KR102491438B1 - 웨어러블 디바이스에 의한 얼굴 모델 캡처 - Google Patents
웨어러블 디바이스에 의한 얼굴 모델 캡처 Download PDFInfo
- Publication number
- KR102491438B1 KR102491438B1 KR1020197010685A KR20197010685A KR102491438B1 KR 102491438 B1 KR102491438 B1 KR 102491438B1 KR 1020197010685 A KR1020197010685 A KR 1020197010685A KR 20197010685 A KR20197010685 A KR 20197010685A KR 102491438 B1 KR102491438 B1 KR 102491438B1
- Authority
- KR
- South Korea
- Prior art keywords
- user
- face
- images
- model
- wearable device
- Prior art date
Links
- 238000000034 method Methods 0.000 claims abstract description 126
- 230000001815 facial effect Effects 0.000 claims abstract description 118
- 230000004438 eyesight Effects 0.000 claims abstract description 39
- 238000003384 imaging method Methods 0.000 claims description 121
- 238000004422 calculation algorithm Methods 0.000 claims description 111
- 230000033001 locomotion Effects 0.000 claims description 37
- 230000001133 acceleration Effects 0.000 claims description 32
- 238000013528 artificial neural network Methods 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 11
- 238000005259 measurement Methods 0.000 claims description 11
- 230000004044 response Effects 0.000 claims description 9
- 238000012935 Averaging Methods 0.000 claims description 4
- 230000000977 initiatory effect Effects 0.000 claims 2
- 238000005516 engineering process Methods 0.000 abstract description 16
- 230000003287 optical effect Effects 0.000 description 44
- 230000008569 process Effects 0.000 description 42
- 238000012545 processing Methods 0.000 description 28
- 210000001747 pupil Anatomy 0.000 description 26
- 210000003128 head Anatomy 0.000 description 25
- 230000004308 accommodation Effects 0.000 description 16
- 238000000605 extraction Methods 0.000 description 15
- 238000013507 mapping Methods 0.000 description 13
- 230000000007 visual effect Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 11
- 238000009826 distribution Methods 0.000 description 11
- 230000003190 augmentative effect Effects 0.000 description 9
- 230000004424 eye movement Effects 0.000 description 9
- 239000000835 fiber Substances 0.000 description 9
- 238000002347 injection Methods 0.000 description 8
- 239000007924 injection Substances 0.000 description 8
- 238000010801 machine learning Methods 0.000 description 8
- 238000000926 separation method Methods 0.000 description 8
- 230000008859 change Effects 0.000 description 7
- 239000000463 material Substances 0.000 description 7
- 230000003993 interaction Effects 0.000 description 6
- 238000013459 approach Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 5
- 230000007423 decrease Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000003860 storage Methods 0.000 description 5
- 238000009877 rendering Methods 0.000 description 4
- 230000001953 sensory effect Effects 0.000 description 4
- 230000003068 static effect Effects 0.000 description 4
- 239000013598 vector Substances 0.000 description 4
- 210000004556 brain Anatomy 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 210000000887 face Anatomy 0.000 description 3
- 230000004807 localization Effects 0.000 description 3
- 230000008447 perception Effects 0.000 description 3
- 230000001902 propagating effect Effects 0.000 description 3
- 230000035807 sensation Effects 0.000 description 3
- 239000007787 solid Substances 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 210000003813 thumb Anatomy 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 210000000613 ear canal Anatomy 0.000 description 2
- 210000004709 eyebrow Anatomy 0.000 description 2
- 210000003811 finger Anatomy 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000007499 fusion processing Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 238000013139 quantization Methods 0.000 description 2
- 230000011514 reflex Effects 0.000 description 2
- 210000001525 retina Anatomy 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 230000014616 translation Effects 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 206010014970 Ephelides Diseases 0.000 description 1
- 206010019233 Headaches Diseases 0.000 description 1
- 208000003351 Melanosis Diseases 0.000 description 1
- 239000004983 Polymer Dispersed Liquid Crystal Substances 0.000 description 1
- 208000036366 Sensation of pressure Diseases 0.000 description 1
- 230000003213 activating effect Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000002730 additional effect Effects 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 208000003464 asthenopia Diseases 0.000 description 1
- 230000003416 augmentation Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000005253 cladding Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002570 electrooculography Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 210000004209 hair Anatomy 0.000 description 1
- 210000004247 hand Anatomy 0.000 description 1
- 230000004886 head movement Effects 0.000 description 1
- 231100000869 headache Toxicity 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 238000013488 ordinary least square regression Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004043 responsiveness Effects 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 125000006850 spacer group Chemical group 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 230000004936 stimulating effect Effects 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000008093 supporting effect Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 230000004470 vergence movement Effects 0.000 description 1
- 230000016776 visual perception Effects 0.000 description 1
- 230000037303 wrinkles Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G02—OPTICS
- G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
- G02B27/00—Optical systems or apparatus not provided for by any of the groups G02B1/00 - G02B26/00, G02B30/00
- G02B27/01—Head-up displays
- G02B27/017—Head mounted
- G02B27/0172—Head mounted characterised by optical features
-
- G—PHYSICS
- G02—OPTICS
- G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
- G02B27/00—Optical systems or apparatus not provided for by any of the groups G02B1/00 - G02B26/00, G02B30/00
- G02B27/0093—Optical systems or apparatus not provided for by any of the groups G02B1/00 - G02B26/00, G02B30/00 with means for monitoring data relating to the user, e.g. head-tracking, eye-tracking
-
- G—PHYSICS
- G02—OPTICS
- G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
- G02B27/00—Optical systems or apparatus not provided for by any of the groups G02B1/00 - G02B26/00, G02B30/00
- G02B27/01—Head-up displays
- G02B27/0101—Head-up displays characterised by optical features
- G02B27/0103—Head-up displays characterised by optical features comprising holographic elements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/64—Three-dimensional objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
- G06V40/169—Holistic features and representations, i.e. based on the facial image taken as a whole
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/18—Eye characteristics, e.g. of the iris
- G06V40/19—Sensors therefor
-
- G—PHYSICS
- G02—OPTICS
- G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
- G02B27/00—Optical systems or apparatus not provided for by any of the groups G02B1/00 - G02B26/00, G02B30/00
- G02B27/01—Head-up displays
- G02B27/0101—Head-up displays characterised by optical features
- G02B27/0103—Head-up displays characterised by optical features comprising holographic elements
- G02B2027/0105—Holograms with particular structures
-
- G—PHYSICS
- G02—OPTICS
- G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
- G02B27/00—Optical systems or apparatus not provided for by any of the groups G02B1/00 - G02B26/00, G02B30/00
- G02B27/01—Head-up displays
- G02B27/0101—Head-up displays characterised by optical features
- G02B2027/0138—Head-up displays characterised by optical features comprising image capture systems, e.g. camera
-
- G—PHYSICS
- G02—OPTICS
- G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
- G02B27/00—Optical systems or apparatus not provided for by any of the groups G02B1/00 - G02B26/00, G02B30/00
- G02B27/01—Head-up displays
- G02B27/017—Head mounted
- G02B27/0172—Head mounted characterised by optical features
- G02B2027/0174—Head mounted characterised by optical features holographic
-
- G—PHYSICS
- G02—OPTICS
- G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
- G02B27/00—Optical systems or apparatus not provided for by any of the groups G02B1/00 - G02B26/00, G02B30/00
- G02B27/01—Head-up displays
- G02B27/017—Head mounted
- G02B2027/0178—Eyeglass type
-
- G—PHYSICS
- G02—OPTICS
- G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
- G02B27/00—Optical systems or apparatus not provided for by any of the groups G02B1/00 - G02B26/00, G02B30/00
- G02B27/01—Head-up displays
- G02B27/0179—Display position adjusting means not related to the information to be displayed
- G02B2027/0187—Display position adjusting means not related to the information to be displayed slaved to motion of at least a part of the body of the user, e.g. head, eye
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/12—Acquisition of 3D measurements of objects
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Optics & Photonics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Ophthalmology & Optometry (AREA)
- User Interface Of Digital Computer (AREA)
- Studio Devices (AREA)
- Image Analysis (AREA)
- Toys (AREA)
- Instructional Devices (AREA)
Abstract
머리-장착 디바이스의 사용자에 대한 얼굴 모델을 생성하기 위한 시스템들 및 방법들이 개시된다. 머리-장착 디바이스는 사용자가 디바이스를 착용하거나 디바이스를 벗는 동안 사용자의 얼굴을 이미징(image)하도록 구성된 하나 이상의 눈 카메라들을 포함할 수 있다. 눈 카메라들에 의해 획득된 이미지들은 입체 비전 기술, 단안 비전 기술, 또는 조합을 사용하여 분석되어 사용자에 대한 얼굴 모델을 생성할 수 있다.
Description
[0001] 본 출원은, 2016년 9월 28일에 출원되고 발명의 명칭이 "FACE MODEL CAPTURE BY AN AUGMENTED REALITY DEVICE"인 미국 가출원 번호 제62/400,907호를 35 U.S.C.§119(e) 하에서 우선권으로 주장하며, 그리하여, 이 출원의 개시내용은 그 전체가 인용에 의해 본원에 포함된다.
[0002] 본 개시내용은 가상 현실 및 증강 현실 이미징 및 시각화 시스템들에 관한 것으로, 보다 구체적으로는, 이러한 시스템들의 사용자의 얼굴 모델을 생성하는 것에 관한 것이다.
[0003] 현대 컴퓨팅 및 디스플레이 기술들은 소위 "가상 현실", "증강 현실", 또는 "혼합 현실" 경험들을 위한 시스템들의 개발을 용이하게 했으며, 여기서 디지털적으로 재생된 이미지들 또는 이미지들의 부분들은, 그들이 실제인 것으로 보이거나, 실제로서 지각될 수 있는 방식으로 사용자에게 제시된다. 가상 현실, 또는 "VR" 시나리오는 통상적으로 다른 실제 실세계 시각적 입력에 대한 투명성(transparency) 없는 디지털 또는 가상 이미지 정보의 프리젠테이션(presentation)을 수반하고; 증강 현실, 또는 "AR" 시나리오는 통상적으로 사용자 주위 실제 세계의 시각화에 대한 증강으로서 디지털 또는 가상 이미지 정보의 프리젠테이션을 수반하고; 혼합 현실, 또는 "MR"은, 실제 및 가상 세계들을 병합하여 물리적 및 가상 객체들이 공존하고 실시간으로 상호작용하는 새로운 환경들을 생성하는 것과 관련된다. 밝혀진 바와 같이, 인간 시각적 지각 시스템은 매우 복잡하고, 다른 가상 또는 실세계 이미저리 엘리먼트들 사이에서 가상 이미지 엘리먼트들의 편안하고, 자연스럽고, 풍부한 프리젠테이션을 용이하게 하는 VR, AR 또는 MR 기술을 생성하는 것은 난제이다. 본원에 개시된 시스템들 및 방법들은 VR, AR 및 MR 기술에 관련된 다양한 난제들을 해결한다.
[0004] 얼굴 이미지들을 캡처하고 얼굴 모델을 결정하기 위한 혼합 현실 시스템의 다양한 실시예들이 개시된다.
[0005] 머리-장착 디바이스의 사용자에 대한 얼굴 모델을 생성하기 위한 시스템들 및 방법들이 개시된다. 머리-장착 디바이스는 사용자가 디바이스를 착용하거나 디바이스를 벗는 동안 사용자의 얼굴을 이미징(image)하도록 구성된 하나 이상의 눈 카메라들을 포함할 수 있다. 눈 카메라들에 의해 획득된 이미지들은 입체 비전 기술, 단안 비전 기술, 또는 이들의 조합을 사용하여 분석되어 사용자에 대한 얼굴 모델을 생성할 수 있다.
[0006] 본 명세서에서 설명되는 청구 대상의 하나 이상의 구현들의 세부사항들은, 아래의 첨부 도면들 및 설명에서 기술된다. 다른 특징들, 양상들, 및 이점들은 설명, 도면들, 및 청구항들로부터 명백해질 것이다. 이 개요 또는 다음의 상세한 설명 어느 것도, 본 발명의 청구 대상의 범위를 한정하거나 제한하는 것으로 의도되지 않는다.
[0007] 도 1은 사람이 보는 소정의 물리적 객체들 및 소정의 가상 현실 객체들을 갖는 혼합 현실 시나리오의 예시를 도시한다.
[0008] 도 2는 웨어러블 시스템의 예를 개략적으로 예시한다.
[0009] 도 3은 다수의 깊이 평면들을 사용하여 3-차원 이미저리를 시뮬레이팅하기 위한 접근법의 양상들을 개략적으로 예시한다.
[0010] 도 4는 사용자에게 이미지 정보를 출력하기 위한 도파관 스택의 예를 개략적으로 예시한다.
[0011] 도 5는 도파관에 의해 출력될 수 있는 예시적인 출사 빔들을 도시한다.
[0012] 도 6은, 다중-초점 볼류메트릭 디스플레이, 이미지 또는 광 필드의 생성에 사용되는, 도파관 장치, 도파관 장치로 또는 도파관 장치로부터의 광을 광학적으로 커플링하는 광학 커플러 서브시스템, 및 제어 서브시스템을 포함하는 광학 시스템을 도시하는 개략도이다.
[0013] 도 7은 웨어러블 시스템의 일 예의 블록도이다.
[0014] 도 8은 인지된 객체들과 관련하여 가상 콘텐츠를 렌더링하는 방법의 예의 프로세스 흐름도이다.
[0015] 도 9는 웨어러블 시스템의 다른 예의 블록도이다.
[0016] 도 10은 가상 사용자 인터페이스와 상호작용하기 위한 방법의 예의 프로세스 흐름도이다.
[0017] 도 11은 사용자가 웨어러블 디바이스를 착용하는(또는 벗는) 동안 사용자의 얼굴의 이미지들을 획득할 수 있는 예시적인 웨어러블 디바이스를 예시한다.
[0018] 도 12는 얼굴 모델을 생성하기 위한 예시적인 프로세스를 예시한다.
[0019] 도 13a는 스테레오 비전 기술들을 사용하여 얼굴 모델을 생성하는 예시적인 프로세스를 설명한다.
[0020] 도 13b는 단안 비전 기술들을 사용하여 얼굴 모델을 생성하는 예시적인 프로세스를 설명한다.
[0021] 도면들 전체에 걸쳐, 참조 번호들은 참조된 엘리먼트들 사이의 대응성(correspondence)을 표시하는 데 재사용될 수 있다. 도면들은 본원에서 설명된 예시적인 실시예들을 예시하기 위해 제공되며 본 개시내용의 범위를 제한하려는 의도는 아니다.
[0008] 도 2는 웨어러블 시스템의 예를 개략적으로 예시한다.
[0009] 도 3은 다수의 깊이 평면들을 사용하여 3-차원 이미저리를 시뮬레이팅하기 위한 접근법의 양상들을 개략적으로 예시한다.
[0010] 도 4는 사용자에게 이미지 정보를 출력하기 위한 도파관 스택의 예를 개략적으로 예시한다.
[0011] 도 5는 도파관에 의해 출력될 수 있는 예시적인 출사 빔들을 도시한다.
[0012] 도 6은, 다중-초점 볼류메트릭 디스플레이, 이미지 또는 광 필드의 생성에 사용되는, 도파관 장치, 도파관 장치로 또는 도파관 장치로부터의 광을 광학적으로 커플링하는 광학 커플러 서브시스템, 및 제어 서브시스템을 포함하는 광학 시스템을 도시하는 개략도이다.
[0013] 도 7은 웨어러블 시스템의 일 예의 블록도이다.
[0014] 도 8은 인지된 객체들과 관련하여 가상 콘텐츠를 렌더링하는 방법의 예의 프로세스 흐름도이다.
[0015] 도 9는 웨어러블 시스템의 다른 예의 블록도이다.
[0016] 도 10은 가상 사용자 인터페이스와 상호작용하기 위한 방법의 예의 프로세스 흐름도이다.
[0017] 도 11은 사용자가 웨어러블 디바이스를 착용하는(또는 벗는) 동안 사용자의 얼굴의 이미지들을 획득할 수 있는 예시적인 웨어러블 디바이스를 예시한다.
[0018] 도 12는 얼굴 모델을 생성하기 위한 예시적인 프로세스를 예시한다.
[0019] 도 13a는 스테레오 비전 기술들을 사용하여 얼굴 모델을 생성하는 예시적인 프로세스를 설명한다.
[0020] 도 13b는 단안 비전 기술들을 사용하여 얼굴 모델을 생성하는 예시적인 프로세스를 설명한다.
[0021] 도면들 전체에 걸쳐, 참조 번호들은 참조된 엘리먼트들 사이의 대응성(correspondence)을 표시하는 데 재사용될 수 있다. 도면들은 본원에서 설명된 예시적인 실시예들을 예시하기 위해 제공되며 본 개시내용의 범위를 제한하려는 의도는 아니다.
개요
[0022] 증강 또는 가상 현실 시스템의 사용자는 HMD(head mounted display)와 같은 웨어러블 디바이스를 사용하여 가상 객체들을 가진 대안적인 세계에 몰입할 수 있다. 때로는, 웨어러블 디바이스는 다른 사용자들과의 상호작용을 위해 그 대안적인 세계에서 사용자의 아바타(예컨대, 가상 이미지를 포함함)를 제시할 수 있다. 아바타에 현실적인 이미지들 및 움직임들을 제공하기 위해, 웨어러블 디바이스는 사용자의 얼굴 모습 및 표정들에 기초하여 아바타 이미지들을 제공할 수 있다. 아바타 이미지는 웨어러블 디바이스의 하나 이상의 이미징 시스템들에 의해 획득된 이미지들에 기초하여 구축될 수 있다. 이미징 시스템들은, 사용자의 눈 움직임들을 추적하기 위한 눈 카메라들을 포함할 수 있는 내향 이미징 시스템 및 사용자의 환경을 이미징하기 위한 카메라들을 포함할 수 있는 외향 이미징 시스템을 포함할 수 있다. 그러나, 웨어러블 디바이스의 이미징 시스템들은 일단 그것이 사용자의 머리에 배치되면 사용자의 얼굴을 쉽게 이미징할 수 없다. 예컨대, 내향 이미징 시스템은, 웨어러블 디바이스가 사용자에 의해 착용되었을 때 사용자의 눈 주위 구역을 이미징하도록 구성될 수 있고, 눈 카메라들은 사용자의 전체 얼굴을 이미징하기에 충분히 큰 시야를 갖지 않을 수 있다. 다른 예로서, 외향 이미징 시스템의 카메라들은, 사용자가 웨어러블 디바이스를 착용할 때 사용자로부터 멀어지는 방향을 가리키도록 구성되고, 이에 따라 사용자의 얼굴 이미지를 쉽게 획득할 수 없다. 이는 가상 아바타를 렌더링하기 위해 수락 가능한 이미지를 생성하는 데 있어 다양한 어려움들을 초래한다.
[0023] 본원에서 설명된 웨어러블 디바이스는 사용자가 웨어러블 디바이스를 착용하거나 벗는 동안 사용자의 얼굴의 이미지들을 획득하도록 구성된 이미징 시스템을 제공함으로써 이러한 어려움들을 감소시키는 것에 관한 것이다. 유리하게는, 웨어러블 디바이스는 사용자가 디바이스를 착용하거나 벗는 동안 사용자 얼굴의 이미지들을 획득하기 위해 내향 이미징 시스템을 사용할 수 있으며, 이는 얼굴 이미지들을 획득하기 위해 내향 이미징 시스템(그의 목적은 눈 추적임)의 색다른 응용을 제공한다. 또한, 웨어러블 디바이스는 (예컨대, 웨어러블 디바이스에 의해 획득된 이미지들에 기초하거나 또는 웨어러블 디바이스의 움직임에 기초할 수 있는) 시작 또는 중지 트리거를 검출함으로써 사용자의 얼굴을 이미징하는 것을 자동으로 시작하고 중지할 수 있다. 유리하게는, 사용자가 디바이스를 착용하거나 벗는 동안 이미지들을 자동으로 획득함으로써, 사용자는 웨어러블 디바이스가 얼굴 모델을 생성하기 위해 (예컨대, 사용자의 머리 주위에서 웨어러블 디바이스를 회전시키거나 이동시키는) 부가적인 액션들을 수행할 필요가 없을 수 있다. 또한, 웨어러블 디바이스가 사용자의 얼굴 상에 안착될 때 이미징을 중단시킴으로써, 내향 이미징 시스템은 사용자의 눈들을 추적하는 그의 (통상적인) 주 기능을 자동으로 시작할 수 있다.
[0024] 이미지들은 정지 이미지들, 사진들, 애니메이션들, 비디오로부터의 개별 프레임들 또는 비디오를 포함할 수 있다. 웨어러블 디바이스는 이미징 시스템에 의해 획득된 이미지들에 기초하여 사용자의 얼굴의 3-차원(3D) 모델을 구축할 수 있다. 예컨대, 웨어러블 디바이스는 사용자의 얼굴의 구역을 비디오화하도록 각각 구성된 2개의 눈 카메라들을 가질 수 있다. 비디오의 각각의 프레임에 대해, 웨어러블 디바이스는 2개의 눈 카메라들에 의해 획득된 이미지들을 합성하여 3D 얼굴 모델을 생성할 수 있다. 부가적으로 또는 대안적으로, 웨어러블 디바이스는 각각의 눈 카메라에 의해 획득된 이미지들을 개별적으로 합성하고 각각의 눈 카메라에 대한 합성된 이미지들을 결합하여 3D 얼굴 모델을 생성할 수 있다.
[0025] 결과적인 모델은, 가상 아바타의 생성, 웨어러블 디바이스의 피팅(fit)의 결정, 사용자 식별의 수행, 이미지 등록의 수행 또는 웨어러블 디바이스의 동작 파라미터들의 튜닝, 이를테면, 예컨대, 사용자의 눈들의 눈간 분리(예컨대, 동공간 거리) 또는 사용자의 얼굴의 다른 메트릭에 기초한 가상 이미지들의 렌더링 위치들, 광 프로젝터들의 상대적 포지션 또는 배향 등의 조정과 같은 목적들을 위해 사용될 수 있다.
웨어러블 시스템의 3D 디스플레이의 예들
[0026] 웨어러블 시스템(본원에서 AR(augmented reality) 시스템으로 또한 지칭됨)은 2D 또는 3D 가상 이미지들을 사용자에게 제시하도록 구성될 수 있다. 이미지들은 정지 이미지들, 비디오의 프레임들 또는 비디오, 이들의 조합 등일 수 있다. 웨어러블 시스템의 적어도 일부는 사용자 상호작용을 위해 VR, AR 또는 MR 환경을 단독으로 또는 조합하여 제시할 수 있는 웨어러블 디바이스 상에서 구현될 수 있다. 웨어러블 디바이스는 ARD(AR device)로서 상호 교환 가능하게 사용되는 HMD(head-mounted device)일 수 있다. 또한, 본 개시내용의 목적을 위해, "AR"이란 용어는 "MR"이란 용어와 상호 교환 가능하게 사용된다.
[0027] 도 1은 사람이 보는 소정의 물리적 객체들 및 소정의 가상 현실 객체들을 갖는 혼합 현실 시나리오의 예시를 도시한다. 도 1에서, MR 장면(100)이 도시되며, 여기서 MR 기술의 사용자는 배경에 있는 사람들, 나무들, 빌딩들, 및 콘크리트 플랫폼(120)을 피처링(featuring)하는 실세계 공원-형 세팅(110)을 본다. 이들 아이템들에 더하여, MR 기술의 사용자는 또한, 그가 실세계 플랫폼(120) 상에 서 있는 로봇 동상(130), 및 호박벌의 의인화인 것으로 보여지는 날고 있는 만화-형 아바타 캐릭터(140)를 보는 것을 지각하더라도, 이들 엘리먼트들은 실세계에 존재하지 않는다.
[0028] 3D 디스플레이가 진정한 깊이감(sensation of depth) 및 보다 구체적으로, 시뮬레이팅된 표면 깊이감을 생성하기 위해, 디스플레이의 시계(visual field)의 각각의 포인트가 그의 가상 깊이에 대응하는 원근조절 응답을 생성하는 것이 바람직할 수 있다. 디스플레이 포인트에 대한 원근조절 응답이 수렴 및 입체시(stereopsis)의 양안 깊이 단서들에 의해 결정된 바와 같은 그 포인트의 가상 깊이에 대응하지 않는 경우, 인간의 눈은 원근조절 충돌을 경험할 수 있어, 불안정한 이미징, 유해한 눈의 피로, 두통들, 그리고 원근조절 정보의 부재 시에, 표면 깊이의 거의 완전한 결여를 초래할 수 있다.
[0029] VR, AR 및 MR 경험들은 복수의 깊이 평면들에 대응하는 이미지들이 뷰어에게 제공되는 디스플레이들을 갖는 디스플레이 시스템들에 의해 제공될 수 있다. 이미지들은 각각의 깊이 평면 마다 상이할 수 있고(예컨대, 장면 또는 객체의 약간 다른 프리젠테이션들을 제공함) 뷰어의 눈들에 의해 별개로 포커싱될 수 있어서, 상이한 깊이 평면 상에 로케이팅되는 장면에 대한 상이한 이미지 특징들에 포커스를 맞추도록 요구되는 눈의 원근조절에 기초하여 또는 상이한 깊이 평면들 상의 상이한 이미지 특징들이 아웃 포커스(out of focus)되는 것을 관찰하는 것에 기초하여 깊이 단서들을 사용자에게 제공하는 것을 돕는다. 본원의 다른 곳에서 논의된 바와 같이, 이러한 깊이 단서들은 깊이의 신뢰할 수 있는 지각들을 제공한다.
