
도 7은 다른 실시예에 따른 포즈 결정 장치의 구성을 도시한 블록도이다.
도 7을 참조하면, 포즈 결정 장치(700)는 증강 현실 제공 장치(예: 도 1의 증강 현실 제공 장치(110))의 포즈를 결정하는 장치로서, 증강 현실 제공 장치의 내부에서 동작할 수 있다. 포즈 결정 장치(700)는 움직임 센서(710), 이미지 센서(720), 프로세서(730) 및 메모리(740)를 포함할 수 있다.
움직임 센서(710)(예: 도 3의 움직임 센서(310))는 증강 현실 제공 장치의 움직임을 나타내는 움직임 정보를 측정한다. 증강 현실 제공 장치의 움직임은 사용자의 머리 움직임 또는 사용자의 시선 방향의 움직임에 대응할 수 있다. 움직임 센서(710)는 가속도 센서 및 자이로 센서를 포함할 수 있고, 증강 현실 제공 장치에 내장되어 배치될 수 있다.
이미지 센서(720)는 이미지 데이터를 획득할 수 있다. 이미지 센서(720)(예: 도 3의 이미지 센서(320))는 증강 현실 제공 장치의 주변 중 적어도 일부를 촬영하여 현재 영상 프레임을 획득할 수 있다. 이미지 센서(720)는 하나 이상의 카메라를 포함하고, 증강 현실 제공 장치의 특정 위치에 배치될 수 있다.
메모리(740)는 컴퓨터에서 읽을 수 있는 명령어들(instructions)을 저장할 수 있다. 메모리(740)에 저장된 명령어들이 프로세서(730)에 의해 실행되면, 프로세서(730)는 명령어들에 의해 정의되는 동작들을 처리할 수 있다. 메모리(740)는 컴퓨터 판독가능한 저장 매체 또는 컴퓨터 판독가능한 저장 장치를 포함할 수 있다. 예를 들어, 메모리(740)는 RAM(random access memories), DRAM(dynamic random access memories), SRAM(static random access memories) 또는 이 기술 분야에서 알려진 다른 형태의 비휘발성 메모리를 포함할 수 있다.
프로세서(730)는 포즈 결정 장치(700)의 전체적인 동작을 제어한다. 프로세서(730)는 목적하는 동작들(desired operations)을 실행시키기 위한 물리적인 구조를 갖는 회로를 가지는 하드웨어로 구현된 장치일 수 있다. 목적하는 동작들은 프로그램에 포함된 코드(code) 또는 명령어들을 포함할 수 있다. 하드웨어로 구현된 장치는 마이크로프로세서(microprocessor), 중앙 처리 장치(Central Processing Unit; CPU), 그래픽 처리 장치(Graphic Processing Unit; GPU), 프로세서 코어(processor core), 멀티-코어 프로세서(multi-core processor), 멀티프로세서(multiprocessor), ASIC(Application-Specific Integrated Circuit), FPGA(Field Programmable Gate Array), NPU(Neural Processing Unit) 등을 포함할 수 있다
프로세서(730)는 포즈 결정 장치(700) 내에서 실행하기 위한 기능 및 명령어들을 실행할 수 있다. 프로세서(730)는 도 1 내지 도 6을 통해 전술한 적어도 하나의 동작 및/또는 기능을 수행할 수 있다. 프로세서(730)는 도 3의 움직임 정보 결정기(330), 객체 특징점 추출기(340), 신뢰도 결정기(350) 및 포즈 결정기(360)의 기능 및/또는 동작을 수행할 수 있다.
프로세서(730)는 움직임 센서(710)에 의해 측정한 움직임 정보와 이미지 센서(720)로부터 획득된 현재 영상 프레임에 기초하여 증강 현실 제공 장치의 포즈를 결정할 수 있다. 프로세서(730)는 움직임 정보를 기초로 증강 현실 제공 장치의 제1 포즈 정보를 결정할 수 있다. 프로세서(730)는 현재 영상 프레임에서 객체의 특징점들을 추출하고, 추출된 특징점들과 객체에 대해 미리 정의된 특징점 위치 정보를 기초로 증강 현실 제공 장치의 제2 포즈 정보를 추정할 수 있다.
