KR20220128887A - Ar을 이용한 측정 방법 및 전자 장치 - Google Patents

Abstract

본 개시에 따른 일 실시 예에서는, 카메라, 디스플레이, 적어도 하나의 객체에 대한 깊이 정보를 획득하는 센서, 상기 카메라 및 상기 디스플레이 및 상기 센서와 전기적으로 연결된 적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로세서는 상기 카메라를 구동하여 획득된 이미지를 상기 디스플레이에 프리뷰 이미지로 표시(display)하고, 상기 프리뷰 이미지에 포함된 피사체 상의 시작 포인트 및 종료 포인트를 지정하는 사용자 입력을 획득하고, 상기 센서를 통해 상기 피사체의 깊이 정보를 획득하고, 상기 획득한 깊이 정보에 기반하여 상기 시작 포인트 및 상기 종료 포인트를 보정하고, 상기 보정된 시작 포인트 및 상기 보정된 종료 포인트 사이의 거리에 기반하여 상기 피사체의 길이를 측정하는 전자 장치가 개시된다. 이 외에도 명세서를 통해 파악되는 다양한 실시 예가 가능하다.

Description

AR을 이용한 측정 방법 및 전자 장치{METHOD AND APPARATUS FOR MEASURING USING AUGMENTED REALITY}

본 개시에 따른 다양한 실시 예들은 증강현실(augmented reality, AR)을 기반으로 프리뷰 영상 내 피사체의 길이를 측정하는 기술에 관한 것이다.

증강현실(augmented reality, AR)은 존재하는 환경에 가상의 사물이나 정보를 합성하여 마치 원래의 환경에 존재하는 사물처럼 보이도록 하는 기술이다. 증강현실을 제공하기 위한 전자 장치는, 카메라를 통해 현실의 사물에 대한 프리뷰 이미지를 획득하고, 현실의 사물을 인식(또는 식별(identify))할 수 있다. 한편, 전자 장치는 증강현실에 기반하여 프리뷰 영상 내에 포함된 피사체의 길이를 측정할 수 있다.

증강현실을 기반으로 피사체의 길이를 측정하는 경우 길이를 측정하기 위해 사용자가 지정하는 시작점과 종료점의 위치가 정확하지 않아 피사체의 정확한 길이를 측정하기 어려운 실정이다.

본 문서에서 이루고자 하는 기술적 과제는 이상에서 언급한 기술적 과제로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.

일 실시 예에 따른 전자 장치는, 카메라, 디스플레이, 적어도 하나의 객체에 대한 깊이 정보를 획득하는 센서, 상기 카메라 및 상기 디스플레이 및 상기 센서와 전기적으로 연결된 적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로세서는 상기 카메라를 구동하여 획득된 이미지를 상기 디스플레이에 프리뷰 이미지로 표시(display)하고, 상기 프리뷰 이미지에 포함된 피사체 상의 시작 포인트 및 종료 포인트를 지정하는 사용자 입력을 획득하고, 상기 센서를 통해 상기 피사체의 깊이 정보를 획득하고, 상기 획득한 깊이 정보에 기반하여 상기 시작 포인트 및 상기 종료 포인트를 보정하고, 상기 보정된 시작 포인트 및 상기 보정된 종료 포인트 사이의 거리에 기반하여 상기 피사체의 길이를 측정할 수 있다.

일 실시 예에 따른 전자 장치의 동작 방법은, 카메라를 구동하여 획득된 이미지를 디스플레이에 프리뷰 이미지로 표시(display)하는 동작, 상기 프리뷰 이미지에 포함된 피사체 상의 시작 포인트 및 종료 포인트를 지정하는 사용자 입력을 획득하는 동작, 센서를 통해 상기 피사체의 깊이 정보를 획득하는 동작, 상기 획득한 깊이 정보에 기반하여 상기 시작 포인트 및 상기 종료 포인트를 보정하는 동작 및 상기 시작 포인트 및 상기 종료 포인트 사이의 거리에 기반하여 상기 피사체의 길이를 측정하는 동작을 포함할 수 있다.

일 실시 예에 따른 전자 장치는, 카메라, 디스플레이, 적어도 하나의 객체에 대한 깊이 정보를 획득하는 센서, 상기 카메라 및 상기 디스플레이 및 상기 센서와 전기적으로 연결된 적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로세서는 상기 카메라를 구동하여 획득된 이미지를 상기 디스플레이에 프리뷰 이미지로 표시(display)하고, 상기 프리뷰 이미지에 포함된 피사체 상의 시작 포인트 및 종료 포인트를 지정하는 제1 사용자 입력을 획득하고, 상기 센서를 통해 상기 피사체의 깊이 정보를 획득하고, 상기 획득한 깊이 정보에 기반하여 보정된 시작 포인트 및 보정된 종료 포인트를 제안하는 가이드를 제공하고, 상기 제공된 가이드에 대한 승인 여부를 요청하고, 상기 제공된 가이드를 승인하는 제2 사용자 입력을 획득하는 것에 응답하여, 상기 시작 포인트 및 상기 종료 포인트 사이의 거리에 기반하여 상기 피사체의 길이를 측정할 수 있다.

본 개시에 따른 다양한 실시 예에서의 전자 장치 및 방법은, 증강현실 분야에서 길이 측정의 기준이 되는 포인트를 보정함으로써 객체의 길이를 정확하게 측정할 수 있다.

도 1은 일 실시 예에 따른 전자 장치의 블록도이다.
도 2는 일 실시 예에 따른 전자 장치에서 공간 정보를 기반으로 앵커를 제안하는 것을 나타낸 도면이다.
도 3은 일 실시 예에 따른 전자 장치에서 프리뷰 이미지에 포함된 객체의 길이를 측정하는 것을 나타낸 흐름도이다.
도 4는 일 실시 예에 따른 전자 장치에서 공간 정보 및 센서 정보를 이용하여 피사체의 길이를 측정하는 것을 나타낸 도면이다.
도 5는 일 실시 예에 따른 전자 장치에서 보정된 시작 포인트 및 종료 포인트를 디스플레이에 표시하는 것을 나타낸 도면이다.
도 6은 일 실시 예에 따른 전자 장치에서 피사체의 길이를 측정하기 위한 사용자 입력에 대응되는 2차원 좌표를 3차원 공간 좌표로 변환하는 것을 나타낸 도면이다.
도 7은 일 실시 예에 따른 네트워크 환경 내의 전자 장치의 블록도이다.
도 8은, 다양한 실시예들에 따른, 카메라 모듈을 예시하는 블록도이다.
도면의 설명과 관련하여, 동일 또는 유사한 구성요소에 대해서는 동일 또는 유사한 참조 부호가 사용될 수 있다.

도 1은 일 실시 예에 따른 전자 장치의 블록도이다.

도 1을 참조하면, 전자 장치(100)는, 프로세서(110), 카메라(120), 센서(130), 디스플레이(140) 및 메모리(150)를 포함할 수 있다. 다양한 실시 예에서, 전자 장치(100)는 도 1에 도시된 구성요소 외에 추가적인 구성요소를 포함하거나, 도 1에 도시된 구성요소 중 적어도 하나를 생략할 수 있다.

일 실시 예에 따르면, 프로세서(110)는 메모리(150)에 저장된 인스트럭션들을 이용하여 전자 장치(100)의 적어도 하나의 다른 구성요소들의 제어 및/또는 통신에 관한 연산이나 데이터 처리를 실행할 수 있다. 일 실시 예에 따르면, 프로세서(110)는 중앙처리장치(CPU), 그래픽처리장치(GPU), MCU(micro controller unit), 센서허브, 보조프로세서(supplementary processor), 통신프로세서(communication processor), 애플리케이션 프로세서(application processor), ASIC(application specific integrated circuit), FPGA(field programmable gate arrays) 중 적어도 하나를 포함할 수 있으며, 복수의 코어를 가질 수 있다.

일 실시 예에 따르면, 프로세서(110)는, 메모리(150)에 저장된 어플리케이션(예: 증강현실 어플리케이션)을 실행할 수 있다. 일 실시 예에 따르면, 프로세서(110)는 증강현실 어플리케이션이 실행된 상태에서, 카메라(120)를 이용하여 이미지를 획득할 수 있다. 본 명세서에서 기술되는 어플리케이션은, 증강현실 어플리케이션에 한정되는 것은 아니며, 카메라(120)를 이용하는 임의의 어플리케이션일 수 있다.

일 실시 예에 따르면, 프로세서(110)는 프리뷰 영상(또는 프리뷰 이미지)에 포함된 피사체의 길이를 측정하기 위해 영상을 분석할 수 있다. 예를 들면, 프로세서(110)는 영상에 포함된 객체(예: 사람)와 배경을 구분하거나 영상에 관한 특징점을 추출할 수 있다. 일 실시 예에 따르면, 프로세서(110)는 영상에 포함된 객체의 외곽면을 결정할 수 있다.

일 실시 예에 따르면, 프로세서(110)는 증강현실 어플리케이션을 통해 영상(image)(예: 정지 영상(still image) 및 동영상(moving image or video))을 획득(또는 촬영)하는 것에 기반하여, 영상 및 영상에 포함된 객체의 길이 정보를 메모리(150)에 저장할 수 있다. 예를 들어, 프로세서(110)는 길이를 측정하는 과정을 스크린 샷 또는 영상의 형태로 메모리(150)에 저장할 수 있다. 프로세서(110)의 동작과 관련된 구체적인 내용은 도 3을 참조하여 후술한다.

일 실시 예에 따르면, 카메라(120)는 영상(예: 정지 영상 및 동영상)을 획득(acquire)(또는 촬영)할 수 있다. 예를 들면, 카메라(120)와 전기적으로 연결되는 이미지 시그널 프로세서(미도시)는, 영상(예: 프리뷰 영상 또는 메모리(150)에 저장된 영상)에 포함된 객체(예: 사람)와 배경을 구분할 수 있다. 이미지 시그널 프로세서는 영상(예: 프리뷰 영상 또는 메모리(150)에 포함된 영상)에 관한 특징점을 추출할 수 있다. 일 실시 예에 따르면, 특징점은 영상의 외곽면을 식별(또는 인식)하기 위해 이용될 수 있다. 이미지 시그널 프로세서는 카메라(120)로부터 분리되거나, 프로세서(110)의 일부로서 구현될 수 있다. 일 실시 예에 따르면, 카메라(120)는 이미지 센서를 포함할 수 있다. 일 실시 예에 따르면, 이미지 센서는 색상 정보를 획득 및 처리할 수 있다.

일 실시 예에 따르면, 센서(130)는 전자 장치(100)의 자세 및 위치 중 적어도 하나를 감지할 수 있다. 일 실시 예에 따르면, 센서(130)는, 물리량을 계측하여 전기 신호로 변환하거나 데이터 값을 생성할 수 있다. 일 실시 예에 따르면, 센서(130)는, 전기 신호 또는 데이터 값을 이용하여, 전자 장치(100)의 자세 또는 자세의 변화를 검출할 수 있다. 일 실시 예에 따르면, 센서(130)는, 깊이 센서(depth sencor), ToF 센서, 자이로 센서(gyro sensor)(또는 자이로스코프(gyroscope)), 중력 센서, 또는 가속도 센서(acceleration sensor) 중 적어도 하나를 포함할 수 있다.