[0030] 도 2는 AR/VR/MR 장면을 제공하도록 구성될 수 있는 웨어러블 시스템(200)의 예를 예시한다. 웨어러블 시스템(200)은 또한 AR 시스템(200)으로서 지칭될 수 있다. 웨어러블 시스템(200)은 디스플레이(220), 및 디스플레이(220)의 기능을 지원하기 위한 다양한 기계적 및 전자적 모듈들 및 시스템들을 포함한다. 디스플레이(220)는 사용자, 착용자 또는 뷰어(210)에 의해 착용 가능한 프레임(230)에 커플링될 수 있다. 디스플레이(220)는 사용자(210)의 눈들 앞에 포지셔닝될 수 있다. 디스플레이(220)는 AR/VR/MR 콘텐츠를 사용자에게 제시할 수 있다. 디스플레이(220)는 사용자의 머리에 착용되는 머리 장착 디스플레이를 포함할 수 있다.
[0031] 일부 실시예들에서, 스피커(240)는 프레임(230)에 커플링되고 사용자의 외이도에 인접하게 포지셔닝된다(일부 실시예들에서, 도시되지 않은 다른 스피커가 사용자의 다른 외이도에 인접하게 포지셔닝되어 스테레오/성형 가능(shapeable) 사운드 제어를 제공함). 디스플레이(220)는 환경으로부터 오디오 스트림을 검출하고 주변 사운드를 캡처하기 위한 오디오 센서(232)(예컨대, 마이크로폰)를 포함할 수 있다. 일부 실시예들에서, 하나 이상의 다른 오디오 센서들(도시되지 않음)이 스테레오 사운드 수신을 제공하도록 포지셔닝된다. 스테레오 사운드 수신은 사운드 소스의 위치를 결정하는 데 사용될 수 있다. 웨어러블 시스템(200)은 오디오 스트림에 대해 음성 또는 스피치 인식을 수행할 수 있다.
[0032] 웨어러블 시스템(200)은 사용자 주위의 환경의 세계를 관찰하는 외향 이미징 시스템(464)(도 4에 도시됨)을 포함할 수 있다. 웨어러블 시스템(200)은 또한 사용자의 눈 움직임들을 추적할 수 있는 내향 이미징 시스템(462)(도 4에 도시됨)을 포함할 수 있다. 내향 이미징 시스템은 어느 한쪽 눈의 움직임들 또는 양쪽 눈의 움직임들을 추적할 수 있다. 내향 이미징 시스템(462)은 프레임(230)에 부착될 수 있고, 프로세싱 모듈(260 또는 270)과 전기 통신할 수 있으며, 이 프로세싱 모듈(260 또는 270)은 예컨대, 사용자(210)의 동공 직경들 또는 눈들의 배향들, 눈 움직임들 또는 눈 포즈(pose)를 결정하도록 내향 이미징 시스템에 의해 획득된 이미지 정보를 프로세싱할 수 있다. 내향 이미징 시스템(462)은 하나 이상의 카메라들을 포함할 수 있다. 예컨대, 적어도 하나의 카메라가 각각의 눈을 이미징하는 데 사용될 수 있다. 카메라들에 의해 획득된 이미지들은 각각의 눈에 대한 동공 크기 또는 눈 포즈를 개별적으로 결정하는 데 사용될 수 있고, 그리하여 각각의 눈에 대한 이미지 정보의 프리젠테이션이 그 눈에 동적으로 맞춰질 수 있게 한다. 다른 예로서, 단지 하나의 눈의 동공 직경 또는 배향이 (예컨대, 그 눈의 이미지들을 획득하도록 구성된 카메라에 의해 획득된 이미지들에 기초하여) 결정되고, 이 눈에 대해 결정된 눈 특징들이 사용자(210)의 다른 눈과 유사한 것으로 가정된다.
[0033] 예로서, 웨어러블 시스템(200)은 외향 이미징 시스템(464) 또는 내향 이미징 시스템(462)을 사용하여 사용자의 포즈의 이미지들을 획득할 수 있다. 이미지들은 정지 이미지들, 비디오의 프레임들 또는 비디오일 수 있다.
[0034] 디스플레이(220)는 이를테면, 유선 리드 또는 무선 연결성에 의해, 다양한 구성들로 장착될 수 있는, 이를테면, 프레임(230)에 고정되게 부착되거나, 사용자에 의해 착용된 헬멧 또는 모자에 고정되게 부착되거나, 헤드폰들에 내장되거나, 그렇지 않으면 사용자(210)에게 제거 가능하게 부착되는(예컨대, 백팩(backpack)-스타일 구성으로, 벨트-커플링 스타일 구성으로) 로컬 데이터 프로세싱 모듈(260)에 동작 가능하게 커플링(250)될 수 있다.
[0035] 로컬 프로세싱 및 데이터 모듈(260)은 하드웨어 프로세서는 물론, 디지털 메모리 이를테면, 비-휘발성 메모리(예컨대, 플래시 메모리)를 포함할 수 있고, 이 둘 모두는 데이터의 프로세싱, 캐싱(caching) 및 저장을 보조하기 위해 활용될 수 있다. 데이터는 a) 센서들(예컨대, 프레임(230)에 동작 가능하게 커플링되거나 그렇지 않으면 사용자(210)에게 부착될 수 있음), 이를테면, 이미지 캡처 디바이스들(예컨대, 내향 이미징 시스템 또는 외향 이미징 시스템의 카메라들), 오디오 센서들(예컨대, 마이크로폰들), IMU(inertial measurement unit)들, 가속도계들, 컴퍼스(compass)들, GPS(global positioning system) 유닛들, 라디오 디바이스들, 또는 자이로스코프들로부터 캡처되거나; 또는 b) 원격 프로세싱 모듈(270) 또는 원격 데이터 리포지토리(repository)(280)를 사용하여 획득 또는 프로세싱되는 (가능하게는, 이러한 프로세싱 또는 리트리벌(retrieval) 이후 디스플레이(220)에 전달하기 위한) 데이터를 포함할 수 있다. 로컬 프로세싱 및 데이터 모듈(260)은 통신 링크들(262 또는 264)에 의해, 이를테면, 유선 또는 무선 통신 링크들을 통하여, 원격 프로세싱 모듈(270) 또는 원격 데이터 리포지토리(280)에 동작 가능하게 커플링될 수 있어서, 이들 원격 모듈들은 로컬 프로세싱 및 데이터 모듈(260)에 대한 자원들로서 이용 가능하다. 또한, 원격 프로세싱 모듈(280) 및 원격 데이터 리포지토리(280)는 서로 동작 가능하게 커플링될 수 있다.
[0036] 일부 실시예들에서, 원격 프로세싱 모듈(270)은 데이터 또는 이미지 정보를 분석 및 프로세싱하도록 구성된 하나 이상의 프로세서들을 포함할 수 있다. 일부 실시예들에서, 원격 데이터 리포지토리(280)는 "클라우드" 자원 구성에서 인터넷 또는 다른 네트워킹 구성을 통하여 이용 가능할 수 있는 디지털 데이터 저장 설비를 포함할 수 있다. 일부 실시예들에서, 모든 데이터는 저장되고 모든 컴퓨테이션들은 로컬 프로세싱 및 데이터 모듈에서 수행되어, 원격 모듈로부터 완전히 자율적인 사용을 허용한다.
[0037] 인간 시각 시스템은 복잡하고 현실적인 깊이의 지각을 제공하는 것은 난제이다. 이론에 의해 제한됨이 없이, 객체의 뷰어들은 이접운동 및 원근조절의 조합으로 인해 객체를 "3-차원"인 것으로 지각할 수 있다고 여겨진다. 서로에 대한 두 눈들의 이접운동(vergence) 움직임들(즉, 객체를 응시하기 위해 눈들의 시선들을 수렴하도록 서로를 향하는 또는 서로 멀어지는 동공들의 롤링(rolling) 움직임들)은 눈들의 렌즈들의 포커싱(또는 "원근조절")과 밀접하게 연관된다. 정상 조건들하에서, 하나의 객체로부터 상이한 거리에 있는 다른 객체로 포커스를 변화시키기 위하여, 눈들의 렌즈들의 포커스를 변화시키거나, 또는 눈들을 원근조절하는 것은 "원근조절-이접운동 반사(accommodation-vergence reflex)"로서 알려진 관계하에서, 동일한 거리에 대한 이접운동의 매칭하는 변화를 자동으로 유발할 것이다. 마찬가지로, 이접운동의 변화는 정상 조건들하에서, 원근조절의 매칭 변화를 트리거할 것이다. 원근조절과 이접운동 사이의 더 양호한 매칭을 제공하는 디스플레이 시스템들은 3-차원 이미저리의 더 현실적이고 편안한 시뮬레이션들을 형성할 수 있다.
[0038] 도 3은 다수의 깊이 평면들을 사용하여 3-차원 이미저리를 시뮬레이팅하기 위한 접근법의 양상들을 예시한다. 도 3을 참조하면, z-축 상에서 눈들(302 및 304)로부터 다양한 거리들에 있는 객체들은, 이들 객체들이 인 포커싱(in focus)되도록 눈들(302 및 304)에 의해 원근조절된다. 눈들(302 및 304)은 z-축을 따라 상이한 거리들에 있는 객체들에 포커싱을 맞추게 하는 특정 원근조절된 상태들을 취한다. 결과적으로, 특정 원근조절된 상태는 연관된 초점 거리를 갖는, 깊이 평면들(306) 중 특정한 하나의 깊이 평면과 연관되는 것으로 말해질 수 있어서, 특정 깊이 평면의 객체들 또는 객체들의 부분들은, 눈이 해당 깊이 평면에 대해 원근조절된 상태에 있을 때 인 포커싱된다. 일부 실시예들에서, 3-차원 이미저리는 눈들(302 및 304) 각각에 대해 이미지의 상이한 프리젠테이션들을 제공함으로써, 그리고 또한 깊이 평면들 각각에 대응하는 이미지의 상이한 프리젠테이션들을 제공함으로써 시뮬레이팅될 수 있다. 예시의 명확성을 위해 별개인 것으로 도시되지만, 눈들(302 및 304)의 시야들은 예컨대, z-축을 따른 거리가 증가함에 따라 겹쳐질 수 있다는 것이 인지될 것이다. 게다가, 예시의 용이함을 위해 평평한 것으로 도시되지만, 깊이 평면의 윤곽들은 물리적 공간에서 만곡될 수 있어서, 깊이 평면의 모든 특징들은 특정 원근조절된 상태에서 눈과 인 포커싱된다는 것이 인지될 것이다. 이론에 의해 제한됨이 없이, 인간 눈이 통상적으로 깊이 지각을 제공하기 위하여 유한 수의 깊이 평면들을 해석할 수 있다고 여겨진다. 결과적으로, 지각된 깊이의 매우 믿을 만한 시뮬레이션은, 눈에, 이들 제한된 수의 깊이 평면들 각각에 대응하는 이미지의 상이한 프리젠테이션들을 제공함으로써 달성될 수 있다.
도파관 스택 어셈블리
[0039] 도 4는 이미지 정보를 사용자에게 출력하기 위한 도파관 스택의 예를 예시한다. 웨어러블 시스템(400)은 복수의 도파관들(432b, 434b, 436b, 438b, 4400b)을 사용하여 3-차원 지각을 눈/뇌에 제공하기 위하여 활용될 수 있는 도파관들의 스택, 또는 스택된 도파관 어셈블리(480)를 포함한다. 일부 실시예들에서, 웨어러블 시스템(400)은 도 2의 웨어러블 시스템(200)에 대응할 수 있고, 도 4는 그 웨어러블 시스템(200)의 일부 부분들을 더 상세히 개략적으로 보여준다. 예컨대, 일부 실시예들에서, 도파관 어셈블리(480)는 도 2의 디스플레이(220)에 통합될 수 있다.
[0040] 도 4를 계속 참조하면, 도파관 어셈블리(480)는 또한 도파관들 사이에 복수의 특징들(458, 456, 454, 452)을 포함할 수 있다. 일부 실시예들에서, 특징들(458, 456, 454, 452)은 렌즈들일 수 있다. 다른 실시예들에서, 특징들(458, 456, 454, 452)은 렌즈들이 아닐 수 있다. 오히려, 이들은 단순히 스페이서들(예컨대, 에어 갭들을 형성하기 위한 클래딩 층들 또는 구조들)일 수 있다.
[0041] 도파관들(432b, 434b, 436b, 438b, 440b) 또는 복수의 렌즈들(458, 456, 454, 452)은 다양한 레벨들의 파면 곡률 또는 광선 발산으로 이미지 정보를 눈에 전송하도록 구성될 수 있다. 각각의 도파관 레벨은 특정 깊이 평면과 연관될 수 있고 그 깊이 평면에 대응하는 이미지 정보를 출력하도록 구성될 수 있다. 이미지 주입 디바이스들(420, 422, 424, 426, 428)은 이미지 정보를 도파관들(440b, 438b, 436b, 434b, 432b)에 주입하기 위하여 활용될 수 있고, 이 도파관들 각각은 (도 3의 눈(304)에 대응할 수 있는) 눈(410)을 향하여 출력하도록, 각각의 개별 도파관을 가로질러 인입 광을 분산시키도록 구성될 수 있다. 광은 이미지 주입 디바이스들(420, 422, 424, 426, 428)의 출력 표면을 나가고 도파관들(440b, 438b, 436b, 434b, 432b)의 대응하는 입력 에지에 주입된다. 일부 실시예들에서, 단일 광 빔(예컨대, 시준된 빔)은 특정 도파관과 연관된 깊이 평면에 대응하는 특정 각도들(및 발산의 양들)로 눈(410)을 향하여 지향되는 시준된 클론 빔(cloned collimated beam)들의 전체 필드를 출력하기 위하여 각각의 도파관으로 주입될 수 있다.
[0042] 일부 실시예들에서, 이미지 주입 디바이스들(420, 422, 424, 426, 428)은 각각, 대응하는 도파관(440b, 438b, 436b, 434b, 432b)으로의 주입을 위한 이미지 정보를 각각 생성하는 이산 디스플레이들이다. 일부 다른 실시예들에서, 이미지 주입 디바이스들(420, 422, 424, 426, 428)은 예컨대, 이미지 정보를 하나 이상의 광학 도관들(예컨대, 광섬유 케이블들)을 통하여 이미지 주입 디바이스들(420, 422, 424, 426, 428) 각각에 파이핑(pipe)할 수 있는 단일 멀티플렉싱된 디스플레이의 출력 단부들이다.
[0043] 제어기(460)는 스택된 도파관 어셈블리(480) 및 이미지 주입 디바이스들(420, 422, 424, 426, 428)의 동작을 제어한다. 제어기(460)는 도파관들(440b, 438b, 436b, 434b, 432b)에 대한 이미지 정보의 타이밍 및 프로비전(provision)을 레귤레이팅하는 프로그래밍(예컨대, 비-일시적 컴퓨터-판독 가능 매체의 명령들)을 포함한다. 일부 실시예들에서, 제어기(460)는 단일 통합 디바이스, 또는 유선 또는 무선 통신 채널들에 의해 연결되는 분산 시스템일 수 있다. 제어기(460)는 일부 실시예들에서, 프로세싱 모듈들(260 또는 270)(도 2에 예시됨)의 부분일 수 있다.
[0044] 도파관들(440b, 438b, 436b, 434b, 432b)은 TIR(total internal reflection)에 의해 각각의 개별 도파관 내에서 광을 전파시키도록 구성될 수 있다. 도파관들(440b, 438b, 436b, 434b, 432b)은 각각 평면형이거나 다른 형상(예컨대, 곡선)을 가질 수 있으며, 주 최상부 및 최하부 표면들 및 이들 주 최상부와 최하부 표면들 사이에서 연장되는 에지들을 갖는다. 예시된 구성에서, 도파관들(440b, 438b, 436b, 434b, 432b)은 이미지 정보를 눈(410)에 출력하기 위해 각각의 개별 도파관 내에서 전파되는 광을 도파관 밖으로 재지향시킴으로써 도파관으로부터 광을 추출하도록 구성된 광 추출 광학 엘리먼트들(440a, 438a, 436a, 434a, 432a)을 각각 포함할 수 있다. 추출된 광은 아웃커플링된 광으로서 또한 지칭될 수 있고, 광 추출 광학 엘리먼트들은 또한 아웃커플링 광학 엘리먼트들로서 지칭될 수 있다. 추출된 광 빔은, 도파관 내에서 전파되는 광이 광 재지향 엘리먼트에 부딪치는 위치들에서 도파관에 의해 출력된다. 광 추출 광학 엘리먼트들(440a, 438a, 436a, 434a, 432a)은 예컨대, 반사성 및/또는 회절성 광학 특징들일 수 있다. 설명의 용이함 및 도면 명확성을 위하여 도파관들(440b, 438b, 436b, 434b, 432b)의 최하부 주 표면들에 배치된 것으로 예시되지만, 일부 실시예들에서, 광 추출 광학 엘리먼트들(440a, 438a, 436a, 434a, 432a)은 최상부 및/또는 최하부 주 표면들에 배치될 수 있거나 도파관들(440b, 438b, 436b, 434b, 432b)의 볼륨에 직접 배치될 수 있다. 일부 실시예들에서, 광 추출 광학 엘리먼트들(440a, 438a, 436a, 434a, 432a)은 도파관들(440b, 438b, 436b, 434b, 432b)을 형성하기 위해 투명 기판에 부착된 재료 층에 형성될 수 있다. 일부 다른 실시예들에서, 도파관들(440b, 438b, 436b, 434b, 432b)은 재료의 모놀리식 피스(piece)일 수 있고 광 추출 광학 엘리먼트들(440a, 438a, 436a, 434a, 432a)은 재료의 해당 피스의 표면 상에 그리고/또는 그 내부에 형성될 수 있다.
[0045] 도 4를 계속 참조하면, 본원에 논의된 바와 같이, 각각의 도파관(440b, 438b, 436b, 434b, 432b)은 특정 깊이 평면에 대응하는 이미지를 형성하기 위해 광을 출력하도록 구성된다. 예컨대, 눈에 가장 가까운 도파관(432b)은, 그러한 도파관(432b)에 주입된 시준된 광을 눈(410)에 전달하도록 구성될 수 있다. 시준된 광은 광학 무한대 초점 평면을 나타낼 수 있다. 다음 위의 도파관(434b)은 시준된 광이 눈(410)에 도달할 수 있기 전에 제1 렌즈(452)(예컨대, 네거티브 렌즈)를 통과하는 시준된 광을 보내도록 구성될 수 있다. 제1 렌즈(452)는 약간의 볼록한 파면 곡률을 생성하도록 구성될 수 있어서, 눈/뇌가 상기 다음 위의 도파관(434b)으로부터 오는 광을 광학 무한대로부터 눈(410)을 향해 안쪽으로 더 가까운 제1 초점 평면으로부터 오는 것으로 해석한다. 유사하게, 세번째 위의 도파관(436b)은 그 출력 광을, 눈(410)에 도달하기 전에 제1 렌즈(452) 및 제2 렌즈(454) 둘 모두를 통과시킨다. 제1 및 제2 렌즈들(452 및 454)의 결합된 광학 전력은 다른 증분 양의 파면 곡률을 생성하도록 구성될 수 있어서, 눈/뇌는 제3 도파관(436b)으로부터 오는 광을, 상기 다음 위의 도파관(434b)으로부터의 광보다는 광학 무한대로부터 사람을 향하여 안쪽으로 훨씬 더 가까운 제2 초점 평면으로부터 오는 것으로 해석한다.
[0046] 다른 도파관 층들(예컨대, 도파관들(438b, 440b)) 및 렌즈들(예컨대, 렌즈들(456, 458))은 유사하게 구성되는데, 스택에서 가장 높은 도파관(440b)은 자신의 출력을, 사람과 가장 가까운 초점 평면을 나타내는 어그리게이트 초점 전력에 대해 자신과 눈 사이의 렌즈들 모두를 통하여 전송한다. 스택된 도파관 어셈블리(480)의 다른 측 상에서 세계(470)로부터 오는 광을 보거나/해석할 때 렌즈들(458, 456, 454, 452)의 스택을 보상하기 위하여, 보상 렌즈 층(430)은 아래의 렌즈 스택(458, 456, 454, 452)의 어그리게이트 전력을 보상하기 위하여 스택의 최상부에 배치될 수 있다. 이러한 구성은 이용 가능한 도파관/렌즈 쌍들이 존재하는 만큼 많은 지각된 초점 평면들을 제공한다. 도파관들의 광 추출 광학 엘리먼트들 및 렌즈들의 포커싱 양상들 둘 모두는 정적(예컨대, 동적이 아니거나 전자-활성이 아님)일 수 있다. 일부 대안적인 실시예들에서, 어느 하나 또는 둘 모두는 전자-활성 특징들을 사용하여 동적일 수 있다.
[0047] 도 4를 계속 참조하면, 광 추출 광학 엘리먼트들(440a, 438a, 436a, 434a, 432a)은 자신의 개별 도파관들로부터의 광을 재지향하는 것은 물론, 도파관과 연관된 특정 깊이 평면에 대해 적절한 양의 발산 또는 시준으로 이 광을 출력하도록 구성될 수 있다. 결과로서, 상이한 연관된 깊이 평면들을 가진 도파관들은 상이한 구성들의 광 추출 광학 엘리먼트들을 가질 수 있고, 이러한 광 추출 광학 엘리먼트들은 연관된 깊이 평면에 따라 상이한 양의 발산으로 광을 출력한다. 일부 실시예들에서, 본원에 논의된 바와 같이, 광 추출 광학 엘리먼트들(440a, 438a, 436a, 434a, 432a)은 특정 각도들로 광을 출력하도록 구성될 수 있는 볼류메트릭(volumetric) 또는 표면 특징들일 수 있다. 예컨대, 광 추출 광학 엘리먼트들(440a, 438a, 436a, 434a, 432a)은 볼륨 홀로그램들, 표면 홀로그램들, 및/또는 회절 격자들일 수 있다. 광 추출 광학 엘리먼트들, 이를테면, 회절 격자들은 2015년 6월 25일에 공개된 미국 특허 공개 번호 제2015/0178939호에 설명되며, 이는 그 전체가 본원에 인용에 의해 포함된다.
[0048] 일부 실시예들에서, 광 추출 광학 엘리먼트들(440a, 438a, 436a, 434a, 432a)은 회절 패턴을 형성하는 회절 특징들 또는 "회절 광학 엘리먼트"(또한 본원에서 "DOE"로서 지칭됨)이다. 바람직하게는, DOE는 비교적 낮은 회절 효율성을 가져서, 빔의 광의 일부만이 DOE의 각각의 교차의 경우 눈(410)을 향하여 편향되지만, 나머지는 내부 전반사를 통하여 도파관을 통해 계속 이동한다. 따라서, 이미지 정보를 전달하는 광은 다수의 위치들에서 도파관을 나가는 다수의 관련된 출사 빔들로 분할될 수 있고 그 결과는 이런 특정 시준된 빔이 도파관 내에서 이리저리 바운싱되기 때문에 눈(304)을 향하는 상당히 균일한 출사 방출 패턴이다.
[0049] 일부 실시예들에서, 하나 이상의 DOE들은, 그것들이 활발하게 회절시키는 "온" 상태와 그것들이 크게 회절시키지 않는 "오프" 상태 사이에서 스위칭 가능할 수 있다. 예컨대, 스위칭 가능 DOE는, 마이크로액적들이 호스트 매질에서 회절 패턴을 포함하는 폴리머 분산형 액정 층을 포함할 수 있고, 마이크로액적들의 굴절률은 호스트 재료의 굴절률에 실질적으로 매칭하도록 스위칭될 수 있거나(이 경우에 패턴은 입사 광을 현저하게 회절시키지 않음) 또는 마이크로액적은 호스트 매질의 인덱스에 매칭하지 않는 인덱스로 스위칭될 수 있다(이 경우 패턴은 입사 광을 활발하게 회절시킴).
[0050] 일부 실시예들에서, 피사계 심도 또는 깊이 평면들의 수 및 분포는 뷰어의 눈들의 동공 크기들 또는 배향들에 기초하여 동적으로 변동될 수 있다. 피사계 심도는 뷰어의 동공 크기와 반대로 변경될 수 있다. 결과적으로, 뷰어의 눈들의 동공들의 크기들이 감소함에 따라, 피사계 심도가 증가하여서, 식별 불가능한 하나의 평면의 위치가 눈의 포커스의 깊이를 넘어서기 때문에 그 평면이 식별 가능하게 되고 동공 크기의 감소를 통해 보다 인 포커스로 나타나고 피사계 심도의 증가와 상응할 수 있다. 마찬가지로, 뷰어에게 상이한 이미지들을 제시하는 데 사용되는 이격된 깊이 평면들의 수는 감소된 동공 크기에 따라 감소될 수 있다. 예컨대, 뷰어는 하나의 깊이 평면으로부터 벗어나게 그리고 다른 깊이 평면으로 눈의 원근조절을 조정하지 않고서는, 하나의 동공 크기에서 제1 깊이 평면 및 제2 깊이 평면 둘 모두의 세부사항들을 명확하게 지각할 수 없을 수 있다. 그러나, 이러한 2개의 깊이 평면들은 원근조절을 변경하지 않고도 다른 동공 크기에서 사용자에게 동시에 충분히 인 포커스일 수 있다.