프로세서(730)는 움직임 정보와 특징점들의 추출 정보에 기초하여 제1 포즈 정보와 제2 포즈 정보 각각의 신뢰도 값을 결정할 수 있다. 일례로, 움직임 정보에 기초하여 추정된 현재 시점에서의 객체의 특징점 위치와 특징점들의 추출 정보에 따른 현재 시점에서의 객체의 특징점 위치 간의 차이가 미리 정의된 조건(예: 해당 차이가 임계 값보다 큰 경우)을 만족시키는 경우, 프로세서(730)는 제1 포즈 정보의 신뢰도 값을 제2 포즈 정보의 신뢰도 값보다 더 높게 결정할 수 있다. 다른 예로, 움직임 정보에 따른 증강 현실 제공 장치의 움직임 정도가 미리 정의된 조건(예: 가속도 변화량이나 속도 변화량이 임계 값보다 큰 경우)을 만족시키는 경우, 프로세서(730)는 제1 포즈 정보의 신뢰도 값을 제2 포즈 정보의 신뢰도 값보다 더 높게 결정할 수 있다. 또 다른 예로, 현재 영상 프레임 내에 객체가 위치하고, 현재 영상 프레임의 영상 품질이 미리 정의된 조건(예: 영상 품질 측정 값이 임계 값보다 큰 경우)을 만족시키는 경우, 프로세서(730)는 제2 포즈 정보의 신뢰도 값을 제1 포즈 정보의 신뢰도 값보다 더 높게 결정할 수 있다.
프로세서(730)는 제1 포즈 정보, 제2 포즈 정보 및 신뢰도 값에 기초하여 증강 현실 제공 장치의 최종 포즈를 결정할 수 있다. 프로세서(730)는 제1 포즈 정보와 제2 포즈 정보 각각의 신뢰도 값에 기초하여 제1 포즈 정보와 상기 제2 포즈 정보를 조합하는 것에 의해 증강 현실 제공 장치의 최종 포즈를 결정할 수 있다. 프로세서(730)는 최종 포즈를 결정하는데 있어 제1 포즈 정보와 제2 포즈 정보 각각의 신뢰도 값을 가중치로서 이용할 수 있다. 다른 실시예에서, 프로세서(730)는 제1 포즈 정보(다른 예로 제2 포즈 정보)의 신뢰도 값이 특정 값 이하인 경우에는 제2 포즈 정보(다른 예에서 제1 포즈 정보)를 중심으로 최종 포즈를 결정할 수 있다.
도 8은 일 실시예에 따른 증강 현실 제공 장치의 구성을 도시한 블록도이다.
도 8을 참조하면, 증강 현실 제공 장치(800)는 사용자에게 증강 현실 콘텐츠를 제공하는 장치로서, 전술한 포즈 결정 과정을 통해 결정된 증강 현실 제공 장치(800)의 포즈에 따라 실제 객체와 가상의 콘텐츠를 정합하여 증강 현실 콘텐츠를 생성한다. 증강 현실 제공 장치(800)는 예를 들어 첨단 운전자 보조 시스템(Advanced Drivers Assistance System; ADAS), HUD(Head Up Display) 장치, 3D 디지털 정보 디스플레이(Digital Information Display, DID), 내비게이션 장치, 뉴로모픽 장치(neuromorphic device), 3D 모바일 기기, 스마트 폰, 스마트 TV, 스마트 차량, IoT(Internet of Things) 디바이스, 의료 디바이스, 및 계측 디바이스 등과 같이 다양한 분야의 장치에 해당할 수 있다. 여기서, 3D 모바일 기기는 예를 들어 증강 현실, 가상 현실, 및/또는 혼합 현실을 표시하기 위한 디스플레이 장치, 머리 착용 디스플레이(Head Mounted Display; HMD), 얼굴 착용 디스플레이(Face Mounted Display; FMD), 및 증강 현실 안경(AR glasses) 등을 포함할 수 있다.
증강 현실 제공 장치(800)는 프로세서(810), 메모리(820), 센서, 저장 장치(840), 입력 장치(850), 출력 장치(860) 및 통신 장치를 포함할 수 있다. 증강 현실 제공 장치(800)의 각 컴포넌트들은 통신 버스(880)를 통해 서로 통신할 수 있다.