일 실시 예에 따르면, 깊이 센서는 외부 객체에 대한 깊이를 측정하고, 측정된 깊이를 이용하여 외부 객체에 대응하는 깊이 정보를 생성할 수 있다. 다양한 실시 예들에 따르면, 자이로 센서, 중력 센서, 가속도 센서, 또는 이들 중 둘 이상의 결합은, 전자 장치(100)의 회전(rotation), 전자 장치(100)의 방향(orientation)의 변화, 또는 전자 장치(100)의 기울기 등을 감지(sense)함으로써, 센서(130)의 동작들을 수행할 수 있다.

일 실시 예에 따르면, 센서(130)는 프로세서(110) 카메라(120), 메모리(150) 등과 작동적으로 연결되어 색상 정보, 3D 정보, 거리 정보, 위치 정보 등에 관한 처리를 할 수 있다.

일 실시 예에 따르면, 디스플레이(140)는, 프로세서(110)에서 처리된 영상 신호, 데이터 신호, 제어 신호 등을 변환하여 구동 신호를 생성할 수 있다. 일 실시 예에 따르면, 디스플레이(140)는 PDP(plasma display panel), LCD(liquid crystal display), OLED(organic light emitting diode), 플렉서블 디스플레이(flexible display) 등으로 구현될 수 있으며, 또한, 3차원 디스플레이(3D display)로 구현될 수 있다. 일 실시 예에 따르면, 디스플레이(140)는, 터치 스크린으로 구성되어 출력 장치 이외에 입력 장치로 사용될 수 있다.

일 실시 예에 따른 디스플레이(140)는 카메라(120)를 통해 획득되는 영상을 표시할 수 있다. 일 실시 예에 따르면, 디스플레이(140)는, 영상에 포함되는 객체의 길이 정보를 영상에 중첩하거나 플로팅하여 표시할 수 있다. 일 실시 예에 따르면, 전자 장치(100)는 디스플레이(140)를 통해 사용자의 입력(예: 터치 입력)을 획득할 수 있고, 사용자의 입력을 프로세서(110)에 전달할 수 있다.

일 실시 예에 따르면, 메모리(150)는, 하나 이상의 메모리 집합을 의미할 수 있다. 일 실시 예에 따르면, 메모리(150)는, 다른 구성 요소들(예: 프로세서(110), 카메라(120), 센서(130), 디스플레이(140))로부터 수신되거나 다른 구성요소들에 의해 생성된 데이터 및/또는 명령을 저장할 수 있다. 다양한 실시 예들에서, 메모리(150)는, 카메라를 이용하는 어플리케이션(예: 증강현실 어플리케이션)을 저장할 수 있다. 일 실시 예에 따르면, 메모리(150)는, 복수의 객체들의 길이 정보를 저장할 수 있다.

도 2는 일 실시 예에 따른 전자 장치에서 공간 정보를 기반으로 앵커를 제안하는 것을 나타낸 도면이다.

도 2를 참조하면, 일 실시 예에 따른 프로세서(110)는 프리뷰 이미지(210) 및 센서(130)를 이용하여 공간 정보를 획득할 수 있다.

일 실시 예에 따르면, 프로세서(110)는 카메라(120)를 통해 획득한 프리뷰 이미지(210) 및 센서(130)를 이용하여 획득한 센서 정보를 기반으로 전자 장치(100) 주위의 3차원 공간 정보를 획득할 수 있다. 예를 들어, 센서 정보는 관성 센서(inertial measurement unit, IMU), GPS 정보 및 방위각 정보 중 적어도 하나를 포함할 수 있다. 일 실시 예에 따르면, 프로세서(110)는 증강현실 어플리케이션이 실행된 상태에서 전자 장치(100) 주위의 3차원 공간 정보를 획득할 수 있다.

일 실시 예에 따르면, 프로세서(110)는 획득한 3차원 공간 정보를 기반으로 공간 전체를 포괄하는 공간 좌표계(world coordinate)(220)를 형성할 수 있다. 일 실시 예에 따르면, 프로세서(110)는 월드 좌표계(220)를 구성하기 위하여 로컬라이제이션(localization) 완료 후 6DoF(degree of freedom) 트래킹(tracking)을 시작할 수 있다. 일 실시 예에 따르면, 로컬라이제이션은 카메라(120)의 포즈를 예측하는 것을 포함할 수 있고, 6DoF 트래킹은 전자 장치(100)의 회전 및 전자 장치(100)의 위치를 추적하는 것을 포함할 수 있다.

일 실시 예에 따르면, 프로세서(110)는 프리뷰 이미지(210)에 대응하는 깊이 맵(depth map)을 생성할 수 있다. 일 실시 예에 따르면, 프로세서(110)는 생성된 깊이 맵을 이용하여 프리뷰 이미지(210)를 복수 개의 영역들로 분리할 수 있다. 일 실시 예에 따르면, 프리뷰 이미지(210)에 포함된 적어도 하나의 객체는 깊이 맵의 적어도 일부의 영역에 대응될 수 있다. 일 실시 예에 따르면, 프로세서(110)는 프리뷰 이미지(210)로부터 평면을 예측하고 깊이 맵 및 예측된 평면에 기반하여 프리뷰 이미지(210)의 평면 정보를 생성할 수 있다.

일 실시 예에 따르면, 앵커 지정부(230)는 사용자 입력에 의해 지정된 앵커 포인트의 3차원 좌표 값을 생성할 수 있다. 일 실시 예에 따르면, 앵커 지정부(230)는 프리뷰 이미지(210)에 포함된 객체의 길이 측정을 위한 시작 포인트 및 종료 포인트를 지정하는 사용자 입력(예: 터치 입력)에 기반하여 각 포인트에 대응하는 3차원 좌표 값을 생성할 수 있다.

일 실시 예에 따르면, 앵커 제안부(240)는 센서 정보 및 프리뷰 영상의 깊이 정보에 기반하여 정확한 측정이 가능하도록 앵커 포인트를 제안할 수 있다. 일 실시 예에 따르면, 앵커 제안부(240)는 프리뷰 영상에 포함된 피사체와 전자 장치(100)와의 거리가 지정된 거리 이내인 것으로 판단되는 경우, 평면 정보에 기반하여 피사체와 평면과의 접점들 중 가장 가까운 접점으로 시작 포인트를 제안할 수 있다.

일 실시 예에 따르면, 앵커 제안부(240)는 기계 학습(machine learning)을 통하여 피사체의 외곽 정보를 획득하고, 획득한 외곽 정보에 기반하여 피사체의 외곽 점들 중 사용자가 지정한 종료 포인트와 가장 가까운 외곽점으로 종료 포인트를 제안할 수 있다.

일 실시 예에 따르면, 앵커 간 측정부(250)는 앵커 포인트에 대응되는 3차원 좌표 값 사이의 거리를 측정할 수 있다. 예를 들어, 앵커 간 측정부(250)는 앵커 제안부(240)에 의해 제안된 시작 포인트 및 종료 포인트에 대응되는 3차원 좌표 값 사이의 거리를 측정할 수 있다.

도 3은 일 실시 예에 따른 전자 장치에서 프리뷰 이미지에 포함된 객체의 길이를 측정하는 것을 나타낸 흐름도이다.

도 3을 참조하면, 일 실시 예에 따른 프로세서(110)는 동작 310에서 카메라(예: 도 1의 카메라(120))를 구동하여 획득된 이미지를 디스플레이(예: 도 1의 디스플레이(140))에 프리뷰 이미지로 표시할 수 있다. 일 실시 예에 따르면, 프로세서(110)는 메모리(150)에 저장된 증강현실 어플리케이션이 실행된 상태에서 카메라(120)를 통해 획득한 이미지를 디스플레이(140)에 프리뷰 이미지로 표시할 수 있다.

일 실시 예에 따르면, 프로세서(110)는 동작 320에서 프리뷰 이미지에 포함된 피사체 상의 시작 포인트 및 종료 포인트를 지정하는 사용자 입력을 획득할 수 있다. 일 실시 예에 따르면, 프로세서(110)는 디스플레이(140)에 대한 사용자 입력(예: 터치 입력)에 기반하여 시작 포인트 및/또는 종료 포인트를 디스플레이(140)에 표시할 수 있다. 예를 들어, 프로세서(110)는 시작 포인트 및/또는 종료 포인트를 나타내는 사용자 인터페이스를 디스플레이에 표시할 수 있다. 일 실시 예에 따르면, 시작 포인트 및/또는 종료 포인트는 피사체 상의 임의의 지점일 수 있다.

일 실시 예에 따르면, 프로세서(110)는 사용자로 하여금 시작 포인트 및/또는 종료 포인트의 지정을 용이하게 하도록 하기 위하여 피사체가 포함된 화면을 줌인(zoom-in)하여 디스플레이(140)의 적어도 일부 영역에 표시할 수 있다. 일 실시 예에 따르면, 프로세서(110)는 사용자가 지정한 시작 포인트 및/또는 종료 포인트에 각각 대응되는 사용자 인터페이스(user interface, UI)를 디스플레이(140)에 표시할 수 있다. 예를 들어, 사용자 인터페이스는 점(dot) 또는 원의 형태를 포함할 수 있다.

일 실시 예에 따르면, 프로세서(110)는 사용자 입력에 대응되는 시작 포인트 및/또는 종료 포인트를 3차원 공간 좌표로 변환할 수 있다. 예를 들어, 프로세서(110)는 사용자가 지정한 시작 포인트 및/또는 종료 포인트에 대한 2차원 정보를 프로젝션 매트릭스(projection matrix)를 이용하여 3차원 공간 좌표로 변환할 수 있다.

일 실시 예에 따르면, 프로세서(110)는 동작 330에서 센서(예: 도 1의 센서(130))를 통해 피사체의 깊이 정보를 획득할 수 있다. 일 실시 예에 따르면, 프로세서(110)는 센서(130)(예: 깊이 센서, ToF 센서 또는 이미지 센서)를 이용하여 프리뷰 이미지에 포함된 적어도 하나의 객체에 대한 깊이 정보 및/또는 거리 정보를 획득할 수 있다. 일 실시 예에 따르면, 프로세서(110)는 프리뷰 이미지에 대응되는 깊이 맵을 생성할 수 있다.

일 실시 예에 따르면, 프로세서(110)는 센서(130)를 이용하여 외부 객체(예: 피사체)에 대한 깊이를 측정하고, 측정된 깊이를 이용하여 외부 객체에 대응하는 깊이 정보를 생성할 수 있다.

일 실시 예에 따르면, 프로세서(110)는 동작 340에서 획득한 깊이 정보에 기반하여 시작 포인트 및 종료 포인트를 보정할 수 있다. 일 실시 예에 따르면, 프로세서(110)는 획득한 깊이 정보 및 포인트 클라우드(point cloud) 중 적어도 하나를 이용하여 외부 객체와 접촉하는 평면을 예측할 수 있다.