[0051] 일부 실시예들에서, 디스플레이 시스템은 동공 크기 또는 배향의 결정들에 또는 특정 동공 크기 또는 배향을 나타내는 전기 신호들의 수신에 기초하여 이미지 정보를 수신하는 도파관들의 수를 변동시킬 수 있다. 예컨대, 사용자의 눈들이 2개의 도파관들과 연관된 2개의 깊이 평면들을 구별할 수 없는 경우, 제어기(460)(로컬 프로세싱 및 데이터 모듈(260)의 실시예일 수 있음)는 이들 도파관들 중 하나에 이미지 정보를 제공하는 것을 중단하도록 구성되거나 프로그래밍될 수 있다. 유리하게는, 이는 시스템 상의 프로세싱 부담을 감소시킬 수 있고, 그리하여 시스템의 응답성을 증가시킨다. 도파관에 대한 DOE들이 온 및 오프 상태들 사이에서 스위칭 가능한 실시예들에서, 도파관이 이미지 정보를 수신할 때 DOE들은 오프 상태로 스위칭될 수 있다.
[0052] 일부 실시예들에서, 출사 빔이 뷰어의 눈의 직경 미만인 직경을 갖는 조건을 충족시키는 것이 바람직할 수 있다. 그러나 이 조건을 충족시키는 것은 뷰어의 동공들의 크기의 변동성을 고려하면 난제가될 수 있다. 일부 실시예들에서, 이 조건은 뷰어의 동공의 크기의 결정에 대한 응답으로 출사 빔의 크기를 변동시킴으로써 광범위한 동공 크기들에 걸쳐 충족된다. 예컨대, 동공 크기가 감소함에 따라, 출사 빔의 크기가 또한 감소할 수 있다. 일부 실시예들에서, 출사 빔 크기는 가변 어퍼처를 사용하여 변동될 수 있다.
[0053] 웨어러블 시스템(400)은 세계(470)의 일부를 이미징하는 외향 이미징 시스템(464)(예컨대, 디지털 카메라)을 포함할 수 있다. 이러한 세계(470)의 일부는 세계 카메라의 FOV(field of view)로서 지칭될 수 있고, 이미징 시스템(464)은 때때로 FOV 카메라로서 지칭된다. 세계 카메라의 FOV는, 정해진 시간에 뷰어(210)가 지각하는 세계(470)의 부분을 포함하는, 뷰어(210)의 FOV와 동일할 수 있거나 동일하지 않을 수 있다. 예컨대, 일부 상황들에서, 세계 카메라의 FOV는 웨어러블 시스템(400)의 뷰어(210)의 뷰어(210)보다 클 수 있다. 뷰어에 의한 이미징 또는 뷰잉을 위해 이용 가능한 전체 구역은 FOR(field of regard)로서 지칭될 수 있다. 착용자가 자신의 신체, 머리 또는 눈들을 움직여 실질적으로 공간의 임의의 방향을 지각할 수 있기 때문에 FOR은 웨어러블 시스템(400)을 둘러싸는 4π 스테라디안(steradian)들의 입체각을 포함할 수 있다. 다른 맥락들에서, 착용자의 움직임들은 더욱 억제될 수 있고, 따라서 착용자의 FOR은 더 작은 입체각을 한정할 수 있다(subtend). 외향 이미징 시스템(464)으로부터 획득된 이미지들은 사용자에 의해 행해진 제스처들(예컨대, 손 또는 손가락 제스처들)을 추적하고, 사용자 앞의 세계(470)의 객체들을 검출하는 등을 행하는 데 사용될 수 있다.
[0054] 웨어러블 시스템(400)은 주변 사운드를 캡처하기 위한 오디오 센서(232), 예컨대, 마이크로폰을 포함할 수 있다. 위에서 설명된 바와 같이, 일부 실시예들에서, 하나 이상의 다른 오디오 센서들은 스피치 소스의 위치 결정에 유용한 스테레오 사운드 수신을 제공하도록 포지셔닝될 수 있다. 오디오 센서(232)는 다른 예로서, 오디오 소스가 로케이팅하는 곳에 대한 그러한 유용한 지향성 정보를 또한 제공할 수 있는 지향성 마이크로폰을 포함할 수 있다. 웨어러블 시스템(400)은, 스피치의 소스를 로케이팅하는 데 있어 또는 특정 시간 순간의 활성 스피커를 결정하는 등을 위해 외향 이미징 시스템(464) 및 오디오 센서(230) 둘 모두로부터의 정보를 사용할 수 있다. 예컨대, 웨어러블 시스템(400)은, 스피커의 아이덴티티를 결정하기 위해 음성 인식을 단독으로, 또는 (예컨대, 미러에서 보여지는) 스피커의 반사된 이미지와 함께 사용할 수 있다. 다른 예로서, 웨어러블 시스템(400)은 지향성 마이크로폰들로부터 획득된 사운드에 기초하여 환경 내의 스피커의 포지션을 결정할 수 있다. 웨어러블 시스템(400)은 스피치의 콘텐츠를 결정하기 위해 스피치 인식 알고리즘들로 스피커의 포지션으로부터 나오는 사운드를 파싱(parse)하고 스피커의 아이덴티티(예컨대, 이름 또는 다른 인구학적 정보)를 결정하기 위해 음성 인식 기술들을 사용할 수 있다.
[0055] 웨어러블 시스템(400)은 또한 눈 움직임들 및 얼굴 움직임들과 같은 사용자의 움직임들을 관찰하는 내향 이미징 시스템(466)(예컨대, 디지털 카메라)을 포함할 수 있다. 내향 이미징 시스템(466)은 눈(304)의 동공의 크기 및/또는 배향을 결정하기 위해 눈(410)의 이미지들을 캡처하는 데 사용될 수 있다. 내향 이미징 시스템(466)은, (예컨대, 홍채 식별을 통해) 사용자의 바이오메트릭 식별(biometric identification)을 위한 이미지들 또는 사용자가 바라보는 방향(예컨대, 눈 포즈)을 결정하는 데 사용하기 위한 이미지들을 획득하는 데 사용될 수 있다. 일부 실시예들에서, 독립적으로, 각각의 눈의 동공 크기 또는 눈 포즈를 별개로 결정하고, 그리하여 각각의 눈에 대한 이미지 정보의 프리젠테이션이 그 눈에 동적으로 맞춰지도록 허용하기 위해, 각각의 눈마다 적어도 하나의 카메라가 활용될 수 있다. 일부 다른 실시예들에서, (예컨대, 한 쌍의 눈들 당 단지 단일 카메라만을 사용하여) 단지 한쪽 눈(410)의 동공 직경 또는 배향이 결정되고 사용자의 양 눈들에 대해 유사한 것으로 가정된다. 내향 이미징 시스템(466)에 의해 획득된 이미지들은 어떤 청각적 또는 시각적 콘텐츠가 사용자에게 제시되어야 하는지를 결정하기 위해 웨어러블 시스템(400)에 의해 사용될 수 있는 사용자의 눈 포즈 또는 분위기(mood)를 결정하도록 분석될 수 있다. 웨어러블 시스템(400)은 또한 IMU들, 가속도계들, 자이로스코프들 등과 같은 센서들을 사용하여 머리 포즈(예컨대, 머리 포지션 또는 머리 배향)를 결정할 수 있다.
[0056] 웨어러블 시스템(400)은, 사용자가 웨어러블 시스템(400)과 상호작용하도록 제어기(460)에 커맨드들을 입력할 수 있게 하는 사용자 입력 디바이스(466)를 포함할 수 있다. 예컨대, 사용자 입력 디바이스(466)는 트랙패드, 터치스크린, 조이스틱, 다중 DOF(degree-of-freedom) 제어기, 용량성 감지 디바이스, 게임 제어기, 키보드, 마우스, 방향 패드(D-패드), 완드(wand), 햅틱 디바이스, 토템(예컨대, 가상 사용자 입력 디바이스로서 기능함) 등을 포함할 수 있다. 다중 DOF 제어기는 그 제어기의 일부 또는 모든 가능한 병진운동(translation)들(예컨대, 좌/우, 전/후 또는 위/아래) 또는 회전들(예컨대, 요(yaw), 피치 또는 롤)로 사용자 입력을 감지할 수 있다. 병진운동 움직임들을 지원하는 다중-DOF 제어기는 3DOF로서 지칭될 수 있는 반면, 병진운동들 및 회전들을 지원하는 다중-DOF 제어기는 6DOF로서 지칭될 수 있다. 일부 경우들에서, 사용자는 손가락(예컨대, 엄지 손가락)을 사용하여, 웨어러블 시스템(400)에 입력을 제공하도록(예컨대, 웨어러블 시스템(400)에 의해 제공되는 사용자 인터페이스에 사용자 입력을 제공하도록) 터치-감지 입력 디바이스를 누르거나 스와이프(swipe)할 수 있다. 사용자 입력 디바이스(466)는 웨어러블 시스템(400)의 사용 동안 사용자의 손에 의해 보유될 수 있다. 사용자 입력 디바이스(466)는 웨어러블 시스템(400)과 유선 또는 무선 통신할 수 있다.
[0057] 도 5는 도파관에 의해 출력된 출사 빔들의 예를 도시한다. 하나의 도파관이 예시되지만, 도파관 어셈블리(480) 내의 다른 도파관들이 유사하게 기능할 수 있다는 것이 인지될 것이며, 여기서 도파관 어셈블리(480)는 다수의 도파관들을 포함한다. 광(520)은 도파관(432b)의 입력 에지(432c)에서 도파관(432b)으로 주입되고 TIR에 의해 도파관(432b) 내에서 전파된다. 광(520)이 DOE(432a)에 충돌하는 포인트들에서, 광의 일부는 출사 빔들(510)로서 도파관을 나간다. 출사 빔들(510)은 실질적으로 평행한 것으로 예시되지만, 이들 출사 빔들(510)은 또한 도파관(432b)과 연관된 깊이 평면에 따라, 임의의 각도로 눈(410)으로 전파되도록 재지향될 수 있다(예컨대, 발산하는 출사 빔들을 형성함). 실질적으로 평행한 출사 빔들은, 눈(410)으로부터 먼 거리(예컨대, 광학적 무한대)에 있는 깊이 평면 상에 세팅된 것으로 보이는 이미지들을 형성하도록 광을 아웃커플링하는 광 추출 광학 엘리먼트들을 갖는 도파관을 나타낼 수 있다는 것이 인지될 것이다. 다른 도파관들 또는 광 추출 광학 엘리먼트들의 다른 세트들은 더 발산하는 출사 빔 패턴을 출력할 수 있고, 이는 눈(410)이 망막 상에 포커싱을 맞추게 하기 위해 더 가까운 거리로 원근조절하는 것을 요구할 것이고 광학적 무한대보다 눈(410)에 더 가까운 거리로부터의 광으로서 뇌에 의해 해석될 것이다.
[0058] 도 6은, 다중-초점 볼류메트릭 디스플레이, 이미지 또는 광 필드의 생성에 사용되는, 도파관 장치, 도파관 장치로 또는 도파관 장치로부터의 광을 광학적으로 커플링하는 광학 커플러 서브시스템, 및 제어 서브시스템을 포함하는 광학 시스템을 도시하는 개략도이다. 광학 시스템은 도파관 장치, 도파관 장치로 또는 상기 도파관 장치로부터의 광을 광학적으로 커플링하는 광학 커플러 서브시스템, 및 제어 서브시스템을 포함할 수 있다. 광학 시스템은 다중-초점 볼류메트릭, 이미지 또는 광 필드를 생성하는 데 사용할 수 있다. 광학 시스템은 하나 이상의 주 평면 도파관들(632a)(도 6에서 단지 하나만 도시됨) 및 주 도파관들(632a) 중 적어도 일부의 주 도파관들 각각과 연관된 하나 이상의 DOE들(632b)을 포함할 수 있다. 평면 도파관들(632b)은 도 4를 참조하여 논의된 도파관들(432b, 434b, 436b, 438b, 440b)과 유사할 수 있다. 광학 시스템은 제1 축(도 6의 뷰에서 수직 또는 Y-축)을 따라 광을 중계하고 제1 축(예컨대, Y-축)을 따라 광의 유효 출사동을 확장시키기 위해 분배 도파관 장치를 사용할 수 있다. 분배 도파관 장치는, 예컨대, 분배 평면 도파관(622b) 및 분배 평면 도파관(622b)과 연관된 적어도 하나의 DOE(622a)(이중 일점 쇄선으로 예시됨)를 포함할 수 있다. 분배 평면 도파관(622b)은 그와 상이한 배향을 갖는 주 평면 도파관(632b)과 적어도 일부 면들에서 유사하거나 동일할 수 있다. 마찬가지로, 적어도 하나의 DOE(622a)는 DOE(632a)와 적어도 일부 면들에서 유사하거나 동일할 수 있다. 예컨대, 분배 평면 도파관(622b) 또는 DOE(622a)는 각각, 주 평면 도파관(632b) 또는 DOE(632a)와 동일한 재료들로 구성될 수 있다. 도 6에 도시된 광학 디스플레이 시스템(600)의 실시예들은 도 2에 도시된 웨어러블 시스템(200)에 통합될 수 있다.
[0059] 중계된 그리고 출사동 확장된 광은 분배 도파관 장치로부터 하나 이상의 주 평면 도파관들(632b)로 광학적으로 커플링될 수 있다. 주 평면 도파관(632b)은 바람직하게는, 제1 축과 직교하는 제2 축(예컨대, 도 6의 뷰에서 수평 또는 X-축)을 따라 광을 중계할 수 있다. 특히, 제2 축은 제1 축에 대해 비-직교 축일 수 있다. 주 평면 도파관(632b)은 제2 축(예컨대, X-축)을 따라 광의 유효 출사동을 확장시킨다. 예컨대, 분배 평면 도파관(622b)은 수직 또는 Y- 축을 따라 광을 중계 및 확장시키고, 수평 또는 X-축을 따라 광을 중계 및 확장시킬 수 있는 주 평면 도파관(632b)으로 그 광을 전달할 수 있다.
[0060] 광학 시스템은 단일 모드 광섬유(640)의 근위 단부에 광학적으로 커플링될 수 있는 컬러 광(예컨대, 적색, 녹색 및 청색 레이저 광)의 하나 이상의 소스들(610)을 포함할 수 있다. 광 섬유(640)의 원위 단부는 압전 재료의 중공 튜브(642)를 통해 수용되거나 스레딩(thread)될 수 있다. 원위 단부는 픽스-프리(fixed-free) 가요성 캔틸레버(644)로서 튜브(642)로부터 돌출한다. 압전 튜브(642)는 4개의 쿼드런트(quadrant) 전극들(예시되지 않음)과 연관될 수 있다. 전극들은 예컨대, 튜브(642)의 외부, 외부 표면 또는 외부 주변부 또는 직경 상에 도금될 수 있다. 코어 전극(예시되지 않음)은 또한 튜브(642)의 코어, 중앙, 내부 주변부 또는 내부 직경에 로케이팅될 수 있다.
[0061] 예컨대, 와이어들(660)을 통해 전기적으로 커플링된 구동 전자 장치(650)는 2개의 축들에서 압전 튜브(642)를 독립적으로 구부리기 위해 대향하는 전극 쌍들을 구동한다. 광섬유(644)의 돌출 원위 팁은 기계적 공진 모드들을 갖는다. 공진 주파수들은 광섬유(644)의 직경, 길이 및 재료 성질들에 의존할 수 있다. 섬유 캔틸레버(644)의 제1 기계적 공진 모드에 근사하게 압전 튜브(642)를 진동시킴으로써, 섬유 캔틸레버(644)는 진동하게 될 수 있고, 큰 편향들을 통해 스윕(sweep)할 수 있다.
[0062] 2개의 축들에서 공진 진동을 자극함으로써, 섬유 캔틸레버(644)의 팁은 영역 필링 2-차원(2D) 스캔으로 2축 방향으로(biaxially) 스캔된다. 섬유 캔틸레버(644)의 스캔과 동기하여 광 소스(들)(610)의 세기를 변조함으로써, 섬유 캔틸레버(644)로부터 나오는 광은 이미지를 형성할 수 있다. 그러한 셋업에 대한 설명들은 그 전체가 인용에 의해 본원에 포함되는 미국 특허 공보 제2014/0003762호에서 제공된다.
[0063] 광학 커플러 서브시스템의 컴포넌트는 스캐닝 섬유 캔틸레버(644)로부터 나오는 광을 시준할 수 있다. 시준된 광은 미러 표면(mirrored surface)(648)에 의해 적어도 하나의 DOE(diffractive optical element)(622a)를 포함하는 좁은 분배 평면 도파관(622b)으로 반사될 수 있다. 시준된 광은 TIR에 의해 분배 평면 도파관(622b)을 따라(도 6의 뷰에 대해) 수직으로 전파될 수 있고, 이렇게 하여, DOE(622a)와 반복적으로 교차한다. DOE(622a)는 바람직하게는, 낮은 회절 효율을 갖는다. 이는, 광의 프랙션(fraction)(예컨대, 10%)이 DOE(622a)와의 각각의 교차 포인트에서 더 큰 주 평면 도파관(632b)의 에지를 향해 회절되게 하고, 광의 프랙션이 TIR을 통해 분배 평면 도파관(622b)의 길이를 따라 그의 원래의 궤적을 지속하게 할 수 있다.
[0064] DOE(622a)와의 각각의 교차 포인트에서, 부가적인 광이 주 도파관(632b)의 입구를 향해 회절될 수 있다. 인입 광을 다수의 아웃커플링된 세트들로 분할함으로써, 광의 출사동은 분배 평면 도파관(622b)에서 DOE(622a)에 의해 수직으로 확장될 수 있다. 분배 평면 도파관(622b) 밖으로 커플링되는 이러한 수직으로 확장된 광은 주 평면 도파관(632b)의 에지에 진입할 수 있다.
[0065] 주 도파관(632b)에 진입하는 광은 TIR을 통해 주 도파관(632b)을 따라(도 6의 뷰에 대해) 수평으로 전파될 수 있다. 광이 TIR을 통해 주 도파관(632b)의 길이의 적어도 일부를 따라 수평으로 전파됨에 따라 광은 다수의 포인트들에서 DOE(632a)와 교차한다. DOE(632a)는 유리하게는, 광의 편향 및 포커싱 둘 모두를 생성하도록, 선형 회절 패턴 및 방사상 대칭 회절 패턴의 합인 위상 프로파일(phase profile)을 갖도록 설계 또는 구성될 수 있다. DOE(632a)는 유리하게는, 낮은 회절 효율(예컨대, 10%)을 가질 수 있어서, 빔의 광 중 일부만이 DOE(632a)의 각각의 교차에 의해 뷰어의 눈을 향해 편향되는 반면에, 광의 나머지는 TIR을 통해 주 도파관(632b)을 통해 계속 전파된다.
[0066] 전파되는 광과 DOE(632a) 사이의 각각의 교차 포인트에서, 광의 프랙션이 주 도파관(632b)의 인접한 면을 향해 회절되어, 광이 TIR을 벗어나 주 도파관(632b)의 면으로부터 나오게 한다. 일부 실시예들에서, DOE(632a)의 방사상 대칭 회절 패턴은 부가적으로 회절된 광에 포커스 레벨을 부여하여, 개별 빔의 광 파면을 성형(예컨대, 곡률을 부여함)하는 것은 물론, 설계된 포커스 레벨과 매칭하는 각도로 빔을 조종한다.
[0067] 따라서, 이들 상이한 경로들은 상이한 각도들의, 포커스 레벨에서 다수의 DOE들(632a)에 의해, 또는 출사동에서 상이한 필 패턴(fill pattern)들의 산출에 의해 광이 주 평면 도파관(632b) 밖으로 커플링되게 할 수 있다. 출사동에서의 상이한 필 패턴들은 다수의 깊이 평면들을 갖는 광 필드 디스플레이를 생성하는 데 유리하게 사용될 수 있다. 도파관 어셈블리의 각각의 층 또는 스택된 층들의 세트(예컨대, 3개의 층들)는 각자의 컬러(예컨대, 적색, 청색, 녹색)를 생성하는 데 사용될 수 있다. 따라서, 예컨대, 3개의 인접한 층들의 제1 세트는 제1 초점 깊이의 적색, 청색 및 녹색 광을 각각 생성하도록 사용될 수 있다. 3개의 인접한 층들의 제2 세트는 제2 초점 깊이의 적색, 청색 및 녹색 광을 각각 생성하도록 사용될 수 있다. 다수의 세트들이 다양한 초점 깊이들을 갖는 풀(full) 3D 또는 4D 컬러 이미지 광 필드를 생성하도록 사용될 수 있다.
웨어러블 시스템의 다른 컴포넌트
[0068] 다수의 구현들에서, 웨어러블 시스템은 위에서 설명된 웨어러블 시스템의 컴포넌트들에 부가적으로 또는 대안적으로 다른 컴포넌트들을 포함할 수 있다. 웨어러블 시스템은 예컨대, 하나 이상의 햅틱 디바이스들 또는 컴포넌트들을 포함할 수 있다. 햅틱 디바이스들 또는 컴포넌트들은 사용자에게 촉감을 제공하도록 동작 가능할 수 있다. 예컨대, 햅틱 디바이스들 또는 컴포넌트들은 가상 콘텐츠(예컨대, 가상 객체들, 가상 툴들, 다른 가상 구조들)를 터치할 때 압력 또는 텍스처의 촉감을 제공할 수 있다. 촉감은 가상 객체가 표현하는 물리적 객체의 느낌(feel)을 복제할 수 있거나, 또는 가상 콘텐츠가 표현하는 이미징된 객체 또는 캐릭터(예컨대, 용)의 느낌을 복제할 수 있다. 일부 구현들에서, 햅틱 디바이스들 또는 컴포넌트들은 사용자에 의해 착용될 수 있다(예컨대, 사용자 웨어러블 글러브). 일부 구현들에서, 햅틱 디바이스들 또는 컴포넌트들은 사용자에 의해 보유될 수 있다.
[0069] 웨어러블 시스템은 예컨대, 웨어러블 시스템과의 상호작용 또는 입력을 허용하기 위해 사용자에 의해 조작 가능한 하나 이상의 물리적 객체들을 포함할 수 있다. 이러한 물리적 객체들은 본원에서 토템(totem)들로서 지칭될 수 있다. 일부 토템들은 예컨대, 금속 또는 플라스틱 조각, 벽, 테이블의 표면과 같은 무생물의 형태를 취할 수 있다. 특정 구현들에서, 토템들은 실제로, 어떠한 물리적 입력 구조들(예컨대, 키들, 트리거들, 조이스틱, 트랙볼, 로커 스위치(rocker switch))도 갖지 않을 수 있다. 대신, 토템은 단순히 물리적 표면을 제공할 수 있고 웨어러블 시스템은 사용자 인터페이스가 토템의 하나 이상의 표면들 상에 있는 것으로 사용자에게 나타나게 할 수 있다. 예컨대, 웨어러블 시스템은 컴퓨터 키보드 및 트랙패드의 이미지가 토템의 하나 이상의 표면들에 상주하는 것으로 나타나게 할 수 있다. 예컨대, 웨어러블 시스템은 가상 컴퓨터 키보드 및 가상 트랙패드가 토템으로서 역할을 하는 얇은 직사각형 알루미늄 플레이트의 표면 상에 나타나게 할 수 있다. 직사각형 플레이트 그 자체는 어떠한 물리적인 키들 또는 트랙패드 또는 센서들도 갖지 않는다. 그러나, 웨어러블 시스템은 가상 키보드 또는 가상 트랙패드를 통해 이루어진 선택들 또는 입력들로서 직사각형 플레이트와의 사용자 조작 또는 상호작용 또는 터치들을 검출할 수 있다. 사용자 입력 디바이스(466)(도 4에 도시됨)는, 트랙패드, 터치 패드, 트리거, 조이스틱, 트랙볼, 로커 또는 가상 스위치, 마우스, 키보드, 다중-자유도 제어기 또는 다른 물리적 입력 디바이스를 포함할 수 있는 토템의 실시예일 수 있다. 사용자는 토템을 단독으로 또는 포즈들과 함께 사용하여 웨어러블 시스템 또는 다른 사용자들과 상호작용할 수 있다.
웨어러블 시스템들, 환경들 및 인터페이스들의 예들
[0070] 웨어러블 시스템은 렌더링된 광 필드들에서 높은 피사계 심도를 달성하기 위해 다양한 맵핑 관련 기술들을 사용할 수 있다. 가상 세계의 맵핑 시에, 실제 세계와 관련하여 가상 객체들을 정확하게 묘사하기 위해 현실 세계의 모든 특징들 및 포인트들을 아는 것이 유리하다. 이를 위해, 웨어러블 시스템의 사용자들로부터 캡처된 FOV 이미지들이 실제 세계의 다양한 포인트들 및 특징들에 관한 정보를 전달하는 새로운 사진들을 포함함으로써 세계 모델에 부가될 수 있다. 예컨대, 웨어러블 시스템은 맵 포인트의 세트(이를테면, 2D 포인트들 또는 3D 포인트들)를 수집하고 새로운 맵 포인트들을 발견하여 세계 모델의 보다 정확한 버전을 렌더링할 수 있다. 제1 사용자의 세계 모델이 (예컨대, 클라우드 네트워크와 같은 네트워크를 통해) 제2 사용자에게 통신될 수 있어서, 제2 사용자는 제1 사용자 주위의 세계를 경험할 수 있다.