프로세서(810)는 증강 현실 제공 장치(800)의 전체적인 동작을 제어하며, 증강 현실 제공 장치(800) 내에서 실행하기 위한 기능 및 인스트럭션들을 실행한다. 프로세서(810)는 도 1 내지 도 7을 통하여 전술한 하나 이상의 동작을 수행할 수 있다. 프로세서(810)는 센서에 의해 측정된 움직임 정보에 따른 상기 증강 현실 제공 장치의 포즈를 추정하고, 추정된 포즈에 따라 실제 객체에 정합되는 증강 현실 콘텐츠를 생성할 수 있다.
메모리(820)는 프로세서(810)가 연산을 수행하는데 있어 필요한 정보를 저장한다. 예를 들어, 메모리(820)는 프로세서(810)에 의해 실행하기 위한 인스트럭션들을 저장할 수 있고, 증강 현실 제공 장치(800)에서 소프트웨어 또는 프로그램이 실행되는 동안 관련 정보를 저장할 수 있다. 메모리(820)는 RAM, DRAM, SRAM, 또는 이 기술 분야에서 알려진 다른 형태의 비휘발성 메모리를 포함할 수 있다.
센서(830)는 증강 현실 제공 장치(800)의 움직임 정보를 측정하는 움직임 센서와 증강 현실 제공 장치(800)의 주변 중 적어도 일부를 촬영하여 현재 영상 프레임을 획득하는 이미지 센서를 포함할 수 있다. 움직임 센서는 관성 측정 센서를 포함하고, 이미지 센서는 카메라와 같은 영상 획득 장치를 포함할 수 있다.
저장 장치(840)는 컴퓨터 판독가능한 저장 매체 또는 컴퓨터 판독가능한 저장 장치(840)를 포함한다. 예를 들어, 저장 장치(840)는 스토리지, 자기 하드 디스크, 광 디스크, 플래쉬 메모리 장치 등을 포함할 수 있다.
입력 장치(850)는 사용자로부터 사용자 입력을 수신할 수 있다. 예를 들어, 입력 장치(850)는 키보드, 마우스, 터치스크린, 마이크로폰, 또는 사용자로부터 사용자 입력을 검출하고, 검출된 사용자 입력을 증강 현실 제공 장치(800)에 전달할 수 있는 임의의 다른 장치를 포함할 수 있다.
출력 장치(860)는 시각적, 청각적 또는 촉각적인 채널을 통해 사용자에게 증강 현실 제공 장치(800)의 출력을 제공할 수 있다. 출력 장치(860)는 디스플레이, 터치 스크린, 스피커, 진동 발생 장치 또는 사용자에게 출력을 제공할 수 있는 임의의 다른 장치를 포함할 수 있다. 디스플레이는 증강 현실 콘텐츠를 시각화하여 나타낼 수 있다.
통신 장치(870)는 유선 네트워크 또는 무선 네트워크를 통해 외부 장치와 통신할 수 있다.
이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 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, 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 소프트웨어 애플리케이션을 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 컨트롤러를 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 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 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. 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 저장할 수 있으며 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.
위에서 설명한 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 또는 복수의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 이를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 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 (20)