일 실시 예에 따르면, 프로세서(110)는 외부 객체가 평면과 접촉하는 것으로 판단되는 경우, 외부 객체와 접촉한 평면에 대한 평면 정보를 생성할 수 있다. 다른 실시 예에 따르면, 프로세서(110)는 외부 객체가 평면과 접촉하고 있지 않는 것으로 판단되는 경우, 가상 평면에 대한 평면 정보를 생성할 수 있다. 예를 들어, 프로세서(110)는 공간 좌표계 내의 3축 정보를 기반으로 가상 평면에 대한 평면 정보를 생성할 수 있다.

일 실시 예에 따르면, 프로세서(110)는 프리뷰 영상에 포함된 적어도 하나의 객체에 대한 깊이 정보 및 프리뷰 영상에 포함된 평면의 평면 정보에 기반하여 시작 포인트 및/또는 종료 포인트를 보정할 수 있다. 일 실시 예에 따르면, 프로세서(110)는 평면 정보에 기반하여 시작 포인트를 피사체와 평면과의 접점들 중 사용자가 지정한 시작 포인트와 가장 가까운 접점으로 보정할 수 있다. 일 실시 예에 따르면, 프로세서(110)는 기계 학습을 통하여 피사체의 외곽 정보를 획득할 수 있다. 일 실시 예에 따르면, 프로세서(110)는 획득한 외곽 정보에 기반하여 종료 포인트를 피사체의 외곽 점들 중 사용자가 지정한 종료 포인트와 가장 가까운 외곽 점으로 보정할 수 있다.

일 실시 예에 따르면, 프로세서(110)는 보정된 시작 포인트 및 보정된 종료 포인트를 나타내는 사용자 인터페이스를 디스플레이(140)에 표시할 수 있다. 예를 들어, 프로세서(110)는 사용자가 지정한 앵커 포인트 및 보정된 앵커 포인트를 함께 디스플레이(140)에 표시할 수 있다.

일 실시 예에 따르면, 프로세서(110)는 동작 350에서 보정된 시작 포인트 및 보정된 종료 포인트 사이의 거리에 기반하여 피사체의 길이를 측정할 수 있다. 일 실시 예에 따르면, 피사체의 길이는 피사체의 높이, 피사체의 너비, 피사체 상의 임의의 위치에서부터 임의의 위치까지의 길이 중 적어도 하나를 포함할 수 있다.

일 실시 예에 따르면, 프로세서(110)는 측정된 피사체의 실제 길이를 디스플레이(140)에 표시할 수 있다. 예를 들어, 프로세서(110)는 피사체의 길이를 피사체와 인접한 영역에 표시할 수 있다. 일 실시 예에 따르면, 프로세서(110)는 측정이 완료된 것으로 판단되는 경우 길이 정보에 대한 표시를 디스플레이(140)에서 제거할 수 있다.

일 실시 예에 따르면, 프로세서(110)는 증강현실 어플리케이션을 통해 영상을 획득(또는 촬영)하는 것에 기반하여, 영상 및 영상에 포함된 객체의 길이에 관한 정보를 함께 메모리(150)에 저장할 수 있다.

도 4는 일 실시 예에 따른 전자 장치에서 공간 정보 및 센서 정보를 이용하여 피사체의 길이를 측정하는 것을 나타낸 도면이다. 도 4와 관련하여 전술한 내용과 유사하거나 중복되는 내용은 간략히 하거나 생략할 수 있다.

도 4를 참조하면, 일 실시 예에 따른 전자 장치(100)는 앵커 제안부(240)에서 사용자 입력(401) 및 센서 정보(402)를 수신할 수 있다. 일 실시 예에 따르면, 전자 장치(100)는 증강현실 어플리케이션이 실행된 상태에서 카메라(120)를 통하여 획득한 영상을 디스플레이(140)에 프리뷰 영상으로 표시할 수 있다.

일 실시 예에 따르면, 사용자 입력(401)은 프리뷰 영상에서의 시작 포인트(start point)(403a) 및/또는 종료 포인트(end point)(403b)를 지정하기 위한 디스플레이(140) 상의 터치 입력을 포함할 수 있다. 일 실시 예에 따르면, 사용자 입력(401)에 의해 결정되는 시작 포인트(403a) 및 종료 포인트(403b)는 각각 2차원 좌표 값에 대응될 수 있다. 일 실시 예에 따르면, 시작 포인트(403a) "G 종료 포인트(403b)에 대응되는 좌표 값은 각각 3차원 공간 좌표로 변환될 수 있다. 예를 들어, 사용자가 지정한 적어도 하나의 앵커 포인트는 프로젝션 매트릭스 연산을 통해 3차원 공간 좌표로 변환될 수 있다.

일 실시 예에 따르면, 센서 정보(402)는 프리뷰 영상에 포함된 적어도 하나의 객체에 대한 깊이 정보, 프리뷰 영상의 평면 정보 및 전자 장치(100))의 위치 정보 또는 자세 정보 중 적어도 하나를 포함할 수 있다.

일 실시 예에 따르면, 객체 인식부(404)는 프리뷰 영상에 포함된 적어도 하나의 객체에 대한 깊이 정보 및 프리뷰 영상의 평면 정보에 기반하여 프리뷰 영상에 포함된 적어도 하나의 객체를 인식하여 객체에 대한 정보를 획득할 수 있다. 예를 들어, 객체 인식부(404)는 프리뷰 영상에 포함된 적어도 하나의 객체를 인식하고 객체의 특징점 또는 객체의 외곽면을 결정할 수 있다.

일 실시 예에 따르면, 앵커 제안부(240)는 사용자 입력(401)에 의해 지정된 시작 포인트, 종료 포인트 및 객체에 대한 정보에 기반하여 앵커 포인트를 제안할 수 있다. 일 실시 예에 따르면, 앵커 제안부(240)는 시작 포인트(403a)를 보정한 시작 앵커(start anchor)(405a) 및/또는 종료 포인트(403b)를 보정한 종료 앵커(end anchor)(405b)를 제안할 수 있다.

일 실시 예에 따르면, 앵커 제안부(240)는 길이를 측정하려고 하는 객체와 전자 장치(100)와의 거리가 지정된 거리 이내인 것으로 판단되는 경우, 깊이 정보 및 평면 정보에 기반하여 객체와 평면과의 접점들 중 시작 포인트(403a)와 가장 가까운 접점을 시작 앵커(405a)로 제안할 수 있다.

일 실시 예에 따르면, 앵커 제안부(240)는 길이를 측정하려고 하는 객체의 외곽 정보를 획득하고 획득한 외곽 정보에 기반하여 객체의 외곽 점들 중 종료 포인트(403b)와 가장 가까운 외곽 점을 종료 앵커(405b)로 제안할 수 있다.

일 실시 예에 따르면, 앵커 제안부(240)는 시작 앵커(405a) 및/또는 종료 앵커(405b)에 대한 가이드를 제공할 수 있다. 예를 들어, 앵커 제안부(240)는 디스플레이(140)를 통해 시작 앵커(405a) 및/또는 종료 앵커(405b)를 나타내는 사용자 인터페이스를 표시할 수 있다. 일 실시 예에 따르면, 프로세서(110)는 사용자에게 앵커 제안부(240)에 의해 제공된 가이드에 대한 승인 여부를 요청할 수 있다. 일 실시 예에 따르면, 프로세서(110)는 제공된 가이드를 승인하는 사용자 입력을 획득할 수 있다.

일 실시 예에 따르면, 앵커 측정부(250)는 시작 앵커(405a) 및 종료 앵커(405b)에 대응되는 3차원 좌표 사이의 거리를 측정할 수 있다. 일 실시 예에 따르면, 앵커 측정부(250)는 시작 앵커(405a) 및 종료 앵커(405b)에 대응되는 3차원 좌표 사이의 거리를 측정하여 객체의 실제 길이(예: 객체의 높이, 객체의 너비)를 측정할 수 있다. 일 실시 예에 따르면, 앵커 측정부(250)는 시작 앵커(405a) 및 종료 앵커(405b)가 결정되는 것에 응답하여 자동으로 객체의 길이를 측정할 수 있다. 다른 실시 예에 따르면, 앵커 측정부(250)는 앵커 제안부(240)에 의해 제공된 가이드를 승인하는 사용자 입력을 획득하는 것에 응답하여 객체의 길이를 측정할 수 있다.

도 5는 일 실시 예에 따른 전자 장치에서 보정된 시작 포인트 및 종료 포인트를 디스플레이에 표시하는 것을 나타낸 도면이다.

도 5를 참조하면, 일 실시 예에 따른 프로세서(110)는 카메라(120)를 통해 획득한 프리뷰 이미지에 포함된 피사체(500)의 적어도 일부의 길이를 측정하기 위한 시작 포인트(403a) 및 종료 포인트(403b)를 지정하는 사용자 입력을 획득할 수 있다.

일 실시 예에 따르면, 프로세서(110)는 사용자가 지정한 시작 포인트(403a)와 피사체(500)와의 거리가 지정된 거리 이내인 것으로 판단되는 경우, 프리뷰 영상에 포함된 평면 정보에 기반하여 피사체(500)와 평면과의 접점들 중 시작 포인트(403a)와 가장 가까운 접점을 시작 앵커(405a)로 결정할 수 있다. 예를 들어, 프로세서(110)는 피사체(500)가 평면과 접촉하는 것으로 판단되는 경우, 피사체(500)와 접촉한 평면과의 접점 중 시작 포인트(403a)와 가장 가까운 접점을 시작 앵커(405b)로 결정할 수 있다. 다른 예를 들어, 프로세서(110)는 피사체(500)가 평면과 접촉하지 않는 것으로 판단되는 경우, 가상의 평면을 결정하고, 가상 평면과의 접점 중 시작 포인트(403a)와 가장 가까운 접점을 시작 앵커(405a)로 결정할 수 있다.

일 실시 예에 따르면, 프로세서(110)는 피사체(500)의 외곽 정보를 획득하고, 획득한 외곽 정보에 기반하여 종료 포인트(403b)를 보정한 종료 앵커(405b)를 결정할 수 있다. 예를 들어, 프로세서(110)는 기계 학습을 통하여 피사체(500)의 외곽 점들을 인식하고, 피사체의 외곽 점들 중 종료 포인트(403b)와 가장 가까운 외곽 점을 종료 앵커(405b)로 결정할 수 있다.

일 실시 예에 따르면, 프로세서(110)는 디스플레이(140)를 통하여 시작 포인트(403a) 및 종료 포인트(403b)를 제1 색 또는 제1 모양으로 표시하고, 시작 앵커(405a) 및 종료 앵커(405b)를 제2 색 또는 제 2 모양으로 표시할 수 있다.

일 실시 예에 따르면, 프로세서(110)는 시작 앵커(405a) 및/또는 종료 앵커(405b)에 대한 사용자 피드백을 획득할 수 있다. 예를 들어, 프로세서(110)는 시작 앵커(405a) 및/또는 종료 앵커(405b)에 대해 승인하는 사용자 입력을 획득할 수 있다. 다른 예를 들어, 프로세서(110)는 시작 앵커(405a) 및/또는 종료 앵커(405b)에 대해 거절하는 사용자 입력을 획득할 수 있다.