[0071] 도 7은 MR 환경(700)의 예의 블록도이다. MR 환경(700)은 하나 이상의 사용자 웨어러블 시스템들(예컨대, 웨어러블 시스템(200) 또는 디스플레이 시스템(220)) 또는 정적 룸(stationary room) 시스템들(예컨대, 룸 카메라들 등)로부터 입력(예컨대, 사용자의 웨어러블 시스템으로부터의 시각적 입력(702), 이를테면, 룸 카메라들로부터의 정적 입력(704), 다양한 센서들로부터의 감각 입력(706), 제스처들, 토템들, 눈 추적, 사용자 입력 디바이스(466)로부터의 사용자 입력 등)을 수신하도록 구성될 수 있다. 웨어러블 시스템들은 사용자의 환경의 위치 및 다양한 다른 속성들을 결정하기 위해 다양한 센서들(예컨대, 가속도계들, 자이로스코프들, 온도 센서들, 움직임 센서들, 깊이 센서들, GPS 센서들, 내향 이미징 시스템, 외향 이미징 시스템 등)을 사용할 수 있다. 이 정보는 추가로, 이미지들을 제공할 수 있는 룸의 정적 카메라들로부터의 정보 또는 상이한 관점으로부터의 다양한 단서들로 보완될 수 있다. 카메라들(이를테면, 룸 카메라들 및/또는 외향 이미징 시스템의 카메라들)에 의해 획득된 이미지 데이터는 맵핑 포인트들의 세트로 감소될 수 있다.
[0072] 하나 이상의 객체 인식기들(708)은 맵 데이터베이스(710)의 도움으로 수신된 데이터(예컨대, 포인트들의 모음)를 크롤링(crawl)하고, 포인트들을 인식 또는 맵핑하고, 이미지들을 태깅하고, 의미 정보를 객체들에 첨부할 수 있다. 맵 데이터베이스(710)는 시간에 걸쳐 수집된 다양한 포인트들 및 그들의 대응하는 객체들을 포함할 수 있다. 다양한 디바이스들 및 맵 데이터베이스는 클라우드에 액세스하기 위해 네트워크(예컨대, LAN, WAN 등)를 통해 서로 연결될 수 있다.
[0073] 맵 데이터베이스의 이러한 정보 및 포인트들의 모음에 기초하여, 객체 인식기들(708a 내지 708n)은 환경의 객체들을 인식할 수 있다. 예컨대, 객체 인식기들은 얼굴들, 사람들, 창문들, 벽들, 사용자 입력 디바이스들, 텔레비전들, 문서들(예컨대, 본원에서의 보안 예들에서 설명된 바와 같은 여행 티켓들, 운전 면허증, 여권), 사용자의 환경의 다른 객체들 등을 인식할 수 있다. 하나 이상의 객체 인식기들이 소정의 특성들을 갖는 객체에 대해 전문화될 수 있다. 예컨대, 객체 인식기(708a)는 얼굴들을 인식하는 데 사용될 수 있는 반면에, 다른 객체 인식기는 문서들을 인식하는 데 사용될 수 있다.
[0074] 객체 인식들은 다양한 컴퓨터 비전 기술들을 사용하여 수행될 수 있다. 예컨대, 웨어러블 시스템은 장면 재구성, 이벤트 검출, 비디오 추적, 객체 인식(예컨대, 사람들 또는 문서들), 객체 포즈 추정, (예컨대, 환경 내의 사람 또는 문서 상의 이미지로부터) 얼굴 인식, 러닝(learning), 인덱싱, 모션 추정 또는 이미지 분석(예컨대, 사진들, 서명들, 식별 정보, 여행 정보 등과 같은 문서들 내의 표시들을 식별함) 등을 수행하도록 외향 이미징 시스템(464)(도 4에 도시됨)에 의해 획득된 이미지들을 분석할 수 있다. 이러한 작업들을 수행하기 위해 하나 이상의 컴퓨터 비전 알고리즘들이 사용될 수 있다. 컴퓨터 비전 알고리즘들의 비-제한적인 예들은, SIFT(Scale-invariant feature transform), SURF(speeded up robust features), ORB(oriented FAST and rotated BRIEF), BRISK(binary robust invariant scalable keypoints), FREAK(fast retina keypoint), Viola-Jones 알고리즘, Eigenfaces 접근법, Lucas-Kanade 알고리즘, Horn-Schunk 알고리즘, Mean-shift 알고리즘, vSLAM(visual simultaneous location and mapping) 기술들, 순차적 베이지안 추정기(예컨대, 칼만 필터, 확장된 칼만 필터 등), 번들 조정, 적응형 임계화(Adaptive thresholding)(및 다른 임계화 기술들), ICP(Iterative Closest Point), SGM(Semi Global Matching), SGBM(Semi Global Block Matching), 특징 포인트 히스토그램(Feature Point Histogram)들, (예컨대, 지원 벡터 머신, k-최근접 이웃 알고리즘, 나이브 베이즈(Naive Bayes), 뉴럴 네트워크(콘볼루셔널 또는 딥 뉴럴 네트워크들을 포함함) 또는 다른 감독/비-감독 모델들 등과 같은) 다양한 머신 러닝 알고리즘들 등을 포함한다.
[0075] 객체 인식들은 부가적으로 또는 대안적으로, 다양한 머신 러닝 알고리즘들에 의해 수행될 수 있다. 일단 트레이닝되면, 머신 러닝 알고리즘은 HMD에 의해 저장될 수 있다. 머신 러닝 알고리즘들의 일부 예들은, (예컨대, 정규 최소 제곱화 회귀 분석(Ordinary Least Squares Regression)과 같은) 회귀 알고리즘들, (예컨대, 러닝 벡터 양자화(Learning Vector Quantization)와 같은) 인스턴스-기반 알고리즘들, (예컨대, 분류 및 회귀 트리들과 같은) 결정 트리 알고리즘들, (예컨대, 나이브 베이즈(Naive Bayes)와 같은) 베이지안 알고리즘들, (예컨대, k-평균 클러스터링과 같은) 클러스터링 알고리즘들, (예컨대, 선험적 알고리즘들과 같은) 연관 규칙 러닝 알고리즘들, (예컨대, 퍼셉트론(Perceptron)과 같은) 인공 뉴럴 네트워크 알고리즘들, (예컨대, 딥 볼츠만 머신, 또는 딥 뉴럴 네트워크와 같은) 딥 러닝 알고리즘들, (예컨대, 주 성분 분석(Principal Component Analysis)과 같은) 차원성 감소 알고리즘, (예컨대, 누적된 일반화(Stacked Generalization)와 같은) 앙상블 알고리즘들 및/또는 다른 머신 러닝 알고리즘들을 포함하는 감독 또는 비-감독 머신 러닝 알고리즘들을 포함할 수 있다. 일부 실시예들에서, 개별 모델들은 개별 데이터 세트들에 대해 커스터마이징될 수 있다. 예컨대, 웨어러블 디바이스는 기본 모델을 생성하거나 저장할 수 있다. 기본 모델은 데이터 유형(예컨대, 텔레프레전스(telepresence) 세션의 특정 사용자), 데이터 세트(예컨대, 텔레프레전스 세션의 사용자의 획득된 부가적인 이미지들의 세트), 조건부 상황들 또는 다른 변동들에 특정한 부가적인 모델들을 생성하기 위한 시작 포인트로서 사용될 수 있다. 일부 실시예들에서, 웨어러블 HMD는 어그리게이팅된 데이터의 분석을 위한 모델들을 생성하기 위해 복수의 기술들을 활용하도록 구성될 수 있다. 다른 기술들은 미리 정의된 임계치들 또는 데이터 값들을 사용하는 것을 포함할 수 있다.
[0076] 맵 데이터베이스의 이러한 정보 및 포인트들의 모음에 기초하여, 객체 인식기들(708a 내지 708n)은 객체들을 인식하고 객체들에 생명을 부여하기 위해 의미 정보로 객체들을 보충할 수 있다. 예컨대, 객체 인식기가 포인트들의 세트를 문이라고 인식하는 경우, 시스템은 일부 의미 정보를 첨부할 수 있다(예컨대, 문은 힌지(hinge)를 가지며 힌지를 중심으로 90도 움직임을 가짐). 객체 인식기가 포인트들의 세트를 미러라고 인식하는 경우, 시스템은 미러는 룸 내의 객체들의 이미지들을 반사할 수 있는 반사 표면을 갖는다는 의미 정보를 첨부할 수 있다. 의미 정보는 본원에서 설명된 바와 같이 객체들의 어포던스들(affordance)을 포함할 수 있다. 예컨대, 의미 정보는 객체의 법선을 포함할 수 있다. 시스템은 방향이 객체의 법선을 표시하는 벡터를 할당할 수 있다. 시간이 지남에 따라, 시스템(로컬로 상주할 수도 있거나, 또는 무선 네트워크를 통해 액세스 가능할 수도 있음)이 세계로부터 더 많은 데이터를 누적함으로써 맵 데이터베이스가 성장한다. 객체들이 인식되면, 정보는 하나 이상의 웨어러블 시스템들에 전송될 수 있다. 예컨대, MR 환경(700)은 캘리포니아에서 일어나는 장면에 관한 정보를 포함할 수 있다. 환경(700)은 뉴욕의 하나 이상의 사용자들에 전송될 수 있다. FOV 카메라로부터 수신된 데이터 및 다른 입력들에 기초하여, 객체 인식기들 및 다른 소프트웨어 컴포넌트들은 다양한 이미지들로부터 수집된 포인트들을 맵핑하고, 객체들을 인식하는 등을 수행할 수 있어서, 장면이 세계의 상이한 부분에 있을 수 있는 제2 사용자에게 정확히 "전달될" 수 있다. 환경(700)은 또한 로컬화(localization) 목적들을 위해 토폴로지 맵(topological map)을 사용할 수 있다.
[0077] 도 8은 인지된 객체들과 관련하여 가상 콘텐츠를 렌더링하는 방법(800)의 예의 프로세스 흐름도이다. 방법(800)은 가상 장면이 웨어러블 시스템의 사용자에게 어떻게 제시될 수 있는지를 설명한다. 사용자는 장면으로부터 지리적으로 멀리 있을 수 있다. 예컨대, 사용자는 뉴욕에 있을 수 있지만, 현재 캘리포니아에서 진행되고 있는 장면을 보기를 원할 수 있거나, 또는 캘리포니아에 거주하는 친구와 함께 산책을 하러 가기를 원할 수 있다.
[0078] 블록(810)에서, 웨어러블 시스템은 사용자 및 다른 사용자들로부터, 사용자의 환경에 관한 입력을 수신할 수 있다. 이는 다양한 입력 디바이스들 및 맵 데이터베이스에 이미 보유된 지식을 통해 달성될 수 있다. 사용자의 FOV 카메라, 센서들, GPS, 눈 추적 등은 블록(810)에서 시스템에 정보를 전달한다. 시스템은 블록(820)에서 이 정보에 기초하여 희소 포인트들을 결정할 수 있다. 희소 포인트들은 사용자의 주변들의 다양한 객체들의 배향 및 포지션을 디스플레이 및 이해하는 데 사용될 수 있는 포즈 데이터(예컨대, 머리 포즈, 눈 포즈, 신체 포즈 또는 손 제스처들)를 결정하는 데 사용될 수 있다. 객체 인식기들(708a-708n)은 블록(830)에서 이러한 수집된 포인트들을 크롤링하고 맵 데이터베이스를 사용하여 하나 이상의 객체들을 인식할 수 있다. 그 후, 이 정보는 블록(840)에서, 사용자의 개별 웨어러블 시스템에 전달될 수 있고, 블록(850)에서, 원하는 가상 장면이 사용자에게 상응하게 디스플레이될 수 있다. 예컨대, 원하는 가상 장면(예컨대, CA의 사용자)은 뉴욕의 사용자의 다양한 객체들 및 다른 주변들과 관련하여 적절한 배향, 포지션 등에서 디스플레이될 수 있다.
[0079] 도 9는 웨어러블 시스템의 다른 예의 블록도이다. 이 예에서, 웨어러블 시스템(900)은 세계의 맵 데이터를 포함하는 맵 데이터베이스(710)를 포함할 수 있는 맵(920)을 포함한다. 맵은 부분적으로 웨어러블 시스템 상에 로컬로 상주할 수 있고, (예컨대, 클라우드 시스템에서) 유선 또는 무선 네트워크에 의해 액세스 가능한 네트워킹된 저장 위치들에 부분적으로 상주할 수 있다. 포즈 프로세스(910)는 웨어러블 컴퓨팅 아키텍처(예컨대, 프로세싱 모듈(260) 또는 제어기(460)) 상에서 실행되고 웨어러블 컴퓨팅 하드웨어 또는 사용자의 포지션 및 배향을 결정하기 위해 맵(920)으로부터 데이터를 활용할 수 있다. 포즈 데이터는 사용자가 시스템을 경험하고 세계에서 동작할 때 즉석에서 수집된 데이터로부터 컴퓨팅될 수 있다. 데이터는 이미지들, 센서들(이를테면, 일반적으로 가속도계 및 자이로스코프 컴포넌트들을 포함하는 관성 측정 유닛들)로부터의 데이터 및 실제 또는 가상 환경의 객체들과 관련된 표면 정보를 포함할 수 있다.
[0080] 희소 포인트 표현은 동시성 로컬화 및 맵핑(예컨대, 입력이 이미지들/시각 전용인 구성을 지칭하는 SLAM 또는 vSLAM) 프로세스의 출력일 수 있다. 시스템은 다양한 컴포넌트들이 세계 어디에 있는지 뿐만 아니라, 세상이 무엇으로 이루어져 있는지를 파악하도록 구성될 수 있다. 포즈는 맵을 채우고 맵으로부터의 데이터를 사용하는 것을 포함해서, 다수의 목표들을 달성하는 빌딩 블록일 수 있다.
[0081] 일 실시예에서, 희소 포인트 포지션은 그 자체로 완전히 충분하지 않을 수 있고, 다중 초점 AR, VR 또는 MR 경험을 생성하기 위해 추가의 정보가 필요할 수 있다. 일반적으로 깊이 맵 정보를 지칭하는 밀집된 표현들이 이 갭을 적어도 부분적으로 채우기 위해 활용될 수 있다. 이러한 정보는 스테레오(940)로서 지칭되는 프로세스로부터 컴퓨팅될 수 있으며, 여기서 깊이 정보가 삼각측량 또는 비행-시간 감지와 같은 기술을 사용하여 결정된다. 이미지 정보 및 활성 패턴들(이를테면, 활성 프로젝터들을 사용하여 생성된 적외선 패턴들), 이미지 카메라들로부터 획득된 이미지들, 또는 손 제스처들/토템(950)은 스테레오 프로세스(940)에 대한 입력으로서 역할을 할 수 있다. 상당한 양의 깊이 맵 정보가 함께 융합될 수 있으며, 그 중 일부는 표면 표현으로 요약될 수 있다. 예컨대, 수학적으로 정의 가능한 표면들은 (예컨대, 대형 포인트 클라우드에 비해) 효율적일 수 있고, 게임 엔진들과 같은 다른 프로세싱 디바이스들에 이해 가능한 입력들일 수 있다. 따라서, 스테레오 프로세스(940)의 출력(예컨대, 깊이 맵)은 융합 프로세스(930)에서 결합될 수 있다. 포즈(910)는 또한 이 융합 프로세스(930)에 대한 입력일 수 있고, 융합(930)의 출력은 맵 프로세스(920)를 채우기 위한 입력이 된다. 서브-표면들이 이를테면, 토폴리지 맵핑에서 서로 연결되어 더 큰 표면들을 형성할 수 있고, 맵은 포인트들 및 표면들의 대형 혼합물이 된다.
[0082] 혼합 현실 프로세스(960)에서의 다양한 양상들을 해결하기 위해, 다양한 입력들이 활용될 수 있다. 예컨대, 도 9에 도시된 실시예에서, 게임 파라미터들은, 시스템의 사용자가 다양한 위치들의 하나 이상의 몬스터들, 다양한 조건들(이를테면, 사용자가 몬스터를 쏘는 경우) 하에서 죽거나 도망가는 몬스터들, 다양한 위치들의 벽들 또는 다른 객체들 등을 갖는 몬스터 전투 게임을 플레이하고 있다고 결정하기 위한 입력일 수 있다. 세계 맵은 객체들의 위치에 관한 정보 또는 객체들의 의미 정보를 포함할 수 있고 세계 맵은 혼합 현실에 대한 다른 귀중한 입력일 수 있다. 세계에 대한 포즈가 또한 입력이 되며 거의 모든 상호작용 시스템에 대해 중요한 역할을 한다.
[0083] 사용자로부터의 제어들 또는 입력들은 웨어러블 시스템(900)에 대한 다른 입력이다. 본원에서 설명된 바와 같이, 사용자 입력들은 시각적 입력, 제스처들, 토템들, 오디오 입력, 감각 입력 등을 포함할 수 있다. 예컨대, 주위를 돌아다니거나 게임을 플레이하기 위해, 사용자는 웨어러블 시스템(900)에, 자신이 하기를 원하는 것에 관해 지시할 필요가 있을 수 있다. 단지 공간에서 자신을 움직이는 것 외에도, 활용될 수 있는 다양한 형태들의 사용자 제어들이 존재한다. 일 실시예에서, 토템(예컨대, 사용자 입력 디바이스) 또는 객체, 이를테면, 장난감 총은 사용자에 의해 보유되고 시스템에 의해 추적될 수 있다. 시스템은 바람직하게는, 사용자가 아이템을 보유하고 있다는 것을 인지하고 사용자가 아이템과 어떤 종류의 상호작용을 하고 있는지를 이해하도록 구성될 것이다(예컨대, 토템 또는 객체가 총인 경우, 시스템은 위치 및 배향은 물론, IMU와 같은 센서가 장착될 수 있는 트리거 또는 다른 감지 버튼 또는 엘리먼트를 사용자가 클릭하고 있는지 여부를 이해하도록 구성될 수 있으며, 이러한 센서는, 그러한 활동이 카메라들 중 임의의 것의 시야 내에 있지 않을 때조차도, 무슨 일이 일어나고 있는지를 결정하는데 도움을 줄 수 있음).
[0084] 손 제스처 추적 또는 인식은 또한 입력 정보를 제공할 수 있다. 웨어러블 시스템(900)은 버튼 누름들에 대한 손 제스처들, 왼쪽 또는 오른쪽, 정지, 잡기, 홀드 등을 제스처링하는 손 제스처들을 추적 및 해석하도록 구성될 수 있다. 예컨대, 일 구성에서, 사용자는 비-게임 환경에서 이메일들 또는 캘린더를 훑어보거나(flip through) 다른 사람이나 플레이어와 "주먹 인사(fist bump)"를 하기를 원할 수 있다. 웨어러블 시스템(900)은 동적일 수 있거나 동적이지 않을 수 있는 최소량의 손 제스처를 레버리지(leverage)하도록 구성될 수 있다. 예컨대, 제스처들은 중지를 위한 펼쳐진 손, ok를 위한 엄지 올리기, not ok를 위한 엄지 내리기; 또는 방향성 커맨드들을 위한 우측 또는 좌측 또는 위/아래로의 손 뒤집기와 같은 단순한 정적 제스처일 수도 있다.
[0085] 눈 추적(예컨대, 특정 깊이 또는 범위에서 렌더링하도록 디스플레이 기술을 제어하기 위해 사용자가 바라보는 곳을 추적함)은 다른 입력이다. 일 실시예에서, 눈들의 이접운동은 삼각측량을 사용하여 결정될 수 있고, 그 후, 그 특정 사람에 대해 발현되는 이접운동/원근조절 모델을 사용하여, 원근조절이 결정될 수 있다. 눈 시선(예컨대, 한쪽 또는 양쪽 눈들의 방향 또는 배향)을 결정하기 위해 눈 카메라(들)에 의해 눈 추적이 수행될 수 있다. 예컨대, 눈(들) 근처에 배치된 전극들에 의한 전위들의 측정(예컨대, 전기 안구도 기록(electrooculography))과 같은 눈 추적을 위한 다른 기술들이 사용될 수 있다.
[0086] 스피치 추적은 단독으로 또는 다른 입력들(예컨대, 토템 추적, 눈 추적, 제스처 추적 등)과 함께 사용될 수 있는 다른 입력일 수 있다. 스피치 추적은 스피치 인식, 음성 인식을 단독으로 또는 조합하여 포함할 수 있다. 시스템(900)은 환경으로부터 오디오 스트림을 수신하는 오디오 센서(예컨대, 마이크로폰)를 포함할 수 있다. 시스템(900)은 누가 말하고 있는지(예컨대, 스피치가 ARD의 착용자 또는 다른 사람 또는 음성(예컨대, 환경 내의 라우드스피커에 의해 송신된 레코딩된 음성)으로부터 왔는지)를 결정하기 위한 음성 인식 기술은 물론, 무엇을 말하고 있는지를 결정하기 위한 스피치 인식 기술을 포함할 수 있다. 로컬 데이터 및 프로세싱 모듈(260) 또는 원격 프로세싱 모듈(270)은 예컨대, 히든 마르코프 모델(hidden Markov model)들, DTW(dynamic time warping)-기반 스피치 인식들, 뉴럴 네트워크들, 딥 러닝 알고리즘들, 이를테면, 딥 피드포워드 및 회귀 뉴럴 네트워크(recurrent neural network)들, 단-대-단 자동 스피치 인식들, (도 7을 참조하여 설명된) 머신 러닝 알고리즘들, 또는 음향 모델링 또는 언어 모델링을 사용하는 다른 알고리즘들 등과 같은 다양한 스피치 인식 알고리즘들을 적용함으로써 스피치의 콘텐츠를 식별하기 위해 마이크로폰으로부터의 오디오 데이터(또는, 예컨대, 사용자에 의해 시청되는 비디오 스트림과 같은 다른 스트림의 오디오 데이터)를 프로세싱할 수 있다.
[0087] 로컬 데이터 및 프로세싱 모듈(260) 또는 원격 프로세싱 모듈(270)은 또한, 스피커의 아이덴티티, 이를테면, 스피커가 웨어러블 시스템(900)의 사용자(210)인지 또는 사용자가 대화중인 다른 사람인지를 식별할 수 있는 음성 인식 알고리즘들을 적용할 수 있다. 일부 예시적인 음성 인식 알고리즘들은 주파수 추정, 숨겨진 마르코프 모델들, 가우스 혼합 모델, 패턴 매칭 알고리즘들, 뉴럴 네트워크들, 매트릭스 표현, 벡터 양자화, 스피커 분리(speaker diarisation), 결정 트리들 및 DTW(dynamic time warping) 기술을 포함할 수 있다. 음성 인식 기술들은 또한, 코호트 모델들 및 세계 모델들과 같은 반-스피커 기술들을 포함할 수 있다. 스펙트럼 특징들은 스피커 특성들을 나타내는 데 사용될 수 있다. 로컬 데이터 및 프로세싱 모듈 또는 원격 데이터 프로세싱 모듈(270)은 음성 인식을 수행하기 위해 도 7을 참조하여 설명된 다양한 머신 러닝 알고리즘들을 사용할 수 있다.
[0088] 카메라 시스템들과 관련하여, 도 9에 도시된 예시적인 웨어러블 시스템(900)은 3쌍의 카메라들, 즉 사용자의 얼굴의 측면들에 대해 배열되는 비교적 넓은 FOV 또는 수동 SLAM 쌍의 카메라들, 스테레오 이미징 프로세스(940)를 처리하기 위해 그리고 또한, 손 제스처들을 캡처하고 사용자의 얼굴 앞의 토템/객체 추적을 위해 사용자 앞에 배향된 상이한 쌍의 카메라들을 포함할 수 있다. 스테레오 프로세스(940)를 위한 FOV 카메라들 및 카메라들의 쌍은 외향 이미징 시스템(464)(도 4에 도시됨)의 부분일 수 있다. 웨어러블 시스템(900)은 눈 벡터들 및 다른 정보를 삼각 측량하기 위해 사용자의 눈들을 향해 배향되는 눈 추적 카메라들(도 4에 도시된 내향 이미징 시스템(462)의 부분일 수 있음)을 포함할 수 있다. 웨어러블 시스템(900)은 또한 장면에 텍스처를 주입하기 위해 하나 이상의 텍스처링된 광 프로젝터들(이를테면, 적외선(IR) 프로젝터들)을 포함할 수 있다.
[0089] 도 10은 가상 사용자 인터페이스와 상호작용하기 위한 방법(1000)의 예의 프로세스 흐름도이다. 방법(1000)은 본원에서 설명된 웨어러블 시스템에 의해 수행될 수 있다. 방법(1000)은 텔레프레즌스 세션에서 방법(1000)을 수행할 수 있다.