  1. 증강 현실 제공 장치의 포즈 결정 방법에 있어서,
    상기 증강 현실 제공 장치의 움직임 센서를 이용하여 상기 증강 현실 제공 장치의 움직임 정보를 추정하는 단계;
    상기 움직임 정보를 기초로 상기 증강 현실 제공 장치의 제1 포즈 정보를 결정하는 단계;
    상기 증강 현실 제공 장치의 이미지 센서를 통해 현재 영상 프레임을 획득하는 단계;
    상기 현재 영상 프레임에서 객체의 특징점들을 추출하는 단계;
    상기 추출된 특징점들과 상기 객체에 대해 미리 정의된 특징점 위치 정보를 기초로 상기 증강 현실 제공 장치의 제2 포즈 정보를 추정하는 단계;
    상기 움직임 정보와 상기 특징점들의 추출 정보에 기초하여 상기 제1 포즈 정보와 상기 제2 포즈 정보 각각의 신뢰도 값을 결정하는 단계; 및
    상기 제1 포즈 정보, 상기 제2 포즈 정보 및 상기 신뢰도 값에 기초하여 상기 증강 현실 제공 장치의 포즈를 결정하는 단계
    를 포함하는 포즈 결정 방법.
  2. 제1항에 있어서,
    상기 신뢰도 값을 결정하는 단계는,
    상기 움직임 정보에 기초하여 추정된 현재 시점(time)에서의 상기 객체의 특징점 위치와 상기 특징점들의 추출 정보에 따른 상기 현재 시점에서의 상기 객체의 특징점 위치 간의 차이에 기초하여 상기 신뢰도 값을 결정하는 단계
    를 포함하는 포즈 결정 방법.
  3. 제2항에 있어서,
    상기 신뢰도 값을 결정하는 단계는,
    상기 차이가 조건을 만족시키는 경우, 상기 제1 포즈 정보의 신뢰도 값을 상기 제2 포즈 정보의 신뢰도 값보다 더 높게 결정하는 단계
    를 포함하는 포즈 결정 방법.
  4. 제1항에 있어서,
    상기 신뢰도 값을 결정하는 단계는,
    상기 움직임 정보에 따른 상기 증강 현실 제공 장치의 움직임 정도에 기초하여 상기 신뢰도 값을 결정하는 단계
    를 포함하는 포즈 결정 방법.
  5. 제4항에 있어서,
    상기 신뢰도 값을 결정하는 단계는,
    상기 움직임 정도가 조건을 만족시키는 경우, 상기 제1 포즈 정보의 신뢰도 값을 상기 제2 포즈 정보의 신뢰도 값보다 더 높게 결정하는 단계
    를 포함하는 포즈 결정 방법.
  6. 제1항에 있어서,
    상기 신뢰도 값을 결정하는 단계는,
    상기 현재 영상 프레임 내에 상기 객체가 위치하고, 상기 현재 영상 프레임의 영상 품질이 조건을 만족시키는 경우, 상기 제2 포즈 정보의 신뢰도 값을 상기 제1 포즈 정보의 신뢰도 값보다 더 높게 결정하는 단계
    를 포함하는 포즈 결정 방법.
  7. 제1항에 있어서,
    상기 신뢰도 값을 결정하는 단계는,
    칼만 필터(Kalman filter)를 이용하여 상기 신뢰도 값을 결정하는 단계
    를 포함하는 포즈 결정 방법.
  8. 제1항에 있어서,
    상기 신뢰도 값을 결정하는 단계는,
    상기 객체의 특징점들 각각의 움직임 속도에 기초하여 상기 객체의 특징점들 각각의 신뢰도 값을 결정하는 단계
    를 포함하는 포즈 결정 방법.
  9. 제1항에 있어서,
    상기 신뢰도 값을 결정하는 단계는,
    상기 특징점들의 추출 정보 및 상기 움직임 정보 중 적어도 하나가 업데이트된 경우, 상기 제1 포즈 정보 및 제2 포즈 정보 중 적어도 하나의 신뢰도 값을 다시 결정하는 단계
    를 포함하는 포즈 결정 방법.
  10. 제1항에 있어서,
    상기 증강 현실 제공 장치의 포즈를 결정하는 단계는,
    상기 제1 포즈 정보와 상기 제2 포즈 정보 각각의 신뢰도 값에 기초하여 상기 제1 포즈 정보와 상기 제2 포즈 정보를 조합하는 것에 의해 상기 증강 현실 제공 장치의 포즈를 결정하는 단계
    를 포함하는 포즈 결정 방법.
  11. 제1항에 있어서,
    상기 미리 정의된 특징점 위치 정보는,
    상기 객체가 기준 포즈에 있을 때의 상기 객체의 표면 상에 위치하는 기준 특징점들의 3차원 좌표 정보를 나타내는,
    를 포함하는 포즈 결정 방법.
  12. 제1항에 있어서,
    상기 제1 포즈 정보를 결정하는 단계는,
    이전 영상 프레임에서 추출된 상기 객체의 특징점들과 상기 움직임 정보 기초하여 상기 제1 포즈 정보를 결정하는 단계
    를 포함하는 포즈 결정 방법.
  13. 제1항에 있어서,