일 실시 예에 따르면, 프로세서(110)는 획득한 사용자 피드백에 기반하여 앵커 포인트를 보정할 수 있다. 예를 들어, 프로세서(110)는 제안된 앵커 포인트를 승인하는 사용자 입력을 획득하는 것에 응답하여 시작 포인트(403a) 및 종료 포인트(403b)를 각각 시작 앵커(405a) 및 종료 앵커(405b)로 보정(예: 이동)할 수 있다. 일 실시 예에 따르면, 승인하는 사용자 입력을 획득하는 경우 프로세서(110)는 보정된 시작 앵커(405a) 및 종료 앵커(405b)를 기반으로 피사체(500)의 길이를 측정할 수 있다. 일 실시 예에 따르면, 프로세서(110)는 디스플레이(140)를 통하여 측정된 길이를 제공할 수 있다.

다른 예를 들어, 프로세서(110)는 제안된 앵커 포인트를 거절하는 사용자 입력을 획득하는 것에 응답하여 시작 포인트(403a) 및 종료 포인트(403b)를 각각 시작 앵커(405a) 및 종료 앵커(405b)로 보정(예: 이동)하지 않을 수 있다. 이 때, 프로세서(110)는 시작 앵커(405a) 및 종료 앵커(405b)를 나타내는 사용자 인터페이스에 대한 표시를 제거할 수 있다.

도 6은 일 실시 예에 따른 전자 장치(100)에서 피사체의 길이를 측정하기 위한 사용자 입력에 대응되는 2차원 좌표를 3차원 공간 좌표로 변환하는 것을 나타낸 도면이다.

도 6을 참조하면, 일 실시 예에 따른 프로세서(110)는 증강현실 어플리케이션이 실행된 상태에서 카메라(120)를 통해 획득한 적어도 하나의 객체의 길이를 측정하기 위한 시작 포인트(403a) 및 종료 포인트(403b)를 지정할 수 있다. 예를 들어, 프로세서(110)는 디스플레이(140)를 통해 시작 포인트(403a) 및 종료 포인트(403b)를 지정하는 터치 입력을 획득할 수 있다.

일 실시 예에 따르면, 프로세서(110)는 2차원 좌표계(610)에서 터치 입력에 의해 지정된 시작 포인트(403a) 및 종료 포인트(403b)에 대한 2차원 좌표를 획득할 수 있다. 일 실시 예에 따르면, 프로세서(110)는 시작 포인트(403a) 및 종료 포인트(403b)에 각각 대응되는 2차원 좌표를 3차원 공간 좌표계(620) 상의 3차원 좌표로 변환할 수 있다. 예를 들어, 프로세서(110)는 프로젝션 매트릭스 연산을 이용하여 2차원 좌표를 3차원 좌표로 변환할 수 있다.

일 실시 예에 따르면, 프로세서(110)는 3차원 공간 좌표계(620)에서 깊이 정보 및 평면 정보를 이용하여 측정하고자 하는 객체와 평면 간 접촉 점을 검출할 수 있다. 일 실시 예에 따르면, 프로세서(110)는 시작 포인트(403a)와 가장 근접한 접촉 점을 시작 앵커(405a)로 결정할 수 있다. 일 실시 예에 따르면, 프로세서(110)는 객체의 외곽 점들 중 종료 포인트(403b)에서 가장 가까운 외곽점을 종료 앵커(405b)로 제안할 수 있다. 일 실시 예에 따르면, 프로세서(110)는 시작 앵커(405a)를 포함하는 평면 상의 임의의 축을 기준으로 수직으로 만나는 객체의 외곽 점을 종료 앵커(405b)로 제안할 수 있다.

일 실시 예에 따르면, 프로세서(110)는 결정된 시작 앵커(405b) 및 결정된 종료 앵커(405b) 사이의 거리에 기반하여 객체의 실제 길이를 측정할 수 있다. 다만, 객체의 실제 길이는 객체의 높이에 한정되지 않으며, 객체의 너비 또는 객체의 적어도 일부의 길이를 포함할 수 있다.

도 7은 일 실시 예에 따른 네트워크 환경(700) 내의 전자 장치(701)(예: 도 1의 전자 장치(100))의 블록도이다.

도 7을 참조하면, 네트워크 환경(700)에서 전자 장치(701)는 제 1 네트워크(798)(예: 근거리 무선 통신 네트워크)를 통하여 전자 장치(702)와 통신하거나, 또는 제 2 네트워크(799)(예: 원거리 무선 통신 네트워크)를 통하여 전자 장치(704) 또는 서버(708)와 통신할 수 있다. 일 실시 예에 따르면, 전자 장치(701)는 서버(708)를 통하여 전자 장치(704)와 통신할 수 있다. 일 실시 예에 따르면, 전자 장치(701)는 프로세서(710)(예: 도 1의 프로세서(110)), 메모리(730), 입력 모듈(750), 음향 출력 모듈(755), 디스플레이 모듈(760), 오디오 모듈(770), 센서 모듈(776), 인터페이스(777), 연결 단자(778), 햅틱 모듈(779), 카메라 모듈(780), 전력 관리 모듈(788), 배터리(789), 통신 모듈(790), 가입자 식별 모듈(796), 또는 안테나 모듈(797)을 포함할 수 있다. 어떤 실시예에서는, 전자 장치(701)에는, 이 구성요소들 중 적어도 하나(예: 연결 단자(778))가 생략되거나, 하나 이상의 다른 구성요소가 추가될 수 있다. 어떤 실시예에서는, 이 구성요소들 중 일부들(예: 센서 모듈(776), 카메라 모듈(780), 또는 안테나 모듈(797))은 하나의 구성요소(예: 디스플레이 모듈(760))로 통합될 수 있다.

프로세서(720)는, 예를 들면, 소프트웨어(예: 프로그램(740))를 실행하여 프로세서(720)에 연결된 전자 장치(701)의 적어도 하나의 다른 구성요소(예: 하드웨어 또는 소프트웨어 구성요소)를 제어할 수 있고, 다양한 데이터 처리 또는 연산을 수행할 수 있다. 일 실시 예에 따르면, 데이터 처리 또는 연산의 적어도 일부로서, 프로세서(720)는 다른 구성요소(예: 센서 모듈(776) 또는 통신 모듈(790))로부터 수신된 명령 또는 데이터를 휘발성 메모리(732)에 저장하고, 휘발성 메모리(732)에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 비휘발성 메모리(734)에 저장할 수 있다. 일 실시 예에 따르면, 프로세서(720)는 메인 프로세서(721)(예: 중앙 처리 장치 또는 어플리케이션 프로세서) 또는 이와는 독립적으로 또는 함께 운영 가능한 보조 프로세서(723)(예: 그래픽 처리 장치, 신경망 처리 장치(NPU: neural processing unit), 이미지 시그널 프로세서, 센서 허브 프로세서, 또는 커뮤니케이션 프로세서)를 포함할 수 있다. 예를 들어, 전자 장치(701)가 메인 프로세서(721) 및 보조 프로세서(723)를 포함하는 경우, 보조 프로세서(723)는 메인 프로세서(721)보다 저전력을 사용하거나, 지정된 기능에 특화되도록 설정될 수 있다. 보조 프로세서(723)는 메인 프로세서(721)와 별개로, 또는 그 일부로서 구현될 수 있다.

보조 프로세서(723)는, 예를 들면, 메인 프로세서(721)가 인액티브(예: 슬립) 상태에 있는 동안 메인 프로세서(721)를 대신하여, 또는 메인 프로세서(721)가 액티브(예: 어플리케이션 실행) 상태에 있는 동안 메인 프로세서(721)와 함께, 전자 장치(701)의 구성요소들 중 적어도 하나의 구성요소(예: 디스플레이 모듈(760), 센서 모듈(776), 또는 통신 모듈(790))와 관련된 기능 또는 상태들의 적어도 일부를 제어할 수 있다. 일 실시 예에 따르면, 보조 프로세서(723)(예: 이미지 시그널 프로세서 또는 커뮤니케이션 프로세서)는 기능적으로 관련 있는 다른 구성요소(예: 카메라 모듈(780) 또는 통신 모듈(790))의 일부로서 구현될 수 있다. 일 실시 예에 따르면, 보조 프로세서(723)(예: 신경망 처리 장치)는 인공지능 모델의 처리에 특화된 하드웨어 구조를 포함할 수 있다. 인공지능 모델은 기계 학습을 통해 생성될 수 있다. 이러한 학습은, 예를 들어, 인공지능이 수행되는 전자 장치(701) 자체에서 수행될 수 있고, 별도의 서버(예: 서버(708))를 통해 수행될 수도 있다. 학습 알고리즘은, 예를 들어, 지도형 학습(supervised learning), 비지도형 학습(unsupervised learning), 준지도형 학습(semi-supervised learning) 또는 강화 학습(reinforcement learning)을 포함할 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은, 복수의 인공 신경망 레이어들을 포함할 수 있다. 인공 신경망은 심층 신경망(DNN: deep neural network), CNN(convolutional neural network), RNN(recurrent neural network), RBM(restricted boltzmann machine), DBN(deep belief network), BRDNN(bidirectional recurrent deep neural network), 심층 Q-네트워크(deep Q-networks) 또는 상기 중 둘 이상의 조합 중 하나일 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은 하드웨어 구조 이외에, 추가적으로 또는 대체적으로, 소프트웨어 구조를 포함할 수 있다.

메모리(730)는, 전자 장치(701)의 적어도 하나의 구성요소(예: 프로세서(720) 또는 센서 모듈(776))에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는, 예를 들어, 소프트웨어(예: 프로그램(740)) 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 메모리(730)는, 휘발성 메모리(732) 또는 비휘발성 메모리(734)를 포함할 수 있다.

프로그램(740)은 메모리(730)에 소프트웨어로서 저장될 수 있으며, 예를 들면, 운영 체제(742), 미들 웨어(744) 또는 어플리케이션(746)을 포함할 수 있다.

입력 모듈(750)은, 전자 장치(701)의 구성요소(예: 프로세서(720))에 사용될 명령 또는 데이터를 전자 장치(701)의 외부(예: 사용자)로부터 수신할 수 있다. 입력 모듈(750)은, 예를 들면, 마이크, 마우스, 키보드, 키(예: 버튼), 또는 디지털 펜(예: 스타일러스 펜)을 포함할 수 있다.

음향 출력 모듈(755)은 음향 신호를 전자 장치(701)의 외부로 출력할 수 있다. 음향 출력 모듈(755)은, 예를 들면, 스피커 또는 리시버를 포함할 수 있다. 스피커는 멀티미디어 재생 또는 녹음 재생과 같이 일반적인 용도로 사용될 수 있다. 리시버는 착신 전화를 수신하기 위해 사용될 수 있다. 일 실시 예에 따르면, 리시버는 스피커와 별개로, 또는 그 일부로서 구현될 수 있다.

디스플레이 모듈(760)은 전자 장치(701)의 외부(예: 사용자)로 정보를 시각적으로 제공할 수 있다. 디스플레이 모듈(760)은, 예를 들면, 디스플레이, 홀로그램 장치, 또는 프로젝터 및 해당 장치를 제어하기 위한 제어 회로를 포함할 수 있다. 일 실시 예에 따르면, 디스플레이 모듈(760)은 터치를 감지하도록 설정된 터치 센서, 또는 상기 터치에 의해 발생되는 힘의 세기를 측정하도록 설정된 압력 센서를 포함할 수 있다.