[0090] 블록(1010)에서, 웨어러블 시스템은 특정 UI를 식별할 수 있다. UI의 유형은 사용자에 의해 미리 결정될 수 있다. 웨어러블 시스템은 사용자 입력(예컨대, 제스처, 시각 데이터, 오디오 데이터, 감각 데이터, 직접 커맨드 등)에 기초하여 특정 UI가 채워질 필요가 있다고 식별할 수 있다. UI는 텔레프레즌스 세션에 특유할 수 있다. 블록(1020)에서, 웨어러블 시스템은 가상 UI에 대한 데이터를 생성할 수 있다. 예컨대, 경계(confine)들, 일반적인 구조, UI의 형상 등과 연관된 데이터가 생성될 수 있다. 또한, 웨어러블 시스템은 사용자의 물리적 위치의 맵 좌표들을 결정할 수 있어서 웨어러블 시스템이 사용자의 물리적 위치와 관련하여 UI를 디스플레이할 수 있다. 예컨대, UI가 신체 중심인 경우, 웨어러블 시스템은, 링 UI가 사용자 주위에 디스플레이될 수 있거나 평면 UI가 벽 상에 또는 사용자 앞에 디스플레이될 수 있도록 사용자의 신체 스탠스, 머리 포즈 또는 눈 포즈의 좌표들을 결정할 수 있다. 텔레프레즌스 맥락에서, UI는, 환경 내의 다른 사용자의 존재에 관한 실체감(tangible sense)을 생성하기 위해 UI가 사용자를 둘러싼 것처럼 디스플레이될 수 있다(예컨대, UI는 사용자 주위의 참가자들의 가상 아바타들을 디스플레이할 수 있음). UI가 손 중심인 경우, 사용자의 손들의 맵 좌표들이 결정될 수 있다. 이러한 맵 포인트들은 FOV 카메라들, 감각 입력 또는 임의의 다른 유형의 수집된 데이터를 통해 수신된 데이터를 통해 유도될 수 있다.
[0091] 블록(1030)에서, 웨어러블 시스템은 클라우드로부터 디스플레이에 데이터를 전송할 수 있거나 데이터는 로컬 데이터베이스로부터 디스플레이 컴포넌트들로 전송될 수 있다. 블록(1040)에서, UI는 전송된 데이터에 기초하여 사용자에게 디스플레이된다. 예컨대, 광 필드 디스플레이는 가상 UI를 사용자의 눈들 중 하나 또는 둘 모두에 프로젝팅할 수 있다. 일단 가상 UI가 생성되면, 웨어러블 시스템은 블록(1050)에서, 가상 UI 상에 보다 많은 가상 콘텐츠를 생성하라는 사용자로부터의 커맨드를 단순히 기다릴 수 있다. 예컨대, UI는 사용자의 신체 또는 사용자의 환경 내의 사람(예컨대, 여행자)의 신체 주위의 신체 중심 링일 수 있다. 그 후, 웨어러블 시스템은 커맨드(제스처, 머리 또는 눈 움직임, 음성 커맨드, 사용자 입력 디바이스로부터의 입력 등)를 기다릴 수 있고, 커맨드가 인식되는 경우(블록 1060), 커맨드와 연관된 가상 콘텐츠가 사용자에게 디스플레이될 수 있다(블록 1070).
얼굴 모델을 생성하기 위한 웨어러블
디바이스들의
예
[0092] 도 11은 사용자가 웨어러블 디바이스를 착용하는 동안 사용자의 얼굴의 이미지들을 획득할 수 있는 예시적인 웨어러블 디바이스를 예시한다. 사용자가 웨어러블 디바이스를 착용하는 동안(또는 벗는 동안) 획득된 이미지들은 사용자의 얼굴 모델을 생성하는 데 사용될 수 있다. 웨어러블 디바이스(1150)는 도 2를 참조하여 설명된 예시적인 HMD(head-mounted device)일 수 있다. 웨어러블 디바이스(1150)는 사용자(210)의 얼굴을 이미징하도록 구성된 이미징 시스템(1160)을 포함할 수 있다. 예컨대, 이미징 시스템(1160)은 사용자(210)가 웨어러블 디바이스를 착용하는 동안 사용자의 눈들(1110)의 눈 주위 구역을 이미징하도록 구성된 눈 카메라들(예컨대, 눈 카메라(1160a) 및 눈 카메라(1160b))과 같은 센서들을 포함할 수 있다. 이 예에서, 눈(1110b)은 도 3에 도시된 눈(302)에 대응할 수 있고 눈(1110a)은 눈(304)에 대응할 수 있다. 일부 구현들에서, 이미징 시스템(1160)은 도 4에 도시된 내향 이미징 시스템(462)의 실시예일 수 있다.
[0093] 도 11에 도시된 바와 같이, 이미징 시스템(1160)은 사용자(210)의 머리 쪽을 향한다. 눈 카메라(1160a)는 눈(1160a)을 이미징하도록 구성될 수 있는 반면, 눈 카메라(1160b)는 눈(1110b)을 이미징하도록 구성될 수 있다. 이 도면에서, 눈 카메라(1160a)의 광학 축(1140a)은 눈 카메라(1160b)의 광학 축(1140b)과 평행하다. 일부 구현들에서, 눈 카메라들 중 하나 또는 둘 모두는, 2개의 눈 카메라들의 광학 축들이 더 이상 평행하지 않도록 회전될 수 있다. 예컨대, 2개의 눈 카메라들은 (예컨대, 특히, 눈 카메라들이 디바이스(1150)의 프레임의 외측 에지들 근처에 배치되는 경우) 약간 서로를 향할 수 있다. 이 구현은, 이것이 2개의 카메라들 사이의 FOV(field of view)의 중첩을 증가시킬 뿐만 아니라 2개의 눈 카메라들이 더 가까운 거리에서 얼굴을 이미징하도록 허용할 수 있는 사시(cross eyed) 구성을 생성할 수 있기 때문에 유리할 수 있다.
[0094] 각각의 눈 카메라는 FOV를 가질 수 있다. 예컨대, 눈 카메라(1160a)에 대한 FOV는 구역(1120a) 및 구역(1130)을 포함할 수 있다. 눈 카메라(1160b)에 대한 FOV는 구역(1120b) 및 구역(1130)을 포함할 수 있다. 눈 카메라(1160a)의 FOV 및 눈 카메라(1160b)의 FOV는 구역(1130)에서 중첩될 수 있다. 이러한 중첩 FOV(1130)로 인해, 일부 실시예들에서, 2개의 눈 카메라들은 단일 입체 이미징 시스템으로 취급될 수 있다. 2개의 눈 카메라들은, 사용자의 얼굴의 3D 이미지를 제공하기 위해 얼굴이 중첩 FOV 내에 있을 때 얼굴의 이미지들을 촬영할 수 있다.
[0095] 일부 상황들에서, 웨어러블 디바이스(1150)가 사용자(210)에 너무 근접할 때, 눈 카메라들은 아웃 포커스(out of focus)될 수 있다. 예컨대, 사용자에 대한 눈 주위 분리가 46mm(성인 남성에 대해 통상적임)이고 2개의 눈 카메라들 각각이 66도(눈-추적에 적절함)의 수평 FOV를 갖는다고 가정하면, 웨어러블 디바이스는, 얼굴과 웨어러블 디바이스 사이의 거리가 적어도 약 175mm일 때 사진들을 찍을 수 있다. 다수의 눈 카메라들의 렌즈들에 대한 최소 초점 거리는 약 14mm이다. 렌즈들이 고정된 초점 길이를 갖는 경우, 그들의 포커스의 깊이는 약 65 디옵터가 될 필요가 있다.
[0096] 포커스의 깊이가 불충분할 때 이미지들이 획득되는 경우, 웨어러블 디바이스(1150)는 저해상도 이미지들로서 이미지들을 취급할 수 있다. 결과적으로, 웨어러블 디바이스에 의해 생성된 얼굴 모델은 더 낮은 충실도를 갖거나 전체 얼굴 특징들의 엉성한(sparse) 표현들을 가질 수 있다. 이러한 얼굴 모델은 여전히, 사용자에 대한 눈간 분리를 추론하는 데 사용될 수 있으며, 이는 웨어러블 디바이스가 사용자의 얼굴에 피팅되는지를 결정하는데 유용하다.
사용자의 얼굴을
이미징하기
위한 예시적인
트리거들
[0097] 웨어러블 디바이스(1150)는 사용자(210)의 이미징을 시작 및 중지하기 위한 트리거들을 결정하기 위해 다양한 기술들을 사용할 수 있다. 예컨대, 웨어러블 디바이스(1150)는, 사용자가 웨어러블 디바이스(1150)를 착용한다는 것(또는 벗는다는 것)을 그것이 검출할 때 사용자의 얼굴을 이미징하기 시작하도록 구성될 수 있다. 유리하게는, 이미지 획득을 개시 또는 중지하기 위한 트리거들은, 웨어러블 디바이스(1150)의 움직임과 관련된 데이터(예컨대, 여기서 이러한 움직임은 디바이스 내의 IMU를 사용하여 측정될 수 있음) 또는 웨어러블 디바이스(1150)의 하나 이상의 카메라들(예컨대, 디바이스가 사용자의 얼굴에 더 근접하거나 더 멀어짐에 따라 예컨대, 더 커지거나 더 작아지는 사용자의 얼굴의 구역들을 검출하는, 내향 이미징 시스템(462) 또는 외향 이미징 시스템(464)의 카메라들)에 의해 획득된 이미지들에 기초할 수 있다. 따라서, 웨어러블 디바이스는 사용자 개입들 없이 이미지 획득을 자동으로 시작하거나 중지할 수 있다.
[0098] 웨어러블 디바이스(1150)는 디바이스(1150)의 움직임의 검출을 위해 도 2 및 도 7을 참조하여 설명한 다양한 센서들을 사용할 수 있다. 예시적인 센서들(1170a, 1170b)(도 11에 도시됨)은 디바이스(1150)의 프레임 상에(예컨대, 귀 스템 상에) 배치된다. 센서들(1170a, 1170b)은 관성 측정 유닛들, 압력 센서들, 근접도 센서들 등을 포함할 수 있다. 다른 구현들에서, 센서들은 디바이스(1150)의 단지 하나의 측 상에(예컨대, 하나의 귀 스템 상에) 배치된다. 센서들에 의해 획득된 데이터는 대응하는 임계 레벨(예컨대, 임계 가속도, 임계 압력, 임계 근접도)에 대해 분석될 수 있다. 데이터가 임계 레벨을 넘는 경우, 웨어러블 디바이스(1150)는 이미징 프로세스를 시작 또는 중지할 수 있다.
[0099] 예로서, 사용자가 웨어러블 디바이스(1150)를 들어올릴 때, 웨어러블 디바이스(1150)의 관성 측정 유닛은 웨어러블 디바이스(1150)의 가속도에 관한 데이터를 획득할 수 있다. 가속도가 소정의 임계 가속도를 초과한다고 웨어러블 디바이스(1150)가 결정하는 경우, 웨어러블 디바이스(1150)는 사용자의 얼굴을 이미징하기 시작할 수 있다. 예컨대, 사용자가 머리에 웨어러블 디바이스를 착용하면, 가속도는 통상적으로 감소할 것이다. 가속도가 소정의 임계치로 감소되었다고 웨어러블 디바이스(1150)가 결정하는 경우, 웨어러블 디바이스(1150)는 사용자 얼굴의 이미지들을 촬영하는 것을 중단할 수 있다. 디바이스(1150)는 또한 사용자가 디바이스를 자신의 얼굴에서 벗을 때 사용자의 얼굴을 이미징할 수 있다. 디바이스는 가속도가 디바이스 제거에 대한 통상적인 값을 넘을 때 이미징을 개시할 수 있고, 일정 시간 기간 동안 또는 디바이스(1150)가 사용자의 얼굴로부터 소정의 거리 이상으로 멀어질 때까지 이미징을 지속할 수 있다.
[0100] 다른 예로서, 웨어러블 디바이스(1150)는 압력 센서를 가질 수 있다. 압력 센서는 안경의 관자놀이(이를테면, 이어피스) 또는 웨어러블 디바이스의 코 패드에 로케이팅된다. 웨어러블 디바이스(1150)가 사용자의 얼굴 상에 놓일 때, 압력 센서는 웨어러블 디바이스(1150)가 사용자 상에 있음을 표시하는 신호를 전송할 수 있다. 그 결과, 웨어러블 디바이스(1150)는 사용자 얼굴의 이미지들의 획득을 중단할 수 있다.
[0101] 트리거는 또한 웨어러블 디바이스(1150)의 하나 이상의 이미징 시스템에 의해 획득된 데이터에 기초할 수 있다. 예컨대, 웨어러블 디바이스(1150)는 내향 이미징 시스템(462)에 의해 획득된 이미지들을 사용하여 사용자의 얼굴의 이미징을 중단할지를 결정할 수 있다. 예컨대, 사용자가 디바이스를 착용할 때, 내향 이미징 시스템(462)에 의해 획득된 이미지들의 콘텐츠가 변할 수 있다. 그러나 디바이스가 사용자의 머리 상에 놓일 때, 이미지들의 콘텐츠는 사용자가 디바이스를 착용할 때(또는 벗을 때)와 비교하여 많이 변하지 않을 것이다. 따라서, 웨어러블 디바이스는, 그것이 소정의 임계 시간 지속기간 내에 소정의 임계 수(예컨대, 3개, 5개, 10개 등)의 연속적인 이미지 프레임들 또는 이미지들이 실질적으로 동일한 콘텐츠를 갖는다는 것을 관찰할 때 레코딩을 중지할 수 있다(예컨대, 사용자의 눈들이 5초 동안 연속적으로 획득된 이미지들에 나타난다는 것을 웨어러블 디바이스가 검출하면, 웨어러블 디바이스는 이미징을 중지할 수 있음). 다른 예로서, 사용자가 웨어러블 디바이스를 벗을 때, 내향 이미징 시스템은 초기에, 눈을, 그 다음에, 눈 주위 구역을, 그 다음에, 위 얼굴을, 그 다음에 아래 얼굴을, 그 다음에, 사용자의 목을 관찰할 수 있다. 이 이미지들의 시퀀스는 사용자가 디바이스를 착용한 경우 역전될 것이다. 이 이미지들의 시퀀스를 검출함으로써, 디바이스는 그것이 사용자의 얼굴에 착용되고 있음을(또는 벗겨지고 있음을) 추론할 수 있다. 일부 경우들에서, 사용자의 이미지는 (예컨대, 디바이스가 사용자로부터 팔 길이에 있을 때) 임계치보다 작아질 수 있거나, 또는 (예컨대, 디바이스가 테이블 상에 배치되고 이미징 시스템이 더 이상 사용자 쪽을 향하지 않기 때문에) 완전히 사라질 수 있다. (예컨대, 위에서 설명된 이미징 시퀀스들을 검출함으로써, 또는 사용자의 얼굴이 나타나지 않거나 임계치보다 작기 때문에) 웨어러블 디바이스가 더 이상 사용자 상에 있지 않음을 웨어러블 디바이스가 검출하면, 웨어러블 디바이스는 이미지들의 획득을 중지할 수 있다.
[0102] 일부 상황들에서, 웨어러블 디바이스는 시작 트리거의 검출 이전에 또는 중지 트리거의 검출 후에 이미지들을 연속적으로 획득할 수 있다. 그러나 웨어러블 디바이스는 이미지들이 시작 트리거와 중지 트리거 사이에서 획득되는 경우 이미지들을 얼굴 모델의 생성과 연관시키도록 구성될 수 있다. 일 예로서, 웨어러블 디바이스는 (예컨대, 가속도의 증가가 검출되는)IMU로부터 획득된 데이터에 기초하여 시작 트리거를 검출할 수 있다. 따라서, 이 시작 트리거 이후에 획득된 이미지들은 얼굴 모델의 생성과 연관되는 것으로 저장되거나 태깅될 수 있다. 그러나, 웨어러블 디바이스가 중지 트리거를 검출할 때(예컨대, 더 이상 가속도가 없거나 또는 이미지들이 대부분 눈 주위 구역을 포함할 때), 웨어러블 디바이스는 획득된 이미지들을 얼굴 모델의 생성과 연관시키는 것을 중지할 것이다.
[0103] 웨어러블 디바이스(1150)는 또한 웨어러블 디바이스(1150)와 사용자(210) 사이의 거리를 측정하기 위한 센서들을 포함할 수 있다. 예컨대, 센서들은 음향 또는 광학 신호들과 같은 신호들을 방출 및 수신하고 신호들 또는 신호의 피드백을 사용하여 거리를 측정할 수 있다. 웨어러블 디바이스(1150)는 또한 이미징 시스템(1160)에 의해 획득된 이미지들을 분석함으로써 거리를 결정할 수 있다. 예컨대, 웨어러블 디바이스(1150)는 이미지 내의 얼굴의 크기에 기초하여 거리를 결정할 수 있으며, 여기서 큰 크기가 짧은 거리를 나타낼 수 있는 반면에, 작은 크기가 먼 거리를 나타낼 수 있다. 웨어러블 디바이스(1150)는 거리가 임계치를 넘거나 소정의 범위 내에 있을 때 사용자의 얼굴을 이미징할 수 있다. 예컨대, 도 11에 도시된 바와 같이, 웨어러블 디바이스(1130)의 2개의 눈 카메라들은 사용자의 얼굴이 구역(1130)의 내부에 있을 때 사용자의 얼굴을 입체적으로 이미징할 수 있다. 사용자의 얼굴과 웨어러블 디바이스(1150) 사이의 거리가 충분히 작아져서 사용자의 얼굴이 구역(1130)의 외측에 있게 되면, 웨어러블 디바이스(1150)는 사용자의 얼굴의 이미징을 중지할 수 있다. 다른 예로서, 웨어러블 디바이스(1150)는, 사용자(210)와 웨어러블 디바이스(1150) 사이의 거리가 이미지들로 하여금 아웃 포커스되게 하기에 충분히 작을 때 사용자의 얼굴의 이미징을 중지할 수 있다.
[0104] 일부 구현들에서, 디바이스(1150)는 프레임들을 따라 배치될 수 있는 하나 이상의 근접도 센서들(예컨대, 용량성 근접도 센서들)을 포함한다. 사용자의 머리가 근접도 센서에 접근할 때(또는 한 쌍의 근접도 센서들 사이에서 움직이기 시작할 때), 얼굴 이미징이 시작될 수 있고, 디바이스(1150)가 사용자의 얼굴 상에 있을 때, 이미징은 중지될 수 있다.
[0105] 디바이스(1150)는 구역(1130)에서 사용자의 얼굴을 향해 조명하도록 구성된 광 방출기(1175)를 포함할 수 있다. 디바이스(1150)가 이미징을 시작할 때, 광은 얼굴 조명을 제공하기 위해 켜질 수 있고, 디바이스(1150)가 이미징을 중지할 때, 광은 꺼질 수 있다. 일부 구현들에서, 광(1175)은 내향 이미징 시스템(1160)의 부분일 수 있다. 예컨대, 하나 또는 둘 모두의 눈 카메라들(1160a, 1160b)은 광을 조명할 수 있을 수 있다.
얼굴의 이미지들을 획득하기 위한 부가적인 예들
[0106] 이미징 시스템(1160)을 사용하여 얼굴을 이미징하는 것 외에도 또는 이에 대안적으로, 웨어러블 디바이스(1150)는 다른 기술들을 사용하여 얼굴의 이미지들을 획득할 수 있다. 예컨대, 웨어러블 디바이스(1150)는 사용자가 웨어러블 디바이스를 착용하는 동안 사용자의 환경을 이미징하도록 구성된 외향 이미징 시스템(예컨대, 도 4에 설명된 외향 이미징 시스템(464)을 참조)을 포함할 수 있다. 사용자는 외향 이미징 시스템의 카메라들을 사용자의 머리쪽을 향하게 하고 외향 이미징 시스템을 사용하여 얼굴의 이미지들을 획득할 수 있다.
[0107] 외향 이미징 시스템은 또한 사용자가 미러 근처에 있을 때 얼굴의 이미지들을 획득할 수 있다. 예컨대, 외향 이미징 시스템은 사용자가 미러 앞에 서 있는 동안 사용자의 반사된 이미지들을 획득할 수 있다. 웨어러블 시스템은 도 12를 참조하여 설명된 얼굴 인식 알고리즘을 이용하여 미러의 존재 및 사용자의 머리의 반사된 이미지를 검출할 수 있다. 얼굴 인식 알고리즘은 단독으로 또는 코-모션 테스트(co-motion test)와 조합하여 사용될 수 있다. 코-모션 테스트에서, 웨어러블 시스템은 IMU에 의해 획득되거나 외향 이미징 시스템을 통해 관찰된 데이터에 기초하여 사용자의 움직임을 분석하고 이러한 움직임을 외향 이미징 시스템에 의해 관찰된 바와 같은 반사된 이미지의 움직임과 비교한다. 이들 2개의 측정된 움직임들이 실질적으로 서로를 추적하는 경우, 디바이스는 이들이 같이 움직이며, 반사된 이미지들이 사용자를 나타내는 것으로 가정할 수 있다. 웨어러블 시스템은, 반사된 이미지들의 얼굴 인식이 사용자의 얼굴과 매칭하는 경우 또는 반사된 이미지와 연관된 코-모션이 웨어러블 디바이스에 의해 관찰된 바와 같은 사용자의 모션과 상관되는 경우 반사된 이미지들이 사용자에게 속한다는 것을 발견할 수 있다. 미러의 존재를 검출하고 사용자의 얼굴의 반사된 이미지들을 분석하는 부가적인 예들은 "Augmented Reality Systems and Methods Utilizing Reflections"란 명칭의 미국 공개 번호 제2017/0206691호에서 추가로 설명되며, 이로써 그의 개시내용은 그 전체가 인용에 의해 포함된다.
[0108] 또한, 본원에서 설명된 예들은, 사용자가 웨어러블 디바이스를 착용하는 동안 사용자의 얼굴을 이미징하는 것을 참조하지만, 이미징은 또한 사용자가 웨어러블 디바이스를 벗을 때 발생할 수 있다. 예컨대, 웨어러블 시스템은 사용자가 웨어러블 디바이스를 장착하기 전에 또는 사용자가 웨어러블 디바이스와 상호작용할 때 사용자의 아이덴티티를 결정할 수 있다. 웨어러블 시스템은 사용자에 의해 입력된 크리덴셜(credential)들에 기초하여 또는 사용자의 바이오메트릭 정보, 이를테면, 예컨대, 홍채 인식 또는 얼굴 인식에 기초하여 사용자의 아이덴티티를 인식함으로써 사용자의 아이덴티티를 결정할 수 있다. 웨어러블 시스템은 웨어러블 디바이스가 벗겨질 때 획득된 이미지들을, 웨어러블 디바이스가 제거되기 이전의 사용자의 아이덴티티와 연관시킬 수 있다. 웨어러블 시스템은 또한, 사용자에 대한 얼굴 모델을 생성하기 위해 사용자가 웨어러블 디바이스를 착용하는 동안 획득된 이미지들을, 사용자가 웨어러블 디바이스를 벗는 동안 획득된 이미지들과 결합할 수 있다.
스테레오 비전 기술들을 사용하여 얼굴 모델을 생성하는 예들
[0109] 도 11에 도시된 바와 같이, 눈 카메라(1160a) 및 눈 카메라(1160b)는 중첩 FOV(1130)를 가질 수 있다. 이 중첩 FOV로 인해, 2개의 눈 카메라들은 사용자의 얼굴이 구역(1130) 내에 있을 때 사용자의 얼굴을 이미징하기 위한 단일 입체 시스템으로서 취급될 수 있다.
[0110] 사용자의 얼굴이 구역(1130) 내에 있는 동안, 웨어러블 디바이스(1150)가 사용자(210)에 접근함에 따라, 눈 카메라(1160a 및 1160b)는 사용자의 이미지들의 쌍들을 캡처할 수 있다. 예컨대, 한 쌍의 이미지들은 눈 카메라(1160a)에 의해 촬영된 이미지 및 카메라(1160b)에 의해 동시에 촬영된 이미지를 포함할 수 있다. 한 쌍의 이미지들에 대해, 웨어러블 디바이스(1150)는 블록-매칭 알고리즘, 세미-글로벌 매칭 알고리즘, 세미-글로벌 블록-매칭 알고리즘, 디스패리티 맵들, 삼각측량, 깊이 맵들, 뉴럴 네트워크 알고리즘, 동시성 위치 및 맵핑 알고리즘(예컨대, SLAM 또는 v-SLAM) 등과 같은 스테레오 비전 알고리즘을 사용하여 얼굴의 정보를 분석할 수 있다. 예컨대, 웨어러블 디바이스는 카메라(1160a)에 의해 획득된 이미지와 카메라(1160b)에 의해 획득된 이미지 간의 비교에 기초하여 이미지들의 다수의 또는 모든 픽셀들에 깊이들을 연관시킬 수 있다.
[0111] 웨어러블 디바이스(1150)는 동일한 기술을 이미지들의 다수의 쌍들에 적용하여 얼굴의 정보를 추출할 수 있다. 웨어러블 디바이스(1150)는 이미지들의 다수 쌍들로부터의 정보를 융합시켜 얼굴 모델을 생성할 수 있다. 웨어러블 디바이스(1150)는 다양한 기술들을 사용하여 정보를 통합할 수 있다. 예로서, 웨어러블 디바이스(1150)는 얼굴을 나타내기 위해 포인트 클라우드(point cloud)를 사용할 수 있다. 이미지들의 다수의 쌍과 연관된 클라우드들은 ICP(Iterative Closest Point) 알고리즘과 같은 다양한 알고리즘들을 사용하여 함께 피팅될 수 있다. 웨어러블 디바이스(1150)는 클라우드 데이터의 이상치들을 거부하고, 클러스터링, 평균화 또는 다른 유사한 기술들과 같은 기술들을 사용하여 얼굴 모델의 표면을 매끄럽게 할 수 있다.