    상기 제2 포즈 정보를 추정하는 단계는,
    상기 추출된 특징점들과 상기 기준 특징점들 간에 서로 대응되는 특징점들의 위치 차이에 기초하여 상기 제2 포즈 정보를 추정하는 단계
    를 포함하는 포즈 결정 방법.
  14. 제1항에 있어서,
    상기 증강 현실 제공 장치의 포즈를 결정하는 단계는,
    상기 증강 현실 제공 장치의 위치(position) 및 자세(orientation)를 나타내는 특징 값을 결정하는 단계
    를 포함하는 포즈 결정 방법.
  15. 제1항 내지 제14항 중 어느 한 항의 방법을 수행하기 위한 명령어를 포함하는 하나 이상의 컴퓨터 프로그램을 저장한 컴퓨터 판독 가능 기록 매체.
  16. 증강 현실 제공 장치의 포즈를 결정하는 포즈 결정 장치에 있어서,
    상기 증강 현실 제공 장치의 움직임 정보를 측정하는 움직임 센서;
    상기 증강 현실 제공 장치의 주변 중 적어도 일부를 촬영하여 현재 영상 프레임을 획득하는 이미지 센서; 및
    상기 측정한 움직임 정보 및 상기 획득된 현재 영상 프레임에 기초하여 상기 증강 현실 제공 장치의 포즈를 결정하는 프로세서를 포함하고, 상기 프로세서는,
    상기 움직임 정보를 기초로 상기 증강 현실 제공 장치의 제1 포즈 정보를 결정하고,
    상기 현재 영상 프레임에서 객체의 특징점들을 추출하고, 상기 추출된 특징점들과 상기 객체에 대해 미리 정의된 특징점 위치 정보를 기초로 상기 증강 현실 제공 장치의 제2 포즈 정보를 추정하고,
    상기 움직임 정보와 상기 특징점들의 추출 정보에 기초하여 상기 제1 포즈 정보와 상기 제2 포즈 정보 각각의 신뢰도 값을 결정하고,
    상기 제1 포즈 정보, 상기 제2 포즈 정보 및 상기 신뢰도 값에 기초하여 상기 증강 현실 제공 장치의 상기 포즈를 결정하는,
    포즈 결정 장치.
  17. 제16항에 있어서,
    상기 프로세서는,
    상기 움직임 정보에 기초하여 추정된 현재 시점(time)에서의 상기 객체의 특징점 위치와 상기 특징점들의 추출 정보에 따른 상기 현재 시점에서의 상기 객체의 특징점 위치 간의 차이가 조건을 만족시키는 경우, 상기 제1 포즈 정보의 신뢰도 값을 상기 제2 포즈 정보의 신뢰도 값보다 더 높게 결정하는,
    포즈 결정 장치.
  18. 제16항에 있어서,
    상기 프로세서는,
    상기 움직임 정보에 따른 상기 증강 현실 제공 장치의 움직임 정도가 조건을 만족시키는 경우, 상기 제1 포즈 정보의 신뢰도 값을 상기 제1 포즈 정보의 신뢰도 값보다 더 높게 결정하는,
    포즈 결정 장치.
  19. 제16항에 있어서,
    상기 프로세서는,
    상기 현재 영상 프레임 내에 상기 객체가 위치하고, 상기 현재 영상 프레임의 영상 품질이 조건을 만족시키는 경우, 상기 제2 포즈 정보의 신뢰도 값을 상기 제1 포즈 정보의 신뢰도 값보다 더 높게 결정하는,
    포즈 결정 장치.
  20. 증강 현실 제공 장치에 있어서,
    상기 증강 현실 제공 장치의 움직임 정보를 측정하는 움직임 센서;
    상기 증강 현실 제공 장치의 주변 중 적어도 일부를 촬영하여 현재 영상 프레임을 획득하는 이미지 센서;
    상기 움직임 정보에 따른 상기 증강 현실 제공 장치의 포즈를 추정하고, 상기 추정된 포즈에 따라 실제 객체에 정합되는 증강 현실 콘텐츠를 생성하는 프로세서; 및
    상기 증강 현실 콘텐츠를 시각화하는 디스플레이를 포함하고,
    상기 프로세서는,
    상기 움직임 정보를 기초로 상기 증강 현실 제공 장치의 제1 포즈 정보를 결정하고,
    상기 현재 영상 프레임에서 상기 실제 객체의 특징점들을 추출하고, 상기 추출된 특징점들과 상기 실제 객체에 대해 미리 정의된 특징점 위치 정보를 기초로 상기 증강 현실 제공 장치의 제2 포즈 정보를 추정하고,
    상기 움직임 정보와 상기 특징점들의 추출 정보에 기초하여 상기 제1 포즈 정보와 상기 제2 포즈 정보 각각의 신뢰도 값을 결정하고,
    상기 제1 포즈 정보, 상기 제2 포즈 정보 및 상기 신뢰도 값에 기초하여 상기 증강 현실 제공 장치의 상기 포즈를 결정하는,
    증강 현실 제공 장치.
KR1020210026726A 2021-02-26 2021-02-26 증강 현실 제공 장치의 포즈 결정 방법 및 장치 KR20220122287A (ko)