오디오 모듈(770)은 소리를 전기 신호로 변환시키거나, 반대로 전기 신호를 소리로 변환시킬 수 있다. 일 실시 예에 따르면, 오디오 모듈(770)은, 입력 모듈(750)을 통해 소리를 획득하거나, 음향 출력 모듈(755), 또는 전자 장치(701)와 직접 또는 무선으로 연결된 외부 전자 장치(예: 전자 장치(702))(예: 스피커 또는 헤드폰)를 통해 소리를 출력할 수 있다.

센서 모듈(776)은 전자 장치(701)의 작동 상태(예: 전력 또는 온도), 또는 외부의 환경 상태(예: 사용자 상태)를 감지하고, 감지된 상태에 대응하는 전기 신호 또는 데이터 값을 생성할 수 있다. 일 실시 예에 따르면, 센서 모듈(776)은, 예를 들면, 제스처 센서, 자이로 센서, 기압 센서, 마그네틱 센서, 가속도 센서, 그립 센서, 근접 센서, 컬러 센서, IR(infrared) 센서, 생체 센서, 온도 센서, 습도 센서, 또는 조도 센서를 포함할 수 있다.

인터페이스(777)는 전자 장치(701)가 외부 전자 장치(예: 전자 장치(702))와 직접 또는 무선으로 연결되기 위해 사용될 수 있는 하나 이상의 지정된 프로토콜들을 지원할 수 있다. 일 실시 예에 따르면, 인터페이스(777)는, 예를 들면, HDMI(high definition multimedia interface), USB(universal serial bus) 인터페이스, SD카드 인터페이스, 또는 오디오 인터페이스를 포함할 수 있다.

연결 단자(778)는, 그를 통해서 전자 장치(701)가 외부 전자 장치(예: 전자 장치(702))와 물리적으로 연결될 수 있는 커넥터를 포함할 수 있다. 일 실시 예에 따르면, 연결 단자(778)는, 예를 들면, HDMI 커넥터, USB 커넥터, SD 카드 커넥터, 또는 오디오 커넥터(예: 헤드폰 커넥터)를 포함할 수 있다.

햅틱 모듈(779)은 전기적 신호를 사용자가 촉각 또는 운동 감각을 통해서 인지할 수 있는 기계적인 자극(예: 진동 또는 움직임) 또는 전기적인 자극으로 변환할 수 있다. 일 실시 예에 따르면, 햅틱 모듈(779)은, 예를 들면, 모터, 압전 소자, 또는 전기 자극 장치를 포함할 수 있다.

카메라 모듈(780)은 정지 영상 및 동영상을 촬영할 수 있다. 일 실시 예에 따르면, 카메라 모듈(780)은 하나 이상의 렌즈들, 이미지 센서들, 이미지 시그널 프로세서들, 또는 플래시들을 포함할 수 있다.

전력 관리 모듈(788)은 전자 장치(701)에 공급되는 전력을 관리할 수 있다. 일 실시 예에 따르면, 전력 관리 모듈(788)은, 예를 들면, PMIC(power management integrated circuit)의 적어도 일부로서 구현될 수 있다.

배터리(789)는 전자 장치(701)의 적어도 하나의 구성요소에 전력을 공급할 수 있다. 일 실시 예에 따르면, 배터리(789)는, 예를 들면, 재충전 불가능한 1차 전지, 재충전 가능한 2차 전지 또는 연료 전지를 포함할 수 있다.

통신 모듈(790)은 전자 장치(701)와 외부 전자 장치(예: 전자 장치(702), 전자 장치(704), 또는 서버(708)) 간의 직접(예: 유선) 통신 채널 또는 무선 통신 채널의 수립, 및 수립된 통신 채널을 통한 통신 수행을 지원할 수 있다. 통신 모듈(790)은 프로세서(720)(예: 어플리케이션 프로세서)와 독립적으로 운영되고, 직접(예: 유선) 통신 또는 무선 통신을 지원하는 하나 이상의 커뮤니케이션 프로세서를 포함할 수 있다. 일 실시 예에 따르면, 통신 모듈(790)은 무선 통신 모듈(792)(예: 셀룰러 통신 모듈, 근거리 무선 통신 모듈, 또는 GNSS(global navigation satellite system) 통신 모듈) 또는 유선 통신 모듈(794)(예: LAN(local area network) 통신 모듈, 또는 전력선 통신 모듈)을 포함할 수 있다. 이들 통신 모듈 중 해당하는 통신 모듈은 제 1 네트워크(798)(예: 블루투스, WiFi(wireless fidelity) direct 또는 IrDA(infrared data association)와 같은 근거리 통신 네트워크) 또는 제 2 네트워크(799)(예: 레거시 셀룰러 네트워크, 5G 네트워크, 차세대 통신 네트워크, 인터넷, 또는 컴퓨터 네트워크(예: LAN 또는 WAN)와 같은 원거리 통신 네트워크)를 통하여 외부의 전자 장치(704)와 통신할 수 있다. 이런 여러 종류의 통신 모듈들은 하나의 구성요소(예: 단일 칩)로 통합되거나, 또는 서로 별도의 복수의 구성요소들(예: 복수 칩들)로 구현될 수 있다. 무선 통신 모듈(792)은 가입자 식별 모듈(796)에 저장된 가입자 정보(예: 국제 모바일 가입자 식별자(IMSI))를 이용하여 제 1 네트워크(798) 또는 제 2 네트워크(799)와 같은 통신 네트워크 내에서 전자 장치(701)를 확인 또는 인증할 수 있다.

무선 통신 모듈(792)은 4G 네트워크 이후의 5G 네트워크 및 차세대 통신 기술, 예를 들어, NR 접속 기술(new radio access technology)을 지원할 수 있다. NR 접속 기술은 고용량 데이터의 고속 전송(eMBB(enhanced mobile broadband)), 단말 전력 최소화와 다수 단말의 접속(mMTC(massive machine type communications)), 또는 고신뢰도와 저지연(URLLC(ultra-reliable and low-latency communications))을 지원할 수 있다. 무선 통신 모듈(792)은, 예를 들어, 높은 데이터 전송률 달성을 위해, 고주파 대역(예: mmWave 대역)을 지원할 수 있다. 무선 통신 모듈(792)은 고주파 대역에서의 성능 확보를 위한 다양한 기술들, 예를 들어, 빔포밍(beamforming), 거대 배열 다중 입출력(massive MIMO(multiple-input and multiple-output)), 전차원 다중입출력(FD-MIMO: full dimensional MIMO), 어레이 안테나(array antenna), 아날로그 빔형성(analog beam-forming), 또는 대규모 안테나(large scale antenna)와 같은 기술들을 지원할 수 있다. 무선 통신 모듈(792)은 전자 장치(701), 외부 전자 장치(예: 전자 장치(704)) 또는 네트워크 시스템(예: 제 2 네트워크(799))에 규정되는 다양한 요구사항을 지원할 수 있다. 일 실시 예에 따르면, 무선 통신 모듈(792)은 eMBB 실현을 위한 Peak data rate(예: 20Gbps 이상), mMTC 실현을 위한 손실 Coverage(예: 164dB 이하), 또는 URLLC 실현을 위한 U-plane latency(예: 다운링크(DL) 및 업링크(UL) 각각 0.5ms 이하, 또는 라운드 트립 1ms 이하)를 지원할 수 있다.

안테나 모듈(797)은 신호 또는 전력을 외부(예: 외부의 전자 장치)로 송신하거나 외부로부터 수신할 수 있다. 일 실시 예에 따르면, 안테나 모듈(797)은 서브스트레이트(예: PCB) 위에 형성된 도전체 또는 도전성 패턴으로 이루어진 방사체를 포함하는 안테나를 포함할 수 있다. 일 실시 예에 따르면, 안테나 모듈(797)은 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다. 이런 경우, 제 1 네트워크(798) 또는 제 2 네트워크(799)와 같은 통신 네트워크에서 사용되는 통신 방식에 적합한 적어도 하나의 안테나가, 예를 들면, 통신 모듈(790)에 의하여 상기 복수의 안테나들로부터 선택될 수 있다. 신호 또는 전력은 상기 선택된 적어도 하나의 안테나를 통하여 통신 모듈(790)과 외부의 전자 장치 간에 송신되거나 수신될 수 있다. 어떤 실시예에 따르면, 방사체 이외에 다른 부품(예: RFIC(radio frequency integrated circuit))이 추가로 안테나 모듈(797)의 일부로 형성될 수 있다.

다양한 실시예에 따르면, 안테나 모듈(797)은 mmWave 안테나 모듈을 형성할 수 있다. 일 실시 예에 따르면, mmWave 안테나 모듈은 인쇄 회로 기판, 상기 인쇄 회로 기판의 제 1 면(예: 아래 면)에 또는 그에 인접하여 배치되고 지정된 고주파 대역(예: mmWave 대역)을 지원할 수 있는 RFIC, 및 상기 인쇄 회로 기판의 제 2 면(예: 윗 면 또는 측 면)에 또는 그에 인접하여 배치되고 상기 지정된 고주파 대역의 신호를 송신 또는 수신할 수 있는 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다.

상기 구성요소들 중 적어도 일부는 주변 기기들간 통신 방식(예: 버스, GPIO(general purpose input and output), SPI(serial peripheral interface), 또는 MIPI(mobile industry processor interface))을 통해 서로 연결되고 신호(예: 명령 또는 데이터)를 상호간에 교환할 수 있다.

일 실시예에 따르면, 명령 또는 데이터는 제 2 네트워크(799)에 연결된 서버(708)를 통해서 전자 장치(701)와 외부의 전자 장치(704)간에 송신 또는 수신될 수 있다. 외부의 전자 장치(702, 또는 1004) 각각은 전자 장치(701)와 동일한 또는 다른 종류의 장치일 수 있다. 일 실시 예에 따르면, 전자 장치(701)에서 실행되는 동작들의 전부 또는 일부는 외부의 전자 장치들(702, 1004, 또는 1008) 중 하나 이상의 외부의 전자 장치들에서 실행될 수 있다. 예를 들면, 전자 장치(701)가 어떤 기능이나 서비스를 자동으로, 또는 사용자 또는 다른 장치로부터의 요청에 반응하여 수행해야 할 경우에, 전자 장치(701)는 기능 또는 서비스를 자체적으로 실행시키는 대신에 또는 추가적으로, 하나 이상의 외부의 전자 장치들에게 그 기능 또는 그 서비스의 적어도 일부를 수행하라고 요청할 수 있다. 상기 요청을 수신한 하나 이상의 외부의 전자 장치들은 요청된 기능 또는 서비스의 적어도 일부, 또는 상기 요청과 관련된 추가 기능 또는 서비스를 실행하고, 그 실행의 결과를 전자 장치(701)로 전달할 수 있다. 전자 장치(701)는 상기 결과를, 그대로 또는 추가적으로 처리하여, 상기 요청에 대한 응답의 적어도 일부로서 제공할 수 있다. 이를 위하여, 예를 들면, 클라우드 컴퓨팅, 분산 컴퓨팅, 모바일 에지 컴퓨팅(MEC: mobile edge computing), 또는 클라이언트-서버 컴퓨팅 기술이 이용될 수 있다. 전자 장치(701)는, 예를 들어, 분산 컴퓨팅 또는 모바일 에지 컴퓨팅을 이용하여 초저지연 서비스를 제공할 수 있다. 다른 실시예에 있어서, 외부의 전자 장치(704)는 IoT(internet of things) 기기를 포함할 수 있다. 서버(708)는 기계 학습 및/또는 신경망을 이용한 지능형 서버일 수 있다. 일 실시 예에 따르면, 외부의 전자 장치(704) 또는 서버(708)는 제 2 네트워크(799) 내에 포함될 수 있다. 전자 장치(701)는 5G 통신 기술 및 IoT 관련 기술을 기반으로 지능형 서비스(예: 스마트 홈, 스마트 시티, 스마트 카, 또는 헬스 케어)에 적용될 수 있다.