[0112] 다른 예로서, 웨어러블 디바이스는 얼굴을 나타내기 위해 키포인트들을 사용할 수 있다. 키포인트들은 키포인트 검출기 및 디스크립터(descriptor) 알고리즘, 이를테면, SIFT(scale-invariant feature transform), SURF(speeded up robust features), ORB(oriented FAST and rotated BRIEF) 등에 의해 생성된 값들과 같은 추상 키포인트일 수 있다. 키포인트들은 또한 눈가, 입가, 눈썹 등과 같이 얼굴 고유의 특징들일 수 있다. 이미지들의 각각의 쌍에 대해, 웨어러블 디바이스(1150)는 눈 카메라(1160a)에 의해 촬영된 이미지의 키포인트들과 눈 카메라(1160b)에 의해 촬영된 이미지의 키포인트들을 매칭시킬 수 있다.
[0113] 웨어러블 디바이스(1150)는 추가로, 예컨대, 키포인트들의 포지션 변화들을 분석함으로써 다수의 이미지들의 쌍들에 걸친 포즈(이를테면, 얼굴의 포지션 및 배향)의 변화들을 추론할 수 있다.
[0114] 웨어러블 디바이스(1150)는 키포인트들을 얼굴과 연관된 좌표 프레임으로 변환할 수 있다. 이미지들의 쌍들로부터의 데이터는 좌표 프레임을 사용하여 함께 융합될 수 있다. 좌표 프레임은 평균화하고, 어그리게이팅하고 이상치 데이터를 거부하는 데 사용될 수 있다. 부가적으로 또는 대안적으로, 웨어러블 디바이스(1150)는 얼굴 모델을 생성하기 위해 번들 조정 기술을 사용할 수 있다. 예컨대, 웨어러블 디바이스(1150)는 이미지들의 쌍들로부터의 모든 데이터뿐만 아니라 이미지들의 쌍들에 걸친 포즈의 변화들을 수용하는 단일 최소화 프레임워크를 사용하여 얼굴 모델을 재구성할 수 있다.
단안 비전 기술들을 사용하여 얼굴 모델을 생성하는 예들
[0115] 스테레오 비전 기술들을 사용하여 얼굴 모델을 구축하는 것 외에도 또는 이에 대안적으로, 웨어러블 디바이스(1150)는 또한 단안 기반으로 얼굴의 이미지들을 융합시킴으로써 얼굴 모델을 구축할 수 있다. 단안 비전 기술들은 2개의 카메라들이 중첩 FOV 구역(1130)을 갖지 않을 때 또는 중첩이 작을 때 유리할 수 있다.
[0116] 예컨대, 카메라(1160a)는 사용자가 웨어러블 디바이스(1150)를 착용할 때 다수의 단안 이미지들을 촬영할 수 있다. 웨어러블 디바이스(1150)는 v-SLAM 또는 유사한 알고리즘들을 사용하여 이들 이미지들에 기초하여 얼굴 모델의 부분을 생성할 수 있다. 웨어러블 디바이스(1150)는 이들 이미지들의 키포인트들에 기초하여 카메라(1160a)의 움직임과 관련된 궤적을 계산할 수 있다. 유사하게, 웨어러블 디바이스(1150)는 동일한 기술들을 사용하여 눈 카메라(1160)에 의해 촬영된 이미지들에 기초하여 얼굴 모델의 다른 부분을 생성하고 카메라(1160b)의 움직임과 연관된 궤적을 계산할 수 있다.
[0117] 2개의 카메라들이 웨어러블 디바이스(1150)에 단단히 커플링될 수 있기 때문에, 2개의 카메라들의 상대적 포지션은 이미징 프로세스 동안 변하지 않는다. 웨어러블 디바이스는 2개의 카메라들의 상대적 포지션 및 각도들 및/또는 궤적들을 사용하여 얼굴 모델들의 2개의 부분들을 단일 모델로 결합할 수 있다. 일부 구현들에서, 궤적들은 또한 눈간 거리를 계산하는 데 사용될 수 있다.
[0118] 일부 실시예들에서, 하나의 카메라가 제한된 시야를 가질 수 있다고 하더라도, 웨어러블 디바이스(1150)는 그 카메라의 이미지들을 사용하여 얼굴 모델을 생성할 수 있다. 예컨대, 웨어러블 디바이스는 눈 카메라(1160a)에 의해 획득된 이미지들을 사용하여 얼굴의 부분에 관한 얼굴 모델을 생성할 수 있다. 사용자(210)의 얼굴은 대칭적이기 때문에, 웨어러블 디바이스는 얼굴의 다른 부분을 획득하기 위해 얼굴의 부분을 축방향으로 변형시킬 수 있다. 얼굴의 이러한 2개의 부분들은 함께 결합되어 얼굴 모델을 생성할 수 있다.
다른 예시적인
실시예들
[0119] 웨어러블 디바이스 및 다른 컴퓨팅 시스템들에 의해 촬영된 이미지들은 얼굴에 대한 텍스처 맵을 생성하는 데 사용될 수 있다. 얼굴의 텍스처 맵은 피부 컬러들, 눈 컬러들, 얼굴 특징들, 이를테면, 주근깨들 또는 주름들 등을 포함할 수 있다. 웨어러블 디바이스는 2개의 눈 카메라들에 의해 촬영된 이미지들을 융합하여 전체 얼굴의 이미지를 생성할 수 있다. 융합된 이미지는 품질을 향상시키기 위해 프로세싱될 수 있다. 웨어러블 디바이스는 품질을 증가시키기 위해 수퍼 해상도, 러키(lucky) 이미징 또는 다른 이미지 프로세싱 기술들과 같은 기술들을 사용할 수 있다. 부가적으로 또는 대안적으로, 웨어러블 디바이스는 2개의 눈 카메라들 중 하나에 의해 촬영된 이미지를 식별하고 그 이미지를 프로세싱하여 텍스처 맵을 생성할 수 있다. 예컨대, 웨어러블 디바이스는 (도 11에 도시된) 눈 카메라(1160a)에 의해 촬영된 이미지가 사용자의 전체 얼굴을 포함한다는 것을 식별할 수 있다. 웨어러블 디바이스는 그 이미지를 프로세싱하고 그 이미지를 사용하여 텍스처 맵을 추출할 수 있다.
[0120] 얼굴 모델 및 텍스처 맵은 웨어러블 디바이스 또는 원격 저장 위치에 저장될 수 있다. 이들은 다른 웨어러블 디바이스들 또는 컴퓨팅 시스템들과 공유될 수 있다. 예컨대, 텔레프레즌스 세션 동안, 제1 사용자의 얼굴 모델 및 텍스쳐 맵은 제2 사용자의 환경에서 제1 사용자의 존재의 실체감을 생성하기 위해 제2 사용자와 공유될 수 있다.
[0121] 일부 구현들에서, 얼굴 모델은 다수의 이미징 세션들 동안 웨어러블 디바이스에 의해 촬영된 이미지들에 기초하여 그리고/또는 다른 컴퓨팅 시스템들에 의해 획득된 이미지들에 기초하여 생성될 수 있다. 예컨대, 웨어러블 디바이스는 사용자가 웨어러블 디바이스를 착용하고 웨어러블 디바이스 벗는 동안 사용자 얼굴의 이미지들을 획득할 수 있다. 웨어러블 디바이스는 사용자가 웨어러블 디바이스를 착용하는 동안 획득된 이미지들 및 사용자가 웨어러블 디바이스를 벗는 동안 획득된 이미지들에 기초하여 얼굴 모델을 생성할 수 있다.
[0122] 웨어러블 디바이스는 또한 획득된 이미지들을 사용하여 기존의 얼굴 모델을 업데이트할 수 있다. 예컨대, 웨어러블 디바이스는 사용자가 웨어러블 디바이스를 착용하는 동안 사용자 얼굴의 새로운 이미지들을 수집하고, 새로운 이미지들에 기초하여, 동일한 사용자에 대해 이전에 생성된 얼굴 모델을 업데이트할 수 있다.
[0123] 웨어러블 디바이스는 또한 새로운 이미지들을 사용하여 사용자 그룹에 대해 일반적인 얼굴 모델을 업데이트할 수 있다. 일부 실시예들에서, 상이한 인구학적 정보(예컨대, 연령, 성별, 인종 등)를 가진 사람들은 상이한 일반 얼굴 모델들을 가질 수 있다. 예컨대, 여성 청소년들은 일반 얼굴 모델과 연관될 수 있는 반면, 남성 성인들은 다른 일반 얼굴 모델과 연관될 수 있다. 웨어러블 디바이스는 사용자의 인구학적 정보에 기초하여 사용자에 대한 일반 얼굴 모델을 선택하고 사용자가 웨어러블 디바이스를 착용하는 동안 획득된 사용자 특정 정보로 일반 얼굴 모델을 업데이트할 수 있다.
[0124] 사용자는 또한, 예컨대, 다른 얼굴 특징들 및 텍스처 맵들을 선택함으로써 얼굴 모델을 커스터마이징할 수 있다. 예로서, 사용자는 텔레프레즌스 세션 동안 과학 소설 외계인과 같은 판타지 생물의 외관을 선택할 수 있다.
[0125] 이러한 예들은 웨어러블 디바이스를 사용하여 얼굴 모델을 구축하는 것을 참조하지만, 얼굴 모델 생성 또는 업데이트들의 모든 프로세스들이 웨어러블 디바이스 상에서 수행되도록 요구되는 것은 아니다. 웨어러블 디바이스는 원격 컴퓨팅 디바이스와 통신하여 얼굴 모델을 생성할 수 있다. 예컨대, 웨어러블 디바이스는 사용자의 얼굴의 이미지들을 획득하고, 이미지들(단독으로 또는 예컨대, 사용자의 인구학적 정보와 같은 사용자의 다른 정보와 조합하여)을 원격 컴퓨팅 디바이스(예컨대, 이를테면, 서버)에 전달할 수 있다. 원격 컴퓨팅 디바이스는 이미지들을 분석하고 얼굴 모델을 생성할 수 있다. 원격 컴퓨팅 디바이스는 또한 얼굴 모델을 사용자의 웨어러블 디바이스로 역으로 전달하거나 또는 (예컨대, 텔레프레즌스 세션 동안) 얼굴 모델을 다른 사용자의 웨어러블 디바이스로 전달할 수 있다.
얼굴 모델을 생성하기 위한 예시적인 프로세스들
[0126] 도 12는 얼굴 모델을 생성하기 위한 예시적인 프로세스를 예시한다. 프로세스(1200)는 도 11에서 설명된 웨어러블 디바이스(1150)에 의해 수행될 수 있다. 웨어러블 디바이스(1150)는 하나 이상의 눈 카메라들 및 IMU들(도 2 및 도 7에 설명됨)과 같은 다양한 센서들을 포함할 수 있다.
[0127] 블록(1210)에서, 웨어러블 디바이스는 웨어러블 디바이스의 움직임을 검출할 수 있다. 이 움직임은 디스플레이 디바이스를 사용자의 머리에 인접하게 배치하는 것을 포함할 수 있다(디바이스를 착용하는 경우 사용자를 향하거나, 또는 디바이스를 벗는 경우 사용자로부터 멀어짐). 예컨대, 웨어러블 디바이스는 IMU들에 의해 획득된 가속도 데이터를 사용하고 가속도가 임계 가속도를 초과하는지를 결정할 수 있다. 가속도가 임계 가속도를 초과하는 경우, 웨어러블 디바이스는 사용자가 디바이스를 착용하는 것(또는 벗는 것)으로 결정할 수 있다.
[0128] 블록(1220)에서, 웨어러블 디바이스는 사용자의 얼굴의 이미지들을 캡처할 수 있다. 예컨대, 하나 이상의 눈 카메라들은 사용자가 웨어러블 디바이스를 착용하거나 벗는 동안 사용자의 얼굴을 각각 이미징할 수 있다. 눈 카메라(들)는 비디오 또는 다수의 사진들을 통해 사용자의 얼굴을 이미징할 수 있다.
[0129] 블록(1230)에서, 웨어러블 디바이스는 하나 이상의 눈 카메라들에 의해 촬영된 이미지들을 분석할 수 있다. 2개의 눈 카메라들을 사용하는 일부 구현들에서, 2개의 눈 카메라들이 사용자로부터 충분히 멀리 떨어져 있을 때, 2개의 눈 카메라들은 중첩 FOV를 가질 수 있다. 따라서, 2개의 눈 카메라들은 입체 이미징 시스템으로서 취급될 수 있다. 웨어러블 디바이스는 도 11을 참조하여 설명된 입체 비전 알고리즘을 사용하여 상이한 깊이들의 이미지들을 분석할 수 있다. 분석의 결과는 포인트 클라우드에 의해 표현될 수 있다. 또한, 웨어러블 디바이스는 키포인트 검출기 및 디스크립터 알고리즘을 사용하여 얼굴의 식별 가능한 특징들을 추출함으로써 이미지들을 분석할 수 있다. 따라서, 얼굴은 식별 가능한 특징들의 키포인트들에 의해 표현될 수 있다.
[0130] 블록(1240)에서, 웨어러블 디바이스는 얼굴 모델을 생성하기 위해 상이한 깊이들에서 촬영된 이미지들을 결합할 수 있다. 웨어러블 디바이스는 또한 도 11을 참조하여 설명된 바와 같은 좌표 프레임을 이용하여 식별 가능한 특징들을 정렬함으로써 얼굴 모델을 생성할 수 있다.
[0131] 그러나, 하나 이상의 눈 카메라들은 중첩 FOV를 갖도록 요구되는 것은 아니다. 따라서, 블록들(1230 및 1240)에서, 웨어러블 디바이스는 단일 눈 카메라를 사용하고 도 11을 참조하여 설명된 단안 비전 기술을 사용하여 얼굴 모델을 생성할 수 있다. 예컨대, 웨어러블 디바이스는 각각의 눈 카메라에 의해 개별적으로 획득된 이미지들을 분석하고 각각의 눈 카메라에 대한 분석의 결과들을 결합하여 얼굴 모델을 생성하거나 또는 디바이스는 단일 눈 카메라(예컨대, 사용자의 눈들 중 하나를 추적하기 위해(다른 눈의 움직임은 측정된 눈의 움직임으로부터 추론됨))를 갖고, 단안 비전 기술들을 사용하여 얼굴 모델을 생성할 수 있다.
[0132] 선택적인 블록(1250)에서, 웨어러블 디바이스의 동작 파라미터는 조정될 수 있다. 동작 파라미터는 디바이스에 의해 렌더링되는 가상 이미지의 위치, 가상 이미지를 생성하는 데 사용되는 광 프로젝터(예컨대, 이미지 주입 디바이스들(420, 422, 424, 426, 428) 중 하나 이상)의 상대적 포지션 또는 배향 등을 포함할 수 있다. 동작 파라미터는 이미지들 또는 얼굴 모델의 분석에 기초하여 조정될 수 있다. 예컨대, 웨어러블 디바이스는 사용자의 얼굴 모델에 기초하여 눈간 분리를 측정할 수 있다. 따라서, 웨어러블 디바이스는 가상 이미지들이 사용자의 눈들에 대한 적합한 위치에서 렌더링되게 하도록 각각의 눈에 대응하는 광 프로젝터들의 배향을 조정할 수 있다.
[0133] 동작 파라미터들을 조정하는 것 외에도 또는 이에 대한 대안으로서, 웨어러블 디바이스는 또한, 예컨대, 사용자 머리 상의 웨어러블 디바이스의 피팅을 결정하거나, 사용자 식별 또는 인증을 수행하거나, 또는 이미지 등록 또는 교정을 수행하기 위해서와 같은 다른 목적들을 위해 이미지들을 분석할 수 있다. 웨어러블 디바이스의 피팅을 결정하는 예로서, 웨어러블 디바이스는 웨어러블 디바이스가 타이틀링(titled)되는지를 결정하기 위해 사용자의 누 주위 구역의 외관을 분석할 수 있다. 웨어러블 디바이스의 피팅을 결정하는 것에 관한 추가의 설명들은 "Periocular Test for Glasses Fit"란 명칭의 미국 특허 출원 번호 제62/404,493 호에서 제공되며, 이로써 이 특허의 개시내용은 그 전체가 인용에 의해 본원에 포함된다.
[0134] 이미지들에 기초하여 사용자의 아이덴티티를 결정하는 예로서, 웨어러블 디바이스는 획득된 이미지들(예컨대, 얼굴 형상, 피부 톤, 코, 눈들, 볼들의 특성들 등)에 다양한 얼굴 인식 알고리즘들을 적용함으로써 사용자의 얼굴 특징들을 분석할 수 있다. 일부 예시적인 얼굴 인식 알고리즘들은, 고유면(eigenface)들을 이용한 주 컴포넌트 분석, 선형 판별 분석, Fisherface 알고리즘을 이용한 탄성 번치 그래프 매칭(elastic bunch graph matching), 히든 마르코프 모델, 텐서 표현을 이용한 다중선형 서브공간 러닝(multilinear subspace learning) 및 뉴런 모티베이티드(neuronal motivated) 동적 링크 매칭, 또는 3D 얼굴 인식 알고리즘을 포함한다. 디바이스는 또한 이미지들을 분석하여 홍채를 식별하고 각각의 개인에 고유한 바이오메트릭 서명(예컨대, 홍채 코드)을 결정할 수 있다.
[0135] 웨어러블 디바이스는 또한, 디바이스가 사용자 얼굴에 착용되거나 벗겨지는 동안 웨어러블 디바이스에 의해 획득된 이미지들에 기초하여 이미지 등록을 수행할 수 있다. 이미지 등록으로부터 획득된 결과적인 이미지는 사용자의 얼굴 외에도 또는 이에 대안적으로 사용자의 환경의 부분(예컨대, 사용자의 방 또는 사용자 근처의 다른 사람)을 포함할 수 있다.
[0136] 도 13a는 스테레오 비전 기술들을 사용하여 얼굴 모델을 생성하는 예시적인 프로세스를 설명한다. 예시적인 프로세스(1300)는 웨어러블 디바이스 또는 (예컨대, 컴퓨터 또는 서버와 같은) 원격 컴퓨팅 디바이스 단독으로 또는 조합하여 수행될 수 있다.
[0137] 블록(1310)에서, 웨어러블 디바이스에 의해 획득된 얼굴 이미지들이 액세스될 수 있다. 얼굴 이미지들은 디바이스를 착용하거나 벗는 동시에 획득될 수 있다(예컨대, 프로세스(1200)의 블록들(1210 및 1220) 참조). 얼굴 이미지들은 내향 이미징 시스템(462)에 의해 상이한 깊이들에서 촬영된 이미지들의 쌍들을 포함한다. 도 11을 참조하면, 이미지들의 쌍은 눈 카메라(1160a)에 의해 촬영된 제1 이미지 및 눈 카메라(1160b)에 의해 촬영된 제2 이미지를 포함할 수 있다. 웨어러블 디바이스(1150)가 실질적으로 동일한 깊이에 있을 때, 제1 이미지 및 제2 이미지는 그들의 각각의 카메라들에 의해 촬영될 수 있다. 제1 이미지 및 제2 이미지는 또한 실질적으로 동시에 그들의 각각의 카메라들에 의해 촬영될 수 있다. 액세스된 얼굴 이미지들은 또한 다수의 세션들 동안 촬영된 이미지들을 포함할 수 있다. 예컨대, 일부 얼굴 이미지들은 현재 시간의 1주일 전에 사용자가 웨어러블 디바이스를 착용했던 동안 촬영되었을 수 있는 반면, 다른 얼굴 이미지들은 현재 시간의 하루 전에 사용자가 웨어러블 디바이스를 착용했던 때 촬영되었을 수 있다. 얼굴 이미지들은 웨어러블 디바이스(1150) 상에 또는 원격 데이터 리포지토리(280)에 저장될 수 있다. 웨어러블 디바이스(1150)는 얼굴 이미지들이 획득될 때 얼굴 이미지들을 원격 데이터 리포지토리(280)에 통신할 수 있거나, 또는 얼굴 이미지들이 획득된 후에 얼굴 이미지들을 원격 데이터 리포지토리(280)에 업로드할 수 있다.
[0138] 블록(1312)에서, 스테레오 비전 알고리즘이 깊이 이미지를 계산하기 위해 액세스된 얼굴 이미지들에 적용될 수 있다. 스테레오 비전 알고리즘들의 예들은 블록-매칭 알고리즘, 세미-글로벌 매칭 알고리즘, 세미-글로벌 블록-매칭 알고리즘, 디스패리티 맵들, 삼각측량, 깊이 맵들, 뉴럴 네트워크 알고리즘, 동시성 위치 및 맵핑 알고리즘(예컨대, SLAM 또는 v-SLAM) 등을 포함한다. 깊이 이미지는 얼굴과 웨어러블 디바이스 사이의 거리에 관한 정보를 포함하는 3D 모델일 수 있다. 예컨대, 스테레오 비전 알고리즘은 하나 이상의 이미지들의 쌍들에 적용될 수 있으며, 결과적인 출력은 오리지널의 하나 이상의 이미지들의 쌍들 내의 다수 또는 모든 픽셀들에 대한 깊이 할당들을 포함할 수 있다.
[0139] 블록(1314)에서, 얼굴 이미지들은 얼굴 모델을 생성하기 위해 함께 융합될 수 있다. 다수의 기술들이 이러한 융합을 위해 사용될 수 있다. 일 예로서, 얼굴은 포인트 클라우드(블록(1312)에서의 스테레오 컴퓨테이션으로부터 자연적으로 발생함)로서 취급될 수 있다. 다수의 이러한 클라우드들(스테레오 비전 알고리즘들의 다수의 적용으로부터 발생함)은 ICP와 같은 알고리즘들을 사용하여 서로 피팅될 수 있다. 그 후, 이상치들이 거부될 수 있고, 표면은 클러스터링, 평균화에 의해 또는 다른 유사한 기술을 사용하여 매끄러워질 수 있다. 포인트 클라우드 계산으로부터 발생하는 얼굴 모델은 밀도가 높은(dense) 모델일 수 있다.
[0140] 얼굴들은 또한, (예컨대, 희소하고, 독특하고 시각적으로 현저한 특징들의 세트와 같은) 키포인트들의 모음들로서 모델링될 수 있거나, 또는 얼굴 고유의 특정 특징들(예컨대, 눈가들, 입가들, 눈썹들 등)의 식별 및 로컬화에 의해 모델링될 수 있다. 어느 경우든, 이러한 특징들은 특징들의 위치들의 불확실성을 최소화하기 위해 수학적 조합들과 함께 "융합"될 수 있다. 일 예로서, 키포인트들은 하나의 이미지 프레임으로부터 다른 이미지 프레임으로 매칭될 수 있으며, 이는 또한 포즈 변화(예컨대, 사용자의 머리의 포지션 및 배향의 변화들)를 추론할 수 있다. 이 경우에, 특징들 또는 키포인트들은 얼굴에 고정된 공통 좌표 프레임으로 변환될 수 있다. 그 후, 유사한 키포인트들은, 어쩌면, 일부 정도의 이상치 거부를 포함해서, 평균화되거나 유사하게 어그리게이팅될 수 있다. 얼굴 모델은 키포인트 기술들이 사용되는 경우 희소 모델일 수 있다.
[0141] 선택적인 블록(1316)에서, 텍스처 맵은 얼굴 모델에 적용될 수 있다. 텍스처 맵은 사용자의 얼굴 이미지들에 기초하여 결정될 수 있다. 예컨대, 텍스처 맵은 얼굴 이미지들에 나타나는 바와 같은 피부 톤들을 포함할 수 있다.
[0142] 선택적인 블록(1318)에서, 얼굴 모델은 다른 웨어러블 디바이스에 통신될 수 있다. 예컨대, 사용자가 다른 사용자와의 텔레프레즌스 세션에 있는 동안, 얼굴 모델은 사용자의 아바타를 생성하는 데 사용될 수 있고, 얼굴 모델은 다른 사용자의 웨어러블 디바이스로 전달될 수 있다. 얼굴 모델은 또한 일부 상황들에서, 사용자에게 통신될 수 있다. 사용자는 추가로 예컨대, 헤어 스타일을 적용하거나 피부 컬러 또는 외관을 변경하는 것에 의해 얼굴 모델을 조작할 수 있다.
[0143] 도 13b는 단안 비전 기술들을 사용하여 얼굴 모델을 생성하는 예시적인 프로세스를 설명한다. 예시적인 프로세스(1350)는 웨어러블 디바이스 또는 (예컨대, 컴퓨터 또는 서버와 같은) 원격 컴퓨팅 디바이스 단독으로 또는 조합하여 수행될 수 있다.