Priority Applications (5)

Application Number Priority Date Filing Date Title
KR1020210026726A KR20220122287A (ko) 2021-02-26 2021-02-26 증강 현실 제공 장치의 포즈 결정 방법 및 장치
US17/392,473 US11915448B2 (en) 2021-02-26 2021-08-03 Method and apparatus with augmented reality pose determination
CN202110916143.7A CN114972689A (zh) 2021-02-26 2021-08-10 执行增强现实姿态确定的方法和装置
EP21208611.0A EP4050564A1 (en) 2021-02-26 2021-11-16 Method and apparatus with augmented reality pose determination
JP2021187636A JP2022132063A (ja) 2021-02-26 2021-11-18 拡張現実提供装置のポーズ決定方法及び装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210026726A KR20220122287A (ko) 2021-02-26 2021-02-26 증강 현실 제공 장치의 포즈 결정 방법 및 장치

Publications (1)

Publication Number Publication Date
KR20220122287A true KR20220122287A (ko) 2022-09-02

Family

ID=78822638

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210026726A KR20220122287A (ko) 2021-02-26 2021-02-26 증강 현실 제공 장치의 포즈 결정 방법 및 장치

Country Status (5)

Country Link
US (1) US11915448B2 (ko)
EP (1) EP4050564A1 (ko)
JP (1) JP2022132063A (ko)
KR (1) KR20220122287A (ko)
CN (1) CN114972689A (ko)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210030147A (ko) * 2019-09-09 2021-03-17 삼성전자주식회사 3d 렌더링 방법 및 장치
CN115082549A (zh) * 2021-03-10 2022-09-20 北京图森智途科技有限公司 位姿估计方法及装置、以及相关设备和存储介质
CN113262465A (zh) * 2021-04-27 2021-08-17 青岛小鸟看看科技有限公司 一种虚拟现实交互方法、设备及系统
US20240005553A1 (en) * 2022-05-26 2024-01-04 Htc Corporation Method for pose correction and host