본 문서에 개시된 다양한 실시예들에 따른 전자 장치는 다양한 형태의 장치가 될 수 있다. 전자 장치는, 예를 들면, 휴대용 통신 장치(예: 스마트폰), 컴퓨터 장치, 휴대용 멀티미디어 장치, 휴대용 의료 기기, 카메라, 웨어러블 장치, 또는 가전 장치를 포함할 수 있다. 본 문서의 실시예에 따른 전자 장치는 전술한 기기들에 한정되지 않는다.

본 문서의 다양한 실시예들 및 이에 사용된 용어들은 본 문서에 기재된 기술적 특징들을 특정한 실시예들로 한정하려는 것이 아니며, 해당 실시예의 다양한 변경, 균등물, 또는 대체물을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 또는 관련된 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다. 아이템에 대응하는 명사의 단수 형은 관련된 문맥상 명백하게 다르게 지시하지 않는 한, 상기 아이템 한 개 또는 복수 개를 포함할 수 있다. 본 문서에서, "A 또는 B", "A 및 B 중 적어도 하나", "A 또는 B 중 적어도 하나", "A, B 또는 C", "A, B 및 C 중 적어도 하나", 및 "A, B, 또는 C 중 적어도 하나"와 같은 문구들 각각은 그 문구들 중 해당하는 문구에 함께 나열된 항목들 중 어느 하나, 또는 그들의 모든 가능한 조합을 포함할 수 있다. "제 1", "제 2", 또는 "첫째" 또는 "둘째"와 같은 용어들은 단순히 해당 구성요소를 다른 해당 구성요소와 구분하기 위해 사용될 수 있으며, 해당 구성요소들을 다른 측면(예: 중요성 또는 순서)에서 한정하지 않는다. 어떤(예: 제 1) 구성요소가 다른(예: 제 2) 구성요소에, "기능적으로" 또는 "통신적으로"라는 용어와 함께 또는 이런 용어 없이, "커플드" 또는 "커넥티드"라고 언급된 경우, 그것은 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로(예: 유선으로), 무선으로, 또는 제 3 구성요소를 통하여 연결될 수 있다는 것을 의미한다.

본 문서의 다양한 실시예들에서 사용된 용어 "모듈"은 하드웨어, 소프트웨어 또는 펌웨어로 구현된 유닛을 포함할 수 있으며, 예를 들면, 로직, 논리 블록, 부품, 또는 회로와 같은 용어와 상호 호환적으로 사용될 수 있다. 모듈은, 일체로 구성된 부품 또는 하나 또는 그 이상의 기능을 수행하는, 상기 부품의 최소 단위 또는 그 일부가 될 수 있다. 예를 들면, 일 실시 예에 따르면, 모듈은 ASIC(application-specific integrated circuit)의 형태로 구현될 수 있다.

본 문서의 다양한 실시예들은 기기(machine)(예: 전자 장치(701)) 의해 읽을 수 있는 저장 매체(storage medium)(예: 내장 메모리(736) 또는 외장 메모리(738))에 저장된 하나 이상의 명령어들을 포함하는 소프트웨어(예: 프로그램(740))로서 구현될 수 있다. 예를 들면, 기기(예: 전자 장치(701))의 프로세서(예: 프로세서(720))는, 저장 매체로부터 저장된 하나 이상의 명령어들 중 적어도 하나의 명령을 호출하고, 그것을 실행할 수 있다. 이것은 기기가 상기 호출된 적어도 하나의 명령어에 따라 적어도 하나의 기능을 수행하도록 운영되는 것을 가능하게 한다. 상기 하나 이상의 명령어들은 컴파일러에 의해 생성된 코드 또는 인터프리터에 의해 실행될 수 있는 코드를 포함할 수 있다. 기기로 읽을 수 있는 저장 매체는, 비일시적(non-transitory) 저장 매체의 형태로 제공될 수 있다. 여기서, ‘비일시적’은 저장 매체가 실재(tangible)하는 장치이고, 신호(signal)(예: 전자기파)를 포함하지 않는다는 것을 의미할 뿐이며, 이 용어는 데이터가 저장 매체에 반영구적으로 저장되는 경우와 임시적으로 저장되는 경우를 구분하지 않는다.

일 실시예에 따르면, 본 문서에 개시된 다양한 실시예들에 따른 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다. 컴퓨터 프로그램 제품은 기기로 읽을 수 있는 저장 매체(예: compact disc read only memory(CD-ROM))의 형태로 배포되거나, 또는 어플리케이션 스토어(예: 플레이 스토어TM)를 통해 또는 두 개의 사용자 장치들(예: 스마트 폰들) 간에 직접, 온라인으로 배포(예: 다운로드 또는 업로드)될 수 있다. 온라인 배포의 경우에, 컴퓨터 프로그램 제품의 적어도 일부는 제조사의 서버, 어플리케이션 스토어의 서버, 또는 중계 서버의 메모리와 같은 기기로 읽을 수 있는 저장 매체에 적어도 일시 저장되거나, 임시적으로 생성될 수 있다.

다양한 실시예들에 따르면, 상기 기술한 구성요소들의 각각의 구성요소(예: 모듈 또는 프로그램)는 단수 또는 복수의 개체를 포함할 수 있으며, 복수의 개체 중 일부는 다른 구성요소에 분리 배치될 수도 있다. 다양한 실시예들에 따르면, 전술한 해당 구성요소들 중 하나 이상의 구성요소들 또는 동작들이 생략되거나, 또는 하나 이상의 다른 구성요소들 또는 동작들이 추가될 수 있다. 대체적으로 또는 추가적으로, 복수의 구성요소들(예: 모듈 또는 프로그램)은 하나의 구성요소로 통합될 수 있다. 이런 경우, 통합된 구성요소는 상기 복수의 구성요소들 각각의 구성요소의 하나 이상의 기능들을 상기 통합 이전에 상기 복수의 구성요소들 중 해당 구성요소에 의해 수행되는 것과 동일 또는 유사하게 수행할 수 있다. 다양한 실시예들에 따르면, 모듈, 프로그램 또는 다른 구성요소에 의해 수행되는 동작들은 순차적으로, 병렬적으로, 반복적으로, 또는 휴리스틱하게 실행되거나, 상기 동작들 중 하나 이상이 다른 순서로 실행되거나, 생략되거나, 또는 하나 이상의 다른 동작들이 추가될 수 있다.

도 8은, 다양한 실시예들에 따른, 카메라 모듈(780)을 예시하는 블록도(800)이다. 도 8를 참조하면, 카메라 모듈(780)은 렌즈 어셈블리(810), 플래쉬(820), 이미지 센서(830), 이미지 스태빌라이저(840), 메모리(850)(예: 버퍼 메모리), 또는 이미지 시그널 프로세서(860)를 포함할 수 있다. 렌즈 어셈블리(810)는 이미지 촬영의 대상인 피사체로부터 방출되는 빛을 수집할 수 있다. 렌즈 어셈블리(810)는 하나 또는 그 이상의 렌즈들을 포함할 수 있다. 일 실시 예에 따르면, 카메라 모듈(780)은 복수의 렌즈 어셈블리(810)들을 포함할 수 있다. 이런 경우, 카메라 모듈(780)은, 예를 들면, 듀얼 카메라, 360도 카메라, 또는 구형 카메라(spherical camera)를 형성할 수 있다. 복수의 렌즈 어셈블리(810)들 중 일부는 동일한 렌즈 속성(예: 화각, 초점 거리, 자동 초점, f 넘버(f number), 또는 광학 줌)을 갖거나, 또는 적어도 하나의 렌즈 어셈블리는 다른 렌즈 어셈블리의 렌즈 속성들과 다른 하나 이상의 렌즈 속성들을 가질 수 있다. 렌즈 어셈블리(810)는, 예를 들면, 광각 렌즈 또는 망원 렌즈를 포함할 수 있다.

플래쉬(820)는 피사체로부터 방출 또는 반사되는 빛을 강화하기 위하여 사용되는 빛을 방출할 수 있다. 일 실시 예에 따르면, 플래쉬(820)는 하나 이상의 발광 다이오드들(예: RGB(red-green-blue) LED, white LED, infrared LED, 또는 ultraviolet LED), 또는 xenon lamp를 포함할 수 있다. 이미지 센서(830)는 피사체로부터 방출 또는 반사되어 렌즈 어셈블리(810)를 통해 전달된 빛을 전기적인 신호로 변환함으로써, 상기 피사체에 대응하는 이미지를 획득할 수 있다. 일 실시 예에 따르면, 이미지 센서(830)는, 예를 들면, RGB 센서, BW(black and white) 센서, IR 센서, 또는 UV 센서와 같이 속성이 다른 이미지 센서들 중 선택된 하나의 이미지 센서, 동일한 속성을 갖는 복수의 이미지 센서들, 또는 다른 속성을 갖는 복수의 이미지 센서들을 포함할 수 있다. 이미지 센서(830)에 포함된 각각의 이미지 센서는, 예를 들면, CCD(charged coupled device) 센서 또는 CMOS(complementary metal oxide semiconductor) 센서를 이용하여 구현될 수 있다.