[0144] 블록(1352)에서, 제1 얼굴 이미지들 및 제2 얼굴 이미지들이 액세스될 수 있다. 얼굴 이미지들은 디바이스를 착용하거나 벗는 동시에 획득될 수 있다(예컨대, 프로세스(1200)의 블록들(1210 및 1220) 참조). 제1 얼굴 이미지들은 제1 눈 카메라에 의해 획득될 수 있고, 제2 얼굴 이미지들은 제2 눈 카메라에 의해 획득될 수 있다. 제1 눈 카메라 및 제2 눈 카메라는 각각 사용자 얼굴의 부분을 이미징하도록 구성될 수 있다. 사용자가 웨어러블 디바이스를 착용할 때, 제1 눈 카메라 및 제2 눈 카메라는 각각 일련의 이미지들을 촬영하도록 구성될 수 있다.
[0145] 블록(1354)에서, 제1 얼굴 이미지들은 얼굴 모델의 제1 부분을 생성하도록 분석되고 함께 융합되는 반면, 블록(1356)에서 제2 얼굴 이미지들은 얼굴 모델의 제2 부분을 생성하도록 분석되고 함께 융합될 수 있다. 얼굴 모델의 제1 부분 및 제2 부분은 SLAM, v-SLAM 또는 객체 인식기들(708)을 참조하여 설명된 다른 맵핑 기술들과 같은 다양한 맵핑 기술들을 사용하여 각각, 제1 얼굴 이미지들 및 제2 얼굴 이미지들에 기초하여 생성될 수 있다.
[0146] 블록(1358)에서, 얼굴 모델의 제1 부분 및 제2 부분은 전체 얼굴 모델을 생성하도록 결합될 수 있다. 웨어러블 디바이스는 얼굴 모델의 2개의 부분들을 단일 모델로 결합하기 위해 제1 및 제2 카메라들의 상대적 포지션 및 각도들을 단독으로 또는 (제1 이미지들 및 제2 이미지들로부터 추론된 바와 같은) 웨어러블 디바이스의 움직임 궤적들과 조합하여 사용할 수 있다.
[0147] 예들이 얼굴 모델을 참조하여 설명되었지만, (단독으로 또는 얼굴과 조합하여) 신체의 다른 부분들의 가상 이미지들을 생성하기 위해 유사한 기술들이 또한 적용될 수 있다. 예컨대, 사용자가 웨어러블 디바이스를 착용하는 동안, 내향 이미징 시스템에 의해 획득된 이미지들 중 일부는 사용자의 몸통의 부분, 예컨대, 사용자의 목 또는 상체(예컨대, 어깨들)를 포함할 수 있다. 웨어러블 시스템은 도 11 내지 도 13b에서 설명된 바와 같은 유사한 알고리즘들을 사용하여 사용자의 목 또는 상체의 모델과 조합하여 얼굴 모델을 생성할 수 있다. 다른 예로서, 사용자는 사용자를 향하도록 외향 이미징 시스템을 회전시키고 사용자의 신체를 스캔할 수 있다. 이러한 스캔으로부터 획득된 이미지들은 또한 사용자의 신체 모델을 생성하는 데 사용될 수 있다. 사용자의 신체의 모델은 또한 (예컨대, 텔레프레즌스 세션 동안) 가상 아바타에서 사용될 수 있다.
웨어러블
디바이스를
이용한 얼굴 모델 캡처의 부가적인 양상들
[0148] 제1 양상에서, 사용자의 얼굴의 3-차원(3D) 모델을 생성하기 위한 AR(augmented reality) 시스템으로서, 사용자에게 3D 환경을 디스플레이하도록 구성된 ARD(augmented reality device); 제1 눈 카메라 및 제2 눈 카메라를 포함하는 내향 이미징 시스템 ― 내향 이미징 시스템은 사용자의 얼굴의 부분을 이미징하도록 구성됨 ― ; ARD와 연관되고 사용자의 움직임들을 검출하도록 구성된 IMU(inertial measurement unit); ARD와 연관된 컴퓨터 프로세서를 포함하고, 이 컴퓨터 프로세서는, IMU로부터 움직임의 표시를 수신하고 ― 움직임은 사용자의 머리 상에 ARD를 착용하는 것을 포함함 ― ; ARD가 사용자의 머리에 착용되는 동안: 제1 눈 카메라로부터 얼굴의 제1 이미지들을 수신하고; 그리고 제2 눈 카메라로부터 얼굴의 제2 이미지들을 수신하고; 제1 이미지들 및 제2 이미지들을 분석하고; 그리고 제1 이미지들 및 제2 이미지들의 분석에 적어도 부분적으로 기초하여 얼굴의 얼굴 모델을 생성하도록 프로그래밍된다.
[0149] 제2 양상에서, 제1 양상의 시스템에 있어서, IMU는 가속도계, 컴퍼스 또는 자이로스코프 중 하나 이상을 포함한다.
[0150] 제3 양상에서, 제1 양상 또는 제2 양상의 시스템에 있어서, 움직임의 표시는 ARD의 가속도의 증가 또는 임계 가속도를 넘는 ARD의 가속도의 측정을 포함한다.
[0151] 제4 양상에서, 제1 양상 내지 제3 양상 중 어느 한 양상의 시스템에 있어서, 제1 이미지들 및 제2 이미지들을 분석하기 위해, 컴퓨터 프로세서는 스테레오 비전 알고리즘을 사용하여 제1 이미지들 및 제2 이미지들을 3D 공간의 포인트 클라우드들로 변환하도록 프로그래밍된다.
[0152] 제5 양상에서, 제4 양상의 시스템에 있어서, 스테레오 비전 알고리즘은 블록-매칭 알고리즘, 세미-글로벌 매칭 알고리즘, 세미-글로벌 블록-매칭 알고리즘, 또는 뉴럴 네트워크 알고리즘 중 적어도 하나를 포함한다.
[0153] 제6 양상에서, 제5 양상의 시스템에 있어서, 얼굴 모델을 생성하기 위해, 컴퓨터 프로세서는 추가로, ICP(iterative closest point) 알고리즘을 이용하여 포인트 클라우드들을 결합하도록 프로그래밍된다.
[0154] 제7 양상에서, 제1 양상 내지 제6 양상 중 어느 한 양상의 시스템에 있어서, 제1 이미지들 및 제2 이미지들을 분석하기 위해, 컴퓨터 프로세서는 추가로, 키포인트 검출기 및 디스크립터 알고리즘을 사용하여 제1 이미지 및 제2 이미지에서 키포인트들을 식별하도록 프로그래밍된다.
[0155] 제8 양상에서, 제1 양상 내지 제7 양상 중 어느 한 양상의 시스템에 있어서, 제1 이미지들 및 제2 이미지들을 분석하기 위해, 컴퓨터 프로세서는 추가로, 제1 이미지들 및 제2 이미지들에 적어도 부분적으로 기초하여 얼굴의 얼굴 특징들을 식별하고; 그리고 식별된 얼굴 특징들을 3D 공간의 포인트들로 기술하도록 프로그래밍된다.
[0156] 제9 양상에서, 제7 양상 또는 제8 양상의 시스템에 있어서, 얼굴 모델을 생성하기 위해, 컴퓨터 프로세서는 번들 조정 알고리즘을 사용하여 얼굴 특징들 또는 키포인트들을 결합하도록 구성된다.
[0157] 제10 양상에서, 제1 양상 내지 제9 양상 중 어느 한 양상의 시스템에 있어서, 제1 이미지들 및 제2 이미지들을 분석하고 얼굴 모델을 생성하기 위해, 컴퓨터 프로세서는, 제1 이미지들에 적어도 부분적으로 기초하여 얼굴 모델의 제1 부분을 생성하고; 제2 이미지들에 적어도 부분적으로 기초하여 얼굴 모델의 제2 부분을 생성하고; 그리고 얼굴 모델을 획득하기 위해 얼굴 모델의 제1 부분과 얼굴 모델의 제2 부분을 결합하도록 프로그래밍된다.
[0158] 제11 양상에서, 제10 양상의 시스템에 있어서, 제1 이미지들 및 제2 이미지들을 분석하는 것은 시각적 동시성 위치 및 맵핑 알고리즘에 의해 수행된다.
[0159] 제12 양상에서, 제1 양상 내지 제11 양상 중 어느 한 양상의 시스템에 있어서, 제1 이미지들은 제1 눈 카메라에 의해 촬영된 제1 비디오의 제1 프레임들을 포함하고, 제2 이미지들은 제2 눈 카메라에 의해 촬영된 비디오의 제2 프레임들을 포함한다.
[0160] 제13 양상에서, 제12 양상의 시스템에 있어서, 얼굴 모델을 생성하기 위해, 컴퓨터 프로세서는 비디오의 제1 프레임을 비디오의 제2 프레임과 결합하도록 프로그래밍된다.
[0161] 제14 양상에서, 제1 양상 내지 제13 양상 중 어느 한 양상의 시스템에 있어서, 컴퓨터 프로세서는 추가로, 제1 이미지들 또는 제2 이미지들 내의 하나 이상의 이미지들에 적어도 부분적으로 기초하여 얼굴의 얼굴 모델과 관련된 텍스처 맵을 생성하도록 구성된다.
[0162] 제15 양상에서, 제1 양상 내지 제14 양상 중 어느 한 양상의 시스템에 있어서, 컴퓨터 프로세서는 추가로, 얼굴의 얼굴 모델을 다른 사용자와 공유하도록 구성된다.
[0163] 제16 양상에서, 제1 양상 내지 제15 양상 중 어느 한 양상의 시스템에 있어서, 제1 눈 카메라는 사용자의 좌측 눈을 이미징하도록 구성되고, 제2 눈 카메라는 사용자의 우측 눈을 이미징하도록 구성된다.
[0164] 제17 양상에서, 제1 양상 내지 제16 양상 중 어느 한 양상의 시스템에 있어서, 제1 눈 카메라 및 제2 눈 카메라는 중첩 시야를 갖는다.
[0165] 제18 양상에서, 사용자의 얼굴의 3-차원(3D) 모델을 생성하는 방법으로서, 컴퓨터 하드웨어, 사용자에게 3D 환경을 디스플레이하도록 구성된 디스플레이 디바이스, 사용자의 얼굴의 부분을 이미징하도록 구성된 이미지 시스템, 및 디스플레이 디바이스의 움직임들을 검출하도록 구성된 IMU(inertial measurement unit)을 포함하는 웨어러블 디바이스의 제어 하에서, IMU에 의해, 사용자의 얼굴을 이미징하기 위한 트리거를 검출하는 단계 ― 트리거는 사용자의 머리에 인접하게 디스플레이 디바이스를 배치하는 것을 포함하는 움직임을 포함함 ― ; 이미징 시스템에 의해, 사용자의 얼굴의 적어도 일부의 이미지들을 캡처하는 단계; 이미징 시스템에 의해 캡처된 이미지들을 분석하는 단계; 및 이미지들의 분석에 적어도 부분적으로 기초하여 얼굴 모델을 생성하는 단계를 포함한다.
[0166] 제19 양상에서, 제18 양상의 방법에 있어서, 트리거를 검출하는 단계는, IMU에 의해 디스플레이 디바이스의 가속도를 결정하는 단계; 디스플레이 디바이스의 가속도를 임계 가속도와 비교하는 단계; 및 가속도가 임계 가속도를 초과한다는 비교에 대한 응답으로 트리거를 검출하는 단계를 포함한다.
[0167] 제20 양상에서, 제18 양상 또는 제19 양상의 방법에 있어서, 이미지들 중 하나 이상은 얼굴 이외의 다른 사용자의 신체 부분을 포함한다.
[0168] 제21 양상에서, 제18 양상 내지 제20 양상 중 어느 한 양상의 방법에 있어서, 이미지들은 이미징 시스템의 제1 눈 카메라에 의해 캡처된 제1 이미지들 및 이미징 시스템의 제2 눈 카메라에 의해 캡처된 제2 이미지들을 포함한다.
[0169] 제22 양상에서, 제21 양상의 방법에 있어서, 이미지들을 분석하는 단계는, 스테레오 비전 알고리즘을 사용하여 제1 이미지들 및 제2 이미지들을 포인트 클라우드들로 변환하는 단계를 포함한다.
[0170] 제23 양상에서, 제22 양상의 방법에 있어서, 스테레오 비전 알고리즘은 블록-매칭 알고리즘, 세미-글로벌 매칭 알고리즘, 세미-글로벌 블록-매칭 알고리즘, 또는 뉴럴 네트워크 알고리즘 중 적어도 하나를 포함한다.
[0171] 제24 양상에서, 제23 양상의 방법에 있어서, 얼굴의 얼굴 모델을 생성하는 단계는 ICP(Iterative Closest Point) 알고리즘을 사용하여 포인트 클라우드들을 결합하는 단계를 포함한다.
[0172] 제25 양상에서, 제22 양상 내지 제24 양상 중 어느 한 양상의 방법에 있어서, 이미지들을 분석하는 단계는 이미지들에서 사용자의 얼굴과 연관된 키포인트들을 식별하는 단계를 포함하고, 얼굴의 얼굴 모델을 생성하는 단계는 번들 조정 알고리즘을 사용하여 키포인트들로 얼굴 모델을 생성하는 단계를 포함한다.
[0173] 제26 양상에서, 제22 양상 내지 제25 양상 중 어느 한 양상의 방법에 있어서, 이미지들을 분석하는 단계는 시각적 동시성 위치 및 맵핑 알고리즘을 사용하여 얼굴 모델의 제1 부분을 생성하기 위해 제1 이미지들을 분석하는 단계; 및 시각적 동시성 위치 및 맵핑 알고리즘을 사용하여 얼굴 모델의 제2 부분을 생성하기 위해 제2 이미지들을 분석하는 단계를 포함한다.
[0174] 제27 양상에서, 제26 양상의 방법에 있어서, 얼굴의 얼굴 모델을 생성하는 단계는, 얼굴 모델을 생성하기 위해 얼굴 모델의 제1 부분 및 얼굴 모델의 제2 부분을 결합하는 단계를 포함한다.
[0175] 제28 양상에서, 제18 양상 내지 제27 양상 중 어느 한 양상의 방법에 있어서, 이미지들은 이미징 시스템에 의해 촬영된 비디오의 프레임들을 포함한다.
[0176] 제29 양상에서, 제18 양상 내지 제28 양상 중 어느 한 양상의 방법에 있어서, 이미지들에 적어도 부분적으로 기초하여 얼굴 모델과 연관된 텍스처 맵을 생성하는 단계를 더 포함한다.
[0177] 제30 양상에서, 제18 양상 내지 제29 양상 중 어느 한 양상의 방법에 있어서, 얼굴 모델을 생성하는 단계는, 사전에 존재하는 얼굴 모델에 액세스하는 단계; 및 이미지들의 분석에 적어도 부분적으로 기초하여, 사전에 존재하는 얼굴 모델을 업데이트하는 단계를 포함한다.
[0178] 제31 양상에서, 제30 양상의 방법에 있어서, 사전에 존재하는 얼굴 모델은 일반 얼굴 모델 또는 사용자의 얼굴의 이전에 생성된 얼굴 모델 중 적어도 하나를 포함한다.
[0179] 제32 양상에서, 제18 양상 내지 제31 양상 중 어느 한 양상의 방법에 있어서, 얼굴 모델을 생성하는 단계는, 웨어러블 디바이스에 의해 또는 다른 컴퓨팅 디바이스에 의해 이전에 획득된 얼굴의 이미지들에 액세스하는 단계; 및 이미징 시스템에 의해 캡처된 이미지들 및 액세스된 이미지들의 분석에 적어도 부분적으로 기초하여 얼굴 모델을 생성하는 단계를 포함한다.
[0180] 제33 양상에서, 제18 양상 내지 제32 양상 중 어느 한 양상의 방법에 있어서, 얼굴 모델을 다른 디스플레이 디바이스에 통신하는 단계; 및 다른 디스플레이 디바이스에 의해, 얼굴 모델에 적어도 부분적으로 기초하여 사용자의 얼굴과 연관된 이미지를 디스플레이하는 단계를 더 포함한다.
[0181] 제34 양상에서, 사용자의 얼굴의 3-차원(3D) 모델을 생성하기 위한 시스템으로서, 사용자에게 가상 콘텐츠를 제시하도록 구성된 HMD(head-mounted display); 적어도 하나의 눈 카메라를 포함하는 내향 이미징 시스템 ― 내향 이미징 시스템은 사용자가 HMD를 착용하는 동안 사용자의 얼굴의 적어도 일부를 이미징하도록 구성됨 ― ; HMD와 연관되고 HMD의 움직임들을 검출하도록 구성된 IMU(inertial measurement unit); 및 하드웨어 프로세서를 포함하고, 하드웨어 프로세서는, 사용자의 얼굴의 이미징을 개시하기 위한 트리거를 검출하고 ― 트리거는 사용자의 머리 상에 HMD를 착용하거나 사용자의 머리로부터 HMD를 벗는 것을 포함하는(involving), IMU에 의해 검출된 움직임을 포함함 ― ; 트리거를 검출하는 것에 대한 응답으로, 이미지들을 획득하도록 적어도 하나의 눈 카메라를 활성화시키고; IMU 또는 내향 이미징 시스템 중 적어도 하나로부터 획득된 데이터에 기초하여 이미징을 중지시키기 위한 중지 조건을 검출하고; 스테레오 비전 알고리즘을 이용하여, 적어도 하나의 눈 카메라에 의해 획득된 이미지들을 분석하고; 그리고 스테레오 비전 알고리즘의 출력에 적어도 부분적으로 기초하여 사용자의 얼굴의 얼굴 모델을 생성하도록 이미지들을 융합시키도록 프로그래밍된다.
[0182] 제35 양상에서, 제34 양상의 시스템에 있어서, 트리거를 검출하기 위해, 하드웨어 프로세서는, HMD의 가속도를 결정하고; HMD의 가속도를 임계 가속도와 비교하고; 그리고 가속도가 임계 가속도를 초과한다는 비교에 대한 응답으로 트리거를 검출하도록 프로그래밍된다.
[0183] 제36 양상에서, 제34 양상 또는 제35 양상의 시스템에 있어서, 중지 조건은 HMD와 사용자의 머리 사이의 거리가 임계 거리를 넘을 때 검출된다.
[0184] 제37 양상에서, 제34 양상 내지 제36 양상 중 어느 한 양상의 시스템에 있어서, 스테레오 비전 알고리즘은 블록-매칭 알고리즘, 세미-글로벌 매칭 알고리즘, 세미-글로벌 블록-매칭 알고리즘, 디스패리티 맵, 깊이 맵, 또는 뉴럴 네트워크 알고리즘 중 적어도 하나를 포함한다.
[0185] 제38 양상에서, 제34 양상 내지 제37 양상 중 어느 한 양상의 시스템에 있어서, 적어도 하나의 눈 카메라는 제1 눈 카메라 및 제2 눈 카메라를 포함하고, 제1 눈 카메라 및 제2 눈 카메라는 중복 시야를 갖는다.
[0186] 제39 양상에서, 제38 양상의 시스템에 있어서, 이미지들은 이미지들의 복수의 쌍들을 포함하고, 이미지들의 각각의 쌍은 제1 눈 카메라에 의해 획득된 제1 이미지 및 제2 눈 카메라에 의해 획득된 제2 이미지를 포함한다.
[0187] 제40 양상에서, 제39 양상의 시스템에 있어서, 한 쌍의 이미지들은 스테레오 비전 알고리즘을 이용하여 함께 분석된다.
[0188] 제41 양상에서, 제39 양상 또는 제40 양상의 시스템에 있어서, 스테레오 비전 알고리즘의 출력은 이미지들의 복수의 쌍들 내의 픽셀들에 대한 깊이 할당들을 포함한다.
[0189] 제42 양상에서, 제39 양상 내지 제41 양상 중 어느 한 양상의 시스템에 있어서, 사용자의 얼굴은 제1 눈 카메라 및 제2 눈 카메라에 의해 획득된 이미지들의 분석에 기초하여 복수의 포인트 클라우드(point cloud)들에 의해 표현되고, 얼굴 모델을 생성하도록 이미지들을 융합시키기 위해, 하드웨어 프로세서는, 복수의 클라우드들을 서로 피팅(fit)하고; 복수의 클라우드들에서 이상치들을 거부하고; 그리고 클러스터링 또는 평균화 중 적어도 하나에 의해 얼굴 모델의 표면을 매끄럽게 하도록 프로그래밍된다.
[0190] 제43 양상에서, 제42 양상의 시스템에 있어서, 복수의 클라우드들을 피팅하기 위해, 하드웨어 프로세서는 ICP(Iterative Closest Point) 알고리즘을 복수의 클라우드들에 적용하도록 프로그래밍된다.
[0191] 제44 양상에서, 제34 양상 내지 제43 중 어느 한 양상의 시스템에 있어서, 프로세서는 추가로, 이미지들에 기초하여 텍스처 맵을 결정하고; 그리고 텍스처 맵을 얼굴 모델에 적용하도록 프로그래밍된다.
[0192] 제45 양상에서, 제34 양상 내지 제44 양상 중 어느 한 양상의 시스템에 있어서, 하드웨어 프로세서는 추가로, 얼굴 모델을 웨어러블 디바이스로 전달하도록 프로그래밍된다.
[0193] 제46 양상에서, 제34 양상 내지 제45 양상 중 어느 한 양상의 시스템에 있어서, 이미지들을 분석하기 위해, 하드웨어 프로세서는 적어도, 키포인트 검출기 및 디스크립터 알고리즘을 사용하여 이미지들에서 키포인트들을 식별하거나; 또는 이미지들로부터 얼굴 특징들을 식별하고 식별된 얼굴 특징들을 3D 공간의 포인트들로 기술하도록 프로그래밍된다.
[0194] 제47 양상에서, 제46 양상의 시스템에 있어서, 이미지들을 융합시키기 위해, 하드웨어 프로세서는 번들 조정 알고리즘을 사용하여 키포인트들 또는 얼굴 특징들을 결합하도록 프로그래밍된다.
[0195] 제48 양상에서, 사용자의 얼굴의 3-차원(3D) 모델을 생성하기 위한 방법으로서, 사용자의 얼굴 모델을 생성하기 위한 요청을 수신하는 단계; 웨어러블 디바이스의 내향 이미징 시스템에 의해 획득된 사용자의 머리의 이미지들에 액세스하는 단계 ― 내향 이미징 시스템은 적어도 하나의 눈 카메라를 포함함 ― ; 액세스된 이미지들로부터 이미지들의 복수의 쌍들을 식별하는 단계; 이미지들의 복수의 쌍들에 스테레오 비전 알고리즘을 적용함으로써 이미지들을 분석하는 단계; 및 얼굴 모델을 생성하도록 상기 분석 단계로부터 획득된 출력들을 융합시키는 단계를 포함한다.
[0196] 제49 양상에서, 제48 양상의 방법에 있어서, 출력들은 사용자의 얼굴과 웨어러블 디바이스 간의 거리들에 관한 정보를 포함하는, 사용자의 얼굴과 연관된 깊이 맵을 포함한다.
[0197] 제50 양상에서, 제48 양상 또는 제49 양상의 방법에 있어서, 이미지들은 웨어러블 디바이스가 사용자에게 착용되거나 사용자로부터 벗겨질 때 획득된다.
[0198] 제51 양상에서, 제48 양상 내지 제50 양상 중 어느 한 양상의 방법에 있어서, 적어도 하나의 눈 카메라는 제1 눈 카메라 및 제2 눈 카메라를 포함하고, 한 쌍의 이미지들은, 각각, 제1 눈 카메라 및 제2 눈 카메라에 의해 실질적으로 동시에 획득되는 제1 이미지 및 제2 이미지를 포함한다.
[0199] 제52 양상에서, 제48 양상 내지 제51 양상 중 어느 한 양상의 방법에 있어서, 이미지들을 분석하는 단계는 이미지들의 복수의 쌍들을 포인트 클라우드들로 변환하는 단계를 포함한다.
[0200] 제53 양상에서, 제52 양상의 방법에 있어서, 출력들을 융합시키는 단계는 ICP(Iterative Closest Point) 알고리즘을 사용하여 포인트 클라우드들을 결합하는 단계를 포함한다.
다른 고려사항들
[0201] 본원에서 설명되고 그리고/또는 첨부 도면들에 도시되는 프로세스들, 방법들 및 알고리즘들 각각은 하나 이상의 물리적 컴퓨팅 시스템들, 하드웨어 컴퓨터 프로세서들, 주문형 회로 및/또는 특수 및 특정 컴퓨터 명령들을 실행하도록 구성된 전자 하드웨어에 의해 실행되는 코드 모듈들로 구현되고, 이 코드 모듈들에 의해 완전히 또는 부분적으로 자동화될 수 있다. 예컨대, 컴퓨팅 시스템들은 특정 컴퓨터 명령들로 프로그래밍된 범용 컴퓨터들(예컨대, 서버들) 또는 특수 목적 컴퓨터들, 특수 목적 회로 등을 포함할 수 있다. 코드 모듈은 실행 가능 프로그램으로 컴파일되어 링크되거나, 동적 링크 라이브러리에 설치될 수 있거나, 또는 인터프리팅된 프로그래밍 언어로 작성될 수 있다. 일부 구현들에서, 특정한 동작들 및 방법들은, 주어진 기능에 특정한 회로에 의해 수행될 수 있다.