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2005052718A2 (en) 2003-11-26 2005-06-09 Rafael - Armament Development Authority Ltd. Helmet system for information or weapon systems
US9024972B1 (en) 2009-04-01 2015-05-05 Microsoft Technology Licensing, Llc Augmented reality computing with inertial sensors
US8817046B2 (en) 2011-04-21 2014-08-26 Microsoft Corporation Color channels and optical markers
US9430847B2 (en) 2014-06-12 2016-08-30 Mitsubishi Electric Research Laboratories, Inc. Method for stereo visual odometry using points, lines and planes
US10147399B1 (en) 2014-09-02 2018-12-04 A9.Com, Inc. Adaptive fiducials for image match recognition and tracking
US10419655B2 (en) 2015-04-27 2019-09-17 Snap-Aid Patents Ltd. Estimating and using relative head pose and camera field-of-view
AU2016355215B2 (en) 2015-11-20 2022-03-10 Magic Leap, Inc. Methods and systems for large-scale determination of RGBD camera poses
US20190346271A1 (en) 2016-03-11 2019-11-14 Kaarta, Inc. Laser scanner with real-time, online ego-motion estimation
US10078377B2 (en) 2016-06-09 2018-09-18 Microsoft Technology Licensing, Llc Six DOF mixed reality input by fusing inertial handheld controller with hand tracking
EP3943888A1 (en) 2016-08-04 2022-01-26 Reification Inc. Methods for simultaneous localization and mapping (slam) and related apparatus and systems
US10510160B2 (en) 2016-12-20 2019-12-17 Samsung Electronics Co., Ltd. Multiscale weighted matching and sensor fusion for dynamic vision sensor tracking
US20180203504A1 (en) 2017-01-16 2018-07-19 Htc Corporation Movement tracking method and movement tracking system
WO2019005999A1 (en) 2017-06-28 2019-01-03 Magic Leap, Inc. METHOD AND SYSTEM FOR PERFORMING SIMULTANEOUS MAPPING AND LOCALIZATION USING CONVOLUTIONAL IMAGE TRANSFORMATION
JP7257737B2 (ja) 2017-09-05 2023-04-14 ソニーグループ株式会社 情報処理装置、自己位置推定方法、及び、プログラム
US10740924B2 (en) 2018-04-16 2020-08-11 Microsoft Technology Licensing, Llc Tracking pose of handheld object
CN108682036B (zh) * 2018-04-27 2022-10-25 腾讯科技（深圳）有限公司 位姿确定方法、装置及存储介质
US10854004B2 (en) 2018-08-24 2020-12-01 Facebook, Inc. Multi-device mapping and collaboration in augmented-reality environments

Also Published As

Publication number Publication date
US20220277476A1 (en) 2022-09-01
CN114972689A (zh) 2022-08-30
EP4050564A1 (en) 2022-08-31
US11915448B2 (en) 2024-02-27
JP2022132063A (ja) 2022-09-07

Similar Documents

Publication Publication Date Title
KR20220122287A (ko) 증강 현실 제공 장치의 포즈 결정 방법 및 장치
KR102442780B1 (ko) 장치의 자세 추정 방법 및 그 장치
JP6198230B2 (ja) 深度カメラを使用した頭部姿勢トラッキング
US10839544B2 (en) Information processing apparatus, information processing method, and non-transitory computer readable storage medium
WO2016199605A1 (ja) 画像処理装置および方法、並びにプログラム
JP7420135B2 (ja) 情報処理装置、情報処理方法、及びプログラム
US20190371024A1 (en) Methods and Systems For Exploiting Per-Pixel Motion Conflicts to Extract Primary and Secondary Motions in Augmented Reality Systems
KR20200037502A (ko) 포즈 정보를 출력하는 방법 및 장치
WO2023087681A1 (zh) 定位初始化方法、装置、计算机可读存储介质和计算机程序产品
KR20230072757A (ko) 웨어러블 전자 장치 및 웨어러블 전자 장치의 동작 방법
JP2023020877A (ja) ポーズを推定する方法及び装置
CN113610702B (zh) 一种建图方法、装置、电子设备及存储介质
US20240071018A1 (en) Smooth object correction for augmented reality devices
US20200211275A1 (en) Information processing device, information processing method, and recording medium
CN113228117B (zh) 创作装置、创作方法和记录有创作程序的记录介质
JP7371154B2 (ja) 顔の姿勢を検出する装置及び方法、画像処理システム、並びに記憶媒体
JP2021051000A (ja) 角速度検出装置、画像表示装置、角速度検出方法、及びプログラム
WO2022240933A1 (en) Depth-from- stereo bending correction
US20240312145A1 (en) Tight imu-camera coupling for dynamic bending estimation
WO2023090213A1 (ja) 情報処理装置、情報処理方法及びプログラム
US12073516B2 (en) Information processing device and method for displaying AR object at accurate position
US11854227B2 (en) Depth-from-stereo bending correction using visual inertial odometry features
KR20220083166A (ko) 인체 추정 방법 및 장치
WO2023141491A1 (en) Sensor calibration system
CN118279385A (zh) 用于确定相对位姿的方法、装置、系统、设备和介质

Legal Events

Date Code Title Description
A201 Request for examination