이미지 스태빌라이저(840)는 카메라 모듈(780) 또는 이를 포함하는 전자 장치(701)의 움직임에 반응하여, 렌즈 어셈블리(810)에 포함된 적어도 하나의 렌즈 또는 이미지 센서(830)를 특정한 방향으로 움직이거나 이미지 센서(830)의 동작 특성을 제어(예: 리드 아웃(read-out) 타이밍을 조정 등)할 수 있다. 이는 촬영되는 이미지에 대한 상기 움직임에 의한 부정적인 영향의 적어도 일부를 보상하게 해 준다. 일 실시 예에 따르면, 이미지 스태빌라이저(840)는, 일 실시 예에 따르면, 이미지 스태빌라이저(840)는 카메라 모듈(780)의 내부 또는 외부에 배치된 자이로 센서(미도시) 또는 가속도 센서(미도시)를 이용하여 카메라 모듈(780) 또는 전자 장치(701)의 그런 움직임을 감지할 수 있다. 일 실시 예에 따르면, 이미지 스태빌라이저(840)는, 예를 들면, 광학식 이미지 스태빌라이저로 구현될 수 있다. 메모리(850)는 이미지 센서(830)를 통하여 획득된 이미지의 적어도 일부를 다음 이미지 처리 작업을 위하여 적어도 일시 저장할 수 있다. 예를 들어, 셔터에 따른 이미지 획득이 지연되거나, 또는 복수의 이미지들이 고속으로 획득되는 경우, 획득된 원본 이미지(예: Bayer-patterned 이미지 또는 높은 해상도의 이미지)는 메모리(850)에 저장이 되고, 그에 대응하는 사본 이미지(예: 낮은 해상도의 이미지)는 표시 장치(760)를 통하여 프리뷰될 수 있다. 이후, 지정된 조건이 만족되면(예: 사용자 입력 또는 시스템 명령) 메모리(850)에 저장되었던 원본 이미지의 적어도 일부가, 예를 들면, 이미지 시그널 프로세서(860)에 의해 획득되어 처리될 수 있다. 일 실시 예에 따르면, 메모리(850)는 메모리(730)의 적어도 일부로, 또는 이와는 독립적으로 운영되는 별도의 메모리로 구성될 수 있다.

이미지 시그널 프로세서(860)는 이미지 센서(830)를 통하여 획득된 이미지 또는 메모리(850)에 저장된 이미지에 대하여 하나 이상의 이미지 처리들을 수행할 수 있다. 상기 하나 이상의 이미지 처리들은, 예를 들면, 깊이 지도(depth map) 생성, 3차원 모델링, 파노라마 생성, 특징점 추출, 이미지 합성, 또는 이미지 보상(예: 노이즈 감소, 해상도 조정, 밝기 조정, 블러링(blurring), 샤프닝(sharpening), 또는 소프트닝(softening)을 포함할 수 있다. 추가적으로 또는 대체적으로, 이미지 시그널 프로세서(860)는 카메라 모듈(780)에 포함된 구성 요소들 중 적어도 하나(예: 이미지 센서(830))에 대한 제어(예: 노출 시간 제어, 또는 리드 아웃 타이밍 제어 등)를 수행할 수 있다. 이미지 시그널 프로세서(860)에 의해 처리된 이미지는 추가 처리를 위하여 메모리(850)에 다시 저장되거나 카메라 모듈(780)의 외부 구성 요소(예: 메모리(730), 표시 장치(760), 전자 장치(702), 전자 장치(704), 또는 서버(708))로 제공될 수 있다. 일 실시 예에 따르면, 이미지 시그널 프로세서(860)는 프로세서(720)의 적어도 일부로 구성되거나, 프로세서(720)와 독립적으로 운영되는 별도의 프로세서로 구성될 수 있다. 이미지 시그널 프로세서(860)가 프로세서(720)와 별도의 프로세서로 구성된 경우, 이미지 시그널 프로세서(860)에 의해 처리된 적어도 하나의 이미지는 프로세서(720)에 의하여 그대로 또는 추가의 이미지 처리를 거친 후 표시 장치(760)를 통해 표시될 수 있다.

일 실시 예에 따르면, 전자 장치(701)는 각각 다른 속성 또는 기능을 가진 복수의 카메라 모듈(780)들을 포함할 수 있다. 이런 경우, 예를 들면, 상기 복수의 카메라 모듈(780)들 중 적어도 하나는 광각 카메라이고, 적어도 다른 하나는 망원 카메라일 수 있다. 유사하게, 상기 복수의 카메라 모듈(780)들 중 적어도 하나는 전면 카메라이고, 적어도 다른 하나는 후면 카메라일 수 있다.

상술한 바와 같이 일 실시 예에 따른 전자 장치(예: 도 1의 전자 장치(100))는 카메라(예: 도 1의 카메라(120)), 디스플레이(예: 도 1의 디스플레이(140)), 적어도 하나의 객체에 대한 깊이 정보를 획득하는 센서(예: 도 1의 센서(130)), 상기 카메라 및 상기 디스플레이 및 상기 센서와 전기적으로 연결된 적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로세서는 상기 카메라를 구동하여 획득된 이미지를 상기 디스플레이에 프리뷰 이미지로 표시(display)하고, 상기 프리뷰 이미지에 포함된 피사체 상의 시작 포인트 및 종료 포인트를 지정하는 사용자 입력을 획득하고, 상기 센서를 통해 상기 피사체의 깊이 정보를 획득하고, 상기 획득한 깊이 정보에 기반하여 상기 시작 포인트 및 상기 종료 포인트를 보정하고, 상기 보정된 시작 포인트 및 상기 보정된 종료 포인트 사이의 거리에 기반하여 상기 피사체의 길이를 측정할 수 있다.

일 실시 예에 따르면, 상기 적어도 하나의 프로세서는 상기 시작 포인트 및 상기 종료 포인트에 대응되는 2차원 좌표를 프로젝션 매트릭스(projection matrix)를 이용하여 3차원 공간 좌표로 변환할 수 있다.

일 실시 예에 따르면, 상기 적어도 하나의 프로세서는 상기 시작 포인트 및 상기 종료 포인트를 나타내는 사용자 인터페이스(user interface, UI)를 상기 디스플레이에 표시할 수 있다.

일 실시 예에 따르면, 상기 적어도 하나의 프로세서는 상기 프리뷰 이미지로부터 평면을 생성하고, 상기 깊이 정보 및 상기 생성된 평면에 기반하여 상기 프리뷰 이미지의 평면 정보를 생성할 수 있다.

일 실시 예에 따르면, 상기 적어도 하나의 프로세서는 상기 지정된 시작 포인트와 상기 피사체 사이의 거리가 지정된 거리 이내인 것으로 판단되는 경우, 상기 생성된 평면 정보에 기반하여 상기 시작 포인트를 상기 피사체와 상기 생성된 평면과의 접점들 중 상기 지정된 시작 포인트와 가장 가까운 접점으로 보정할 수 있다.

일 실시 예에 따르면, 상기 적어도 하나의 프로세서는 기계학습을 통하여 상기 피사체의 외곽 정보를 획득하고, 상기 획득한 외곽 정보에 기반하여 상기 종료 포인트를 상기 피사체의 외곽 점들 중 상기 지정된 종료 포인트와 가장 가까운 외곽 점으로 보정할 수 있다.

일 실시 예에 따르면, 상기 적어도 하나의 프로세서는 상기 보정된 시작 포인트 및 상기 보정된 종료 포인트에 대한 승인 여부를 선택하기 위한 UI를 제공할 수 있다.

일 실시 예에 따르면, 상기 적어도 하나의 프로세서는 상기 UI에 대하여 거절하는 사용자 입력을 획득하는 것에 응답하여, 상기 시작 포인트 및 상기 종료 포인트 사이의 거리에 기반하여 측정된 상기 피사체의 길이를 상기 디스플레이에 표시하고, 상기 UI에 대하여 승인하는 사용자 입력을 획득하는 것에 응답하여, 상기 보정된 시작 포인트 및 상기 보정된 종료 포인트 사이의 거리에 기반하여 측정된 상기 피사체의 길이를 상기 디스플레이에 표시할 수 있다.

상술한 바와 같이, 일 실시 예에 따른 전자 장치(예: 도 1의 전자 장치(100))의 동작 방법은, 카메라(예: 도 1의 카메라(120))를 구동하여 획득된 이미지를 디스플레이(예: 도 1의 디스플레이(140))에 프리뷰 이미지로 표시(display)하는 동작, 상기 프리뷰 이미지에 포함된 피사체 상의 시작 포인트 및 종료 포인트를 지정하는 사용자 입력을 획득하는 동작, 센서를 통해 상기 피사체의 깊이 정보를 획득하는 동작, 상기 획득한 깊이 정보에 기반하여 상기 시작 포인트 및 상기 종료 포인트를 보정하는 동작 및 상기 보정된 시작 포인트 및 상기 보정된 종료 포인트 사이의 거리에 기반하여 상기 피사체의 길이를 측정하는 동작을 포함할 수 있다.

일 실시 예에 따르면, 전자 장치의 동작 방법은 상기 시작 포인트 및 상기 종료 포인트를 나타내는 사용자 인터페이스(user interface, UI)를 상기 디스플레이에 표시하는 동작을 더 포함할 수 있다.

일 실시 예에 따르면, 전자 장치의 동작 방법은 상기 프리뷰 이미지로부터 평면을 생성하는 동작 및 상기 깊이 정보 및 상기 생성된 평면에 기반하여 상기 프리뷰 이미지의 평면 정보를 생성하는 동작을 더 포함할 수 있다.

일 실시 예에 따르면, 상기 보정하는 동작은 상기 지정된 시작 포인트와 상기 피사체 사이의 거리가 지정된 거리 이내인 것으로 판단되는 경우, 상기 생성된 평면 정보에 기반하여 상기 시작 포인트를 상기 피사체와 상기 생성된 평면과의 접점들 중 상기 지정된 시작 포인트와 가장 가까운 접점으로 보정하는 동작을 포함할 수 있다.

일 실시 예에 따르면, 상기 보정하는 동작은 기계학습을 통하여 상기 피사체의 외곽 정보를 획득하는 동작 및 상기 획득한 외곽 정보에 기반하여 상기 종료 포인트를 상기 피사체의 외곽 점들 중 상기 지정된 종료 포인트와 가장 가까운 외곽 점으로 보정하는 동작을 포함할 수 있다.

일 실시 예에 따르면, 전자 장치의 동작 방법은 상기 보정된 시작 포인트 및 상기 보정된 종료 포인트에 대한 승인 여부를 선택하기 위한 UI를 제공하는 동작을 더 포함할 수 있다.

일 실시 예에 따르면, 전자 장치의 동작 방법은 상기 UI에 대하여 거절하는 사용자 입력을 획득하는 것에 응답하여, 상기 시작 포인트 및 상기 종료 포인트 사이의 거리에 기반하여 측정된 상기 피사체의 길이를 상기 디스플레이에 표시하고, 상기 UI에 대하여 승인하는 사용자 입력을 획득하는 것에 응답하여, 상기 보정된 시작 포인트 및 상기 보정된 종료 포인트 사이의 거리에 기반하여 측정된 상기 피사체의 길이를 상기 디스플레이에 표시하는 동작을 포함할 수 있다.

상술한 바와 같이, 일 실시 예에 따른 전자 장치(예: 도 1의 전자 장치(100))는 카메라(예: 도 1의 카메라(120)), 디스플레이(예: 도 1의 디스플레이(140)), 적어도 하나의 객체에 대한 깊이 정보를 획득하는 센서(예: 도 1의 센서(130)), 상기 카메라 및 상기 디스플레이 및 상기 센서와 전기적으로 연결된 적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로세서는 상기 카메라를 구동하여 획득된 이미지를 상기 디스플레이에 프리뷰 이미지로 표시(display)하고, 상기 프리뷰 이미지에 포함된 피사체 상의 시작 포인트 및 종료 포인트를 지정하는 제1 사용자 입력을 획득하고, 상기 센서를 통해 상기 피사체의 깊이 정보를 획득하고, 상기 획득한 깊이 정보에 기반하여 보정된 시작 포인트 및 보정된 종료 포인트를 제안하는 가이드를 제공하고, 상기 제공된 가이드에 대한 승인 여부를 요청하고, 상기 제공된 가이드를 승인하는 제2 사용자 입력을 획득하는 것에 응답하여, 상기 시작 포인트 및 상기 종료 포인트 사이의 거리에 기반하여 상기 피사체의 길이를 측정할 수 있다.

일 실시 예에 따르면, 상기 적어도 하나의 프로세서는 상기 시작 포인트 및 상기 종료 포인트를 나타내는 사용자 인터페이스(user interface, UI)를 상기 디스플레이에 표시할 수 있다.

일 실시 예에 따르면, 상기 적어도 하나의 프로세서는 상기 프리뷰 이미지로부터 평면을 생성하고, 상기 깊이 정보 및 상기 생성된 평면에 기반하여 상기 프리뷰 이미지의 평면 정보를 생성할 수 있다.

일 실시 예에 따르면, 상기 적어도 하나의 프로세서는 상기 지정된 시작 포인트와 상기 피사체 사이의 거리가 지정된 거리 이내인 것으로 판단되는 경우, 상기 생성된 평면 정보에 기반하여 상기 피사체와 상기 생성된 평면과의 접점들 중 상기 지정된 시작 포인트와 가장 가까운 접점을 상기 보정된 시작 포인트로 결정할 수 있다.

일 실시 예에 따르면, 상기 적어도 하나의 프로세서는 기계학습을 통하여 상기 피사체의 외곽 정보를 획득하고, 상기 획득한 외곽 정보에 기반하여 상기 피사체의 외곽 점들 중 상기 지정된 종료 포인트와 가장 가까운 외곽 점을 상기 보정된 종료 포인트로 결정할 수 있다.

Claims (20)

1. 전자 장치에 있어서,
   카메라;
   디스플레이;
   적어도 하나의 객체에 대한 깊이 정보를 획득하는 센서;
   상기 카메라 및 상기 디스플레이 및 상기 센서와 전기적으로 연결된 적어도 하나의 프로세서를 포함하고,
   상기 적어도 하나의 프로세서는:
   상기 카메라를 구동하여 획득된 이미지를 상기 디스플레이에 프리뷰 이미지로 표시(display)하고,
   상기 프리뷰 이미지에 포함된 피사체 상의 시작 포인트 및 종료 포인트를 지정하는 사용자 입력을 획득하고,
   상기 센서를 통해 상기 피사체의 깊이 정보를 획득하고,
   상기 획득한 깊이 정보에 기반하여 상기 시작 포인트 및 상기 종료 포인트를 보정하고,
   상기 보정된 시작 포인트 및 상기 보정된 종료 포인트 사이의 거리에 기반하여 상기 피사체의 길이를 측정하는, 전자 장치.
2. 청구항 1에 있어서,
   상기 적어도 하나의 프로세서는 상기 시작 포인트 및 상기 종료 포인트에 대응되는 2차원 좌표를 프로젝션 매트릭스(projection matrix)를 이용하여 3차원 공간 좌표로 변환하는, 전자 장치.
3. 청구항 1에 있어서,
   상기 적어도 하나의 프로세서는 상기 시작 포인트 및 상기 종료 포인트를 나타내는 사용자 인터페이스(user interface, UI)를 상기 디스플레이에 표시하는, 전자 장치.
4. 청구항 1에 있어서,
   상기 적어도 하나의 프로세서는 상기 프리뷰 이미지로부터 평면을 생성하고, 상기 깊이 정보 및 상기 생성된 평면에 기반하여 상기 프리뷰 이미지의 평면 정보를 생성하는, 전자 장치.
5. 청구항 4에 있어서,
   상기 적어도 하나의 프로세서는 상기 지정된 시작 포인트와 상기 피사체 사이의 거리가 지정된 거리 이내인 것으로 판단되는 경우,
   상기 생성된 평면 정보에 기반하여 상기 시작 포인트를 상기 피사체와 상기 생성된 평면과의 접점들 중 상기 지정된 시작 포인트와 가장 가까운 접점으로 보정하는, 전자 장치.
6. 청구항 1에 있어서,
   상기 적어도 하나의 프로세서는 기계학습을 통하여 상기 피사체의 외곽 정보를 획득하고,
   상기 획득한 외곽 정보에 기반하여 상기 종료 포인트를 상기 피사체의 외곽 점들 중 상기 지정된 종료 포인트와 가장 가까운 외곽 점으로 보정하는, 전자 장치.
7. 청구항 1에 있어서,
   상기 적어도 하나의 프로세서는 상기 보정된 시작 포인트 및 상기 보정된 종료 포인트에 대한 승인 여부를 선택하기 위한 UI를 제공하는, 전자 장치.
8. 청구항 7에 있어서,
   상기 적어도 하나의 프로세서는:
   상기 UI에 대하여 거절하는 사용자 입력을 획득하는 것에 응답하여, 상기 시작 포인트 및 상기 종료 포인트 사이의 거리에 기반하여 측정된 상기 피사체의 길이를 상기 디스플레이에 표시하고,
   상기 UI에 대하여 승인하는 사용자 입력을 획득하는 것에 응답하여, 상기 보정된 시작 포인트 및 상기 보정된 종료 포인트 사이의 거리에 기반하여 측정된 상기 피사체의 길이를 상기 디스플레이에 표시하는, 전자 장치.
9. 전자 장치의 동작 방법에 있어서,
   카메라를 구동하여 획득된 이미지를 디스플레이에 프리뷰 이미지로 표시(display)하는 동작;
   상기 프리뷰 이미지에 포함된 피사체 상의 시작 포인트 및 종료 포인트를 지정하는 사용자 입력을 획득하는 동작;
   센서를 통해 상기 피사체의 깊이 정보를 획득하는 동작;
   상기 획득한 깊이 정보에 기반하여 상기 시작 포인트 및 상기 종료 포인트를 보정하는 동작; 및
   상기 보정된 시작 포인트 및 상기 보정된 종료 포인트 사이의 거리에 기반하여 상기 피사체의 길이를 측정하는 동작을 포함하는, 전자 장치의 동작 방법.
10. 청구항 9에 있어서,
    상기 시작 포인트 및 상기 종료 포인트를 나타내는 사용자 인터페이스(user interface, UI)를 상기 디스플레이에 표시하는 동작을 더 포함하는, 전자 장치의 동작 방법.
11. 청구항 9에 있어서,
    상기 프리뷰 이미지로부터 평면을 생성하는 동작 및 상기 깊이 정보 및 상기 생성된 평면에 기반하여 상기 프리뷰 이미지의 평면 정보를 생성하는 동작을 더 포함하는, 전자 장치의 동작 방법.
12. 청구항 11에 있어서,
    상기 보정하는 동작은 상기 지정된 시작 포인트와 상기 피사체 사이의 거리가 지정된 거리 이내인 것으로 판단되는 경우, 상기 생성된 평면 정보에 기반하여 상기 시작 포인트를 상기 피사체와 상기 생성된 평면과의 접점들 중 상기 지정된 시작 포인트와 가장 가까운 접점으로 보정하는 동작을 포함하는, 전자 장치의 동작 방법.
13. 청구항 9에 있어서,
    상기 보정하는 동작은 기계학습을 통하여 상기 피사체의 외곽 정보를 획득하는 동작 및 상기 획득한 외곽 정보에 기반하여 상기 종료 포인트를 상기 피사체의 외곽 점들 중 상기 지정된 종료 포인트와 가장 가까운 외곽 점으로 보정하는 동작을 포함하는, 전자 장치의 동작 방법.
14. 청구항 9에 있어서,
    상기 보정된 시작 포인트 및 상기 보정된 종료 포인트에 대한 승인 여부를 선택하기 위한 UI를 제공하는 동작을 더 포함하는, 전자 장치의 동작 방법.
15. 청구항 14에 있어서,
    상기 UI에 대하여 거절하는 사용자 입력을 획득하는 것에 응답하여, 상기 시작 포인트 및 상기 종료 포인트 사이의 거리에 기반하여 측정된 상기 피사체의 길이를 상기 디스플레이에 표시하고,
    상기 UI에 대하여 승인하는 사용자 입력을 획득하는 것에 응답하여, 상기 보정된 시작 포인트 및 상기 보정된 종료 포인트 사이의 거리에 기반하여 측정된 상기 피사체의 길이를 상기 디스플레이에 표시하는 동작을 포함하는, 전자 장치의 동작 방법.
16. 전자 장치에 있어서,
    카메라;
    디스플레이;
    적어도 하나의 객체에 대한 깊이 정보를 획득하는 센서;
    상기 카메라 및 상기 디스플레이 및 상기 센서와 전기적으로 연결된 적어도 하나의 프로세서를 포함하고,
    상기 적어도 하나의 프로세서는:
    상기 카메라를 구동하여 획득된 이미지를 상기 디스플레이에 프리뷰 이미지로 표시(display)하고,
    상기 프리뷰 이미지에 포함된 피사체 상의 시작 포인트 및 종료 포인트를 지정하는 제1 사용자 입력을 획득하고,
    상기 센서를 통해 상기 피사체의 깊이 정보를 획득하고,
    상기 획득한 깊이 정보에 기반하여 보정된 시작 포인트 및 보정된 종료 포인트를 제안하는 가이드를 제공하고,
    상기 제공된 가이드에 대한 승인 여부를 요청하고,
    상기 제공된 가이드를 승인하는 제2 사용자 입력을 획득하는 것에 응답하여, 상기 시작 포인트 및 상기 종료 포인트 사이의 거리에 기반하여 상기 피사체의 길이를 측정하는, 전자 장치.
17. 청구항 16에 있어서,
    상기 적어도 하나의 프로세서는 상기 시작 포인트 및 상기 종료 포인트를 나타내는 사용자 인터페이스(user interface, UI)를 상기 디스플레이에 표시하는, 전자 장치.
18. 청구항 16에 있어서,
    상기 적어도 하나의 프로세서는 상기 프리뷰 이미지로부터 평면을 생성하고, 상기 깊이 정보 및 상기 생성된 평면에 기반하여 상기 프리뷰 이미지의 평면 정보를 생성하는, 전자 장치.
19. 청구항 18에 있어서,
    상기 적어도 하나의 프로세서는 상기 지정된 시작 포인트와 상기 피사체 사이의 거리가 지정된 거리 이내인 것으로 판단되는 경우,
    상기 생성된 평면 정보에 기반하여 상기 피사체와 상기 생성된 평면과의 접점들 중 상기 지정된 시작 포인트와 가장 가까운 접점을 상기 보정된 시작 포인트로 결정하는, 전자 장치.
20. 청구항 16에 있어서,
    상기 적어도 하나의 프로세서는 기계학습을 통하여 상기 피사체의 외곽 정보를 획득하고,
    상기 획득한 외곽 정보에 기반하여 상기 피사체의 외곽 점들 중 상기 지정된 종료 포인트와 가장 가까운 외곽 점을 상기 보정된 종료 포인트로 결정하는, 전자 장치.
    

Images