[0202] 추가로, 본 개시내용의 기능성의 소정의 구현들은 충분히 수학적으로, 계산상으로 또는 기술적으로 복잡하여, (적절한 전문화된 실행 가능한 명령들을 활용하는) 주문형 하드웨어 또는 하나 이상의 물리적 컴퓨팅 디바이스들은 예컨대, 수반되는 계산들의 양(volume) 또는 복잡성으로 인해 또는 실질적으로 실시간으로 결과들을 제공하기 위해 그 기능성들을 수행할 필요가 있을 수 있다. 예컨대, 애니메이션들 또는 비디오는 다수의 프레임들(각각의 프레임은 수 백만개의 픽셀들을 가짐)을 포함할 수 있고, 상업적으로 합리적인 시간량 내에 원하는 이미지 프로세싱 태스크 또는 애플리케이션을 제공하기 위해, 특별히 프로그래밍된 컴퓨터 하드웨어가 비디오 데이터를 프로세싱할 필요가 있다.
[0203] 코드 모듈들 또는 임의의 유형의 데이터는, 임의의 유형의 비-일시적인 컴퓨터-판독 가능 매체, 이를테면, 하드 드라이브들, 솔리드 스테이트 메모리, RAM(random access memory), ROM(read only memory), 광학 디스크, 휘발성 또는 비-휘발성 저장소, 이들의 조합들 등을 포함하는 물리적 컴퓨터 저장소 상에 저장될 수 있다. 방법들 및 모듈들(또는 데이터)은 또한, 생성된 데이터 신호들로서(예컨대, 반송파 또는 다른 아날로그 또는 디지털 전파 신호의 일부로서) 무선-기반 및 유선/케이블-기반 매체들을 포함하는 다양한 컴퓨터-판독 가능 송신 매체들 상에서 송신될 수 있고, (예컨대, 단일 또는 멀티플렉싱된 아날로그 신호의 일부로서, 또는 다수의 이산 디지털 패킷들 또는 프레임들로서) 다양한 형태들을 취할 수 있다. 개시된 프로세스들 또는 프로세스 단계들의 결과들은 임의의 유형의 비-일시적인 유형의(tangible) 컴퓨터 저장소에 지속적으로 또는 다른 방식으로 저장될 수 있거나, 또는 컴퓨터-판독 가능 송신 매체를 통해 통신될 수 있다.
[0204] 본원에서 설명되고 그리고/또는 첨부된 도면들에 도시되는 흐름도들에서의 임의의 프로세스들, 블록들, 상태들, 단계들 또는 기능성들은 프로세스의 단계들 또는 (예컨대, 논리적 또는 산술적) 특정 기능들을 구현하기 위한 하나 이상의 실행 가능 명령들을 포함하는 코드 모듈들, 세그먼트들 또는 코드 부분들을 잠재적으로 나타내는 것으로 이해되어야 한다. 다양한 프로세스들, 블록들, 상태들, 단계들 또는 기능성들은 본원에서 제공된 예시적인 예들에서 조합되거나, 재배열되거나, 이들에 부가되거나, 이들로부터 제거되거나, 수정되거나, 또는 다른 방식으로 변할 수 있다. 일부 실시예들에서, 부가적인 또는 상이한 컴퓨팅 시스템들 또는 코드 모듈들은 본원에서 설명된 기능성들 중 일부 또는 전부를 수행할 수 있다. 본원에 설명된 방법들 및 프로세스들은 또한 임의의 특정 시퀀스로 제한되지 않고, 그에 관련된 블록들, 단계들 또는 상태들은 적절한 다른 시퀀스들로, 예컨대, 직렬로, 병렬로 또는 일부 다른 방식으로 수행될 수 있다. 태스크들 또는 이벤트들은 개시된 예시적인 실시예들에 부가되거나 그로부터 제거될 수 있다. 또한, 본원에서 설명된 구현들에서의 다양한 시스템 컴포넌트들의 분리는 예시 목적들을 위한 것이며, 모든 구현들에서 이러한 분리를 요구하는 것으로 이해되어서는 안 된다. 설명된 프로그램 컴포넌트들, 방법들 및 시스템들은 일반적으로 단일 컴퓨터 제품에 함께 통합되거나 다수의 컴퓨터 제품들로 패키징될 수 있다는 것이 이해되어야 한다. 다수의 구현 변동들이 가능하다.
[0205] 프로세스들, 방법들 및 시스템들은 네트워크(또는 분산형) 컴퓨팅 환경에서 구현될 수 있다. 네트워크 환경들은, 전사적(enterprise-wide) 컴퓨터 네트워크들, 인트라넷들, LAN(Local Area Network)들, WAN(Wide Area Network)들, PAN(Personal Area Network)들, 클라우드 컴퓨팅 네트워크들, 크라우드-소스드(crowd-sourced) 컴퓨팅 네트워크들, 인터넷 및 월드 와이드 웹(World Wide Web)을 포함한다. 네트워크는 유선 또는 무선 네트워크 또는 임의의 다른 유형의 통신 네트워크일 수 있다.
[0206] 본 개시내용의 시스템들 및 방법들 각각은 몇몇 혁신적인 양상들을 가지며, 그 양상들 중 어떠한 단일 양상도 본원에서 개시된 바람직한 속성들을 전적으로 담당하거나 이를 위해 요구되지 않는다. 위에서 설명된 다양한 특징들 및 프로세스들은 서로 독립적으로 사용될 수 있거나, 또는 다양한 방식들로 조합될 수 있다. 모든 가능한 조합들 및 서브조합들은 본 개시내용의 범위 내에 속하는 것으로 의도된다. 본 개시내용에서 설명된 구현들에 대한 다양한 수정들은 당업자들에게 자명할 수 있으며, 본원에서 정의된 일반적인 원리들은 본 개시내용의 사상 또는 범위를 벗어나지 않으면서 다른 구현들에 적용될 수 있다. 따라서, 청구항들은 본 명세서에 도시된 구현들로 제한되도록 의도되는 것이 아니라, 본 명세서에 개시된 본 개시내용, 원리들 및 신규한 특성들과 일치하는 가장 넓은 범위에 부합할 것이다.
[0207] 별개의 구현들의 맥락에서 본 명세서에 설명된 소정의 특징들은 또한, 단일 구현의 조합으로 구현될 수 있다. 대조적으로, 단일 구현의 맥락에서 설명된 다양한 특징들은 또한, 별개로 다수의 구현들에서 또는 임의의 적절한 서브조합으로 구현될 수 있다. 더욱이, 특징들이 소정의 조합들로 작용하는 것으로 위에서 설명되고 심지어 초기에 이와 같이 청구될 수 있지만, 일부 경우들에서, 청구된 조합으로부터의 하나 이상의 특징들은 그 조합으로부터 제거될 수 있고, 청구된 조합은 서브조합 또는 서브조합의 변동에 관련될 수 있다. 단일 특징 또는 특징들의 그룹이 각각의 그리고 모든 각각의 실시예에 필요하거나 필수적인 것은 아니다.
[0208] 구체적으로 달리 언급되지 않거나 또는 사용된 맥락 내에서 달리 이해되지 않으면, 본원에서 사용된 조건어, 이를테면, 다른 것들 중에서도, "할 수 있다(can, could, might, may)", "예컨대" 등은 일반적으로, 소정의 실시예들이 소정의 특징들, 엘리먼트들, 및/또는 단계들을 포함하지만 다른 실시예들은 이들을 포함하지 않는다는 것을 전달하도록 의도된다. 따라서, 그러한 조건어는 일반적으로, 특징들, 엘리먼트들, 및/또는 단계들이 하나 이상의 실시예들을 위해 어떤 식으로든 요구된다는 것을, 또는 하나 이상의 실시예들이, 저자 입력 또는 프롬프팅(prompting)을 이용하거나 또는 그러한 것을 이용함이 없이, 이들 특징들, 엘리먼트들, 및/또는 단계들이 임의의 특정 실시예에 포함되는지 또는 임의의 특정 실시예들에서 수행되어야 하는지를 판단하기 위한 로직을 반드시 포함한다는 것을 암시하도록 의도되진 않는다. "포함하는(comprising, including), "갖는(having)" 등의 용어들은 동의어이며, 오픈-엔디드(open-ended) 방식으로 포괄적으로 사용되며, 부가적인 엘리먼트들, 특징들, 행동들, 동작들 등을 배제하지 않는다. 또한, "또는"이라는 용어는 (그의 배타적인 의미가 아니라) 그의 포괄적인 의미로 사용되어서, 예컨대, 리스트의 엘리먼트들을 연결하기 위해 사용될 때, "또는"이라는 용어는 리스트 내의 엘리먼트들 중 하나, 일부, 또는 전부를 의미한다. 또한, 본 명세서 및 첨부된 청구항들에서 사용된 바와 같은 단수 표현은 달리 특정되지 않는 한 "하나 이상" 또는 "적어도 하나"를 의미하는 것으로 해석될 것이다.
[0209] 본원에서 사용된 바와 같이, 리스트의 아이템들 “중 적어도 하나”를 지칭하는 어구는 단일 멤버들을 포함하여 그 아이템들의 임의의 조합을 지칭한다. 예로서, "A, B 또는 C 중 적어도 하나"는 A; B; C; A와 B; A와 C; B와 C; 그리고 A와 B와 C를 커버하는 것으로 의도된다. 특정하게 다르게 언급되지 않으면, 어구 "X, Y 또는 Z 중 적어도 하나"와 같은 접속어는, 아이템, 용어 등이 X, Y 또는 Z 중 적어도 하나일 수 있다는 것을 전달하기 위해 일반적으로 사용되는 맥락으로 달리 이해된다. 따라서, 이러한 접속어는 일반적으로, 소정의 실시예들이 X 중 적어도 하나, Y 중 적어도 하나 및 Z 중 적어도 하나가 각각 존재할 것을 요구하는 것을 암시하는 것으로 의도되지 않는다.
[0210] 유사하게, 동작들이 특정한 순서로 도면들에 도시될 수 있지만, 원하는 결과들을 달성하기 위해, 그러한 동작들이 도시된 특정한 순서 또는 순차적인 순서로 수행될 필요가 없거나, 모든 예시된 동작들이 수행될 필요가 없다는 것이 인지될 것이다. 추가로, 도면들은 흐름도의 형태로 둘 이상의 예시적인 프로세스들을 개략적으로 도시할 수 있다. 그러나, 도시되지 않은 다른 동작들이, 개략적으로 예시된 예시적인 방법들 및 프로세스들에 통합될 수 있다. 예컨대, 하나 이상의 부가적인 동작들은, 예시된 동작들 중 임의의 동작 이전, 이후, 그들과 동시에, 또는 그들 사이에서 수행될 수 있다. 부가적으로, 동작들은 다른 구현들에서 재배열되거나 재순서화될 수 있다. 소정의 환경들에서, 멀티태스킹 및 병렬 프로세싱이 유리할 수 있다. 또한, 위에서 설명된 구현에서의 다양한 시스템 컴포넌트들의 분리는 모든 구현들에서 그러한 분리를 요구하는 것으로서 이해되지는 않아야 하고, 그리고 설명된 프로그램 컴포넌트들 및 시스템들이 일반적으로, 단일 소프트웨어 제품으로 함께 통합되거나 다수의 소프트웨어 제품들로 패키징될 수 있다는 것이 이해되어야 한다. 부가적으로, 다른 구현들은 다음의 청구항들의 범위 내에 있다. 일부 경우들에서, 청구항들에서 열거된 액션들은, 상이한 순서로 수행될 수 있으며, 그럼에도 불구하고 원하는 결과들을 달성할 수 있다.
Claims (20)
- 사용자의 얼굴의 3-차원(3D) 모델을 생성하기 위한 시스템으로서,
사용자에게 가상 콘텐츠를 제시하도록 구성된 HMD(head-mounted display);
적어도 하나의 눈 카메라를 포함하는 내향 이미징 시스템 ― 상기 내향 이미징 시스템은 상기 사용자가 상기 HMD를 착용하는 동안 상기 사용자의 얼굴의 적어도 일부를 이미징하도록 구성됨 ― ;
상기 HMD와 연관되고 상기 HMD의 움직임들을 검출하도록 구성된 IMU(inertial measurement unit); 및
하드웨어 프로세서를 포함하고, 상기 하드웨어 프로세서는,
상기 사용자의 얼굴의 이미징을 개시하기 위한 트리거를 검출하고 ― 상기 트리거는 상기 사용자의 머리에 상기 HMD를 착용하거나 상기 사용자의 머리로부터 상기 HMD를 벗는 것을 포함하는(involving), 상기 IMU에 의해 검출된 움직임을 포함함 ― ;
상기 트리거를 검출하는 것에 대한 응답으로, 이미지들을 획득하도록 상기 적어도 하나의 눈 카메라를 활성화시키고;
상기 IMU 또는 상기 내향 이미징 시스템 중 적어도 하나로부터 획득된 데이터에 기초하여 상기 이미징을 중지시키기 위한 중지 조건을 검출하고;
스테레오 비전 알고리즘을 이용하여, 상기 적어도 하나의 눈 카메라에 의해 획득된 이미지들을 분석하고; 그리고
상기 스테레오 비전 알고리즘의 출력에 적어도 부분적으로 기초하여 상기 사용자의 얼굴의 얼굴 모델을 생성하도록 상기 이미지들을 융합시키도록 프로그래밍되는,
사용자의 얼굴의 3D 모델을 생성하기 위한 시스템. - 제1 항에 있어서,
상기 트리거를 검출하기 위해, 상기 하드웨어 프로세서는,
상기 HMD의 가속도를 결정하고;
상기 HMD의 가속도를 임계 가속도와 비교하고; 그리고
상기 가속도가 상기 임계 가속도를 초과한다는 비교에 대한 응답으로 상기 트리거를 검출하도록 프로그래밍되는,
사용자의 얼굴의 3D 모델을 생성하기 위한 시스템. - 제1 항에 있어서,
상기 중지 조건은 상기 HMD와 상기 사용자의 머리 사이의 거리가 임계 거리를 넘을 때 검출되는,
사용자의 얼굴의 3D 모델을 생성하기 위한 시스템. - 제1 항에 있어서,
상기 스테레오 비전 알고리즘은 블록-매칭 알고리즘, 세미-글로벌 매칭 알고리즘, 세미-글로벌 블록-매칭 알고리즘, 디스패리티 맵, 깊이 맵, 또는 뉴럴 네트워크 알고리즘 중 적어도 하나를 포함하는,
사용자의 얼굴의 3D 모델을 생성하기 위한 시스템. - 제1 항에 있어서,
상기 적어도 하나의 눈 카메라는 제1 눈 카메라 및 제2 눈 카메라를 포함하고, 상기 제1 눈 카메라 및 상기 제2 눈 카메라는 중복 시야(overlapping field of view)를 갖는,
사용자의 얼굴의 3D 모델을 생성하기 위한 시스템. - 제5 항에 있어서,
상기 이미지들은 이미지들의 복수의 쌍들을 포함하고, 이미지들의 각각의 쌍은 상기 제1 눈 카메라에 의해 획득된 제1 이미지 및 상기 제2 눈 카메라에 의해 획득된 제2 이미지를 포함하는,
사용자의 얼굴의 3D 모델을 생성하기 위한 시스템. - 제6 항에 있어서,
한 쌍의 이미지들은 상기 스테레오 비전 알고리즘을 이용하여 함께 분석되는,
사용자의 얼굴의 3D 모델을 생성하기 위한 시스템. - 제6 항에 있어서,
상기 스테레오 비전 알고리즘의 출력은 상기 이미지들의 복수의 쌍들 내의 픽셀들에 대한 깊이 할당들을 포함하는,
사용자의 얼굴의 3D 모델을 생성하기 위한 시스템. - 제6 항에 있어서,
상기 사용자의 얼굴은 상기 제1 눈 카메라 및 상기 제2 눈 카메라에 의해 획득된 이미지들의 분석에 기초하여 복수의 포인트 클라우드(point cloud)들에 의해 표현되고, 얼굴 모델을 생성하도록 상기 이미지들을 융합시키기 위해, 상기 하드웨어 프로세서는,
복수의 클라우드들을 서로 피팅(fit)하고;
상기 복수의 클라우드들에서 이상치(outliner)들을 거부하고; 그리고
클러스터링 또는 평균화 중 적어도 하나에 의해 상기 얼굴 모델의 표면을 매끄럽게 하도록 프로그래밍되는,
사용자의 얼굴의 3D 모델을 생성하기 위한 시스템. - 제9 항에 있어서,
상기 복수의 클라우드들을 피팅하기 위해, 상기 하드웨어 프로세서는 ICP(Iterative Closest Point) 알고리즘을 상기 복수의 클라우드들에 적용하도록 프로그래밍되는,
사용자의 얼굴의 3D 모델을 생성하기 위한 시스템. - 제1 항에 있어서,
상기 하드웨어 프로세서는 추가로,
상기 이미지들에 기초하여 텍스처 맵을 결정하고; 그리고
상기 텍스처 맵을 상기 얼굴 모델에 적용하도록 프로그래밍되는,
사용자의 얼굴의 3D 모델을 생성하기 위한 시스템. - 제1 항에 있어서,
상기 하드웨어 프로세서는 추가로, 상기 얼굴 모델을 웨어러블 디바이스로 전달하도록 프로그래밍되는,
사용자의 얼굴의 3D 모델을 생성하기 위한 시스템. - 제1 항에 있어서,
상기 이미지들을 분석하기 위해, 상기 하드웨어 프로세서는 적어도,
키포인트 검출기 및 디스크립터 알고리즘을 사용하여 상기 이미지들에서 키포인트들을 식별하거나; 또는
상기 이미지들로부터 얼굴 특징들을 식별하고 상기 식별된 얼굴 특징들을 3D 공간의 포인트들로 기술하도록 프로그래밍되는,
사용자의 얼굴의 3D 모델을 생성하기 위한 시스템. - 제13 항에 있어서,
상기 이미지들을 융합시키기 위해, 상기 하드웨어 프로세서는 번들 조정 알고리즘을 사용하여 상기 키포인트들 또는 얼굴 특징들을 결합하도록 프로그래밍되는,
사용자의 얼굴의 3D 모델을 생성하기 위한 시스템. - 사용자의 얼굴의 3-차원(3D) 모델을 생성하기 위한 방법으로서,
사용자의 얼굴 모델을 생성하기 위한 요청을 수신하는 단계;
상기 사용자의 얼굴의 이미징을 개시하기 위한 트리거를 검출하는 단계 ― 상기 트리거는 상기 사용자의 머리에 HMD(head-mounted display)를 착용하거나 상기 사용자의 머리로부터 상기 HMD를 벗는 것을 포함하는, IMU(inertial measurement unit에 의해 검출된 움직임을 포함하고, 상기 IMU는 상기 HMD와 연관되고 상기 HMD의 움직임들을 검출하도록 구성됨 ―;
상기 트리거를 검출하는 것에 대한 응답으로, 웨어러블 디바이스의 내향 이미징 시스템에 의해 획득된 사용자의 머리의 이미지들에 액세스하는 단계 ― 상기 내향 이미징 시스템은 적어도 하나의 눈 카메라를 포함하고, 상기 내향 이미징 시스템은 상기 사용자가 상기 HMD를 착용하는 동안 상기 사용자의 얼굴의 적어도 일부를 이미징하도록 구성됨 ―;
상기 IMU 또는 상기 내향 이미징 시스템 중 적어도 하나로부터 획득된 데이터에 기초하여 상기 이미징을 중지시키기 위한 중지 조건을 검출하는 단계;
상기 액세스된 이미지들로부터 이미지들의 복수의 쌍들을 식별하는 단계;
상기 이미지들의 복수의 쌍들에 스테레오 비전 알고리즘을 적용함으로써 상기 이미지들을 분석하는 단계; 및
얼굴 모델을 생성하도록 상기 분석하는 단계로부터 획득된 출력들을 융합시키는 단계를 포함하는,
사용자의 얼굴의 3D 모델을 생성하기 위한 방법. - 제15 항에 있어서,
상기 출력들은 상기 얼굴과 상기 웨어러블 디바이스 간의 거리들에 관한 정보를 포함하는, 상기 사용자의 얼굴과 연관된 깊이 맵을 포함하는,
사용자의 얼굴의 3D 모델을 생성하기 위한 방법. - 제15 항에 있어서,
상기 이미지들은 상기 웨어러블 디바이스가 상기 사용자에게 착용되거나 상기 사용자로부터 벗겨질 때 획득되는,
사용자의 얼굴의 3D 모델을 생성하기 위한 방법. - 제15 항에 있어서,
상기 적어도 하나의 눈 카메라는 제1 눈 카메라 및 제2 눈 카메라를 포함하고, 한 쌍의 이미지들은, 각각, 상기 제1 눈 카메라 및 상기 제2 눈 카메라에 의해 동시에 획득되는 제1 이미지 및 제2 이미지를 포함하는,
사용자의 얼굴의 3D 모델을 생성하기 위한 방법. - 제15 항에 있어서,
상기 이미지들을 분석하는 단계는 상기 이미지들의 복수의 쌍들을 포인트 클라우드들로 변환하는 단계를 포함하는,
사용자의 얼굴의 3D 모델을 생성하기 위한 방법. - 제19 항에 있어서,
상기 출력들을 융합시키는 단계는 ICP(Iterative Closest Point) 알고리즘을 사용하여 상기 포인트 클라우드들을 결합하는 단계를 포함하는,
사용자의 얼굴의 3D 모델을 생성하기 위한 방법.
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201662400907P | 2016-09-28 | 2016-09-28 | |
| US62/400,907 | 2016-09-28 | ||
| PCT/US2017/053729 WO2018064169A1 (en) | 2016-09-28 | 2017-09-27 | Face model capture by a wearable device |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20190054119A KR20190054119A (ko) | 2019-05-21 |
| KR102491438B1 true KR102491438B1 (ko) | 2023-01-25 |
Family
ID=61687208
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020197010685A KR102491438B1 (ko) | 2016-09-28 | 2017-09-27 | 웨어러블 디바이스에 의한 얼굴 모델 캡처 |
Country Status (9)
| Country | Link |
|---|---|
| US (4) | US10976549B2 (ko) |
| EP (2) | EP4220280A1 (ko) |
| JP (2) | JP6964132B2 (ko) |
| KR (1) | KR102491438B1 (ko) |
| CN (2) | CN110023814B (ko) |
| AU (2) | AU2017335736B2 (ko) |
| CA (1) | CA3037047A1 (ko) |
| IL (1) | IL265520B2 (ko) |
| WO (1) | WO2018064169A1 (ko) |
Families Citing this family (28)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112651288B (zh) * | 2014-06-14 | 2022-09-20 | 奇跃公司 | 用于产生虚拟和增强现实的方法和*** |
| US10359806B2 (en) * | 2016-03-28 | 2019-07-23 | Sony Interactive Entertainment Inc. | Pressure sensing to identify fitness and comfort of virtual reality headset |
| US10976549B2 (en) | 2016-09-28 | 2021-04-13 | Magic Leap, Inc. | Face model capture by a wearable device |
| US11944481B1 (en) * | 2018-02-23 | 2024-04-02 | Robert Edwin Douglas | Method and apparatus for predicting an image analysis tool based on user behavior |
| JP2021081757A (ja) * | 2018-03-12 | 2021-05-27 | ソニーグループ株式会社 | 情報処理装置、情報処理方法、および、プログラム |
| US10475196B2 (en) * | 2018-03-22 | 2019-11-12 | Microsoft Technology Licensing, Llc | Hybrid depth detection and movement detection |
| US10728518B2 (en) * | 2018-03-22 | 2020-07-28 | Microsoft Technology Licensing, Llc | Movement detection in low light environments |
| US10565720B2 (en) | 2018-03-27 | 2020-02-18 | Microsoft Technology Licensing, Llc | External IR illuminator enabling improved head tracking and surface reconstruction for virtual reality |
| US11624909B2 (en) | 2018-06-18 | 2023-04-11 | Magic Leap, Inc. | Head-mounted display systems with power saving functionality |
| US10549186B2 (en) * | 2018-06-26 | 2020-02-04 | Sony Interactive Entertainment Inc. | Multipoint SLAM capture |
| US11796833B2 (en) * | 2018-12-12 | 2023-10-24 | Solos Technology Limited | Modularized eyewear systems, apparatuses, and methods |
| US11835798B2 (en) | 2018-12-12 | 2023-12-05 | Solos Technology Limited | Eyewear systems, apparatuses, and methods for providing assistance to a user |
| US11871174B1 (en) | 2018-12-12 | 2024-01-09 | Solos Technology Limited | Personalized directional audio for head-worn audio projection systems, apparatuses, and methods |
| JP7293814B2 (ja) * | 2019-04-01 | 2023-06-20 | 株式会社リコー | 生体情報計測装置、生体情報計測方法およびプログラム |
| CN110287764B (zh) * | 2019-05-06 | 2022-01-11 | 深圳大学 | 姿势预测方法、装置、计算机设备和存储介质 |
| US11039651B1 (en) * | 2019-06-19 | 2021-06-22 | Facebook Technologies, Llc | Artificial reality hat |
| WO2020264101A1 (en) * | 2019-06-25 | 2020-12-30 | The Regents Of The University Of California | Systems and methods for characterizing joint attention during real world interaction |
| CN110310373B (zh) * | 2019-06-28 | 2023-12-12 | 京东方科技集团股份有限公司 | 一种增强现实设备的图像处理方法和增强现实设备 |
| US11445170B2 (en) * | 2019-07-12 | 2022-09-13 | Magic Leap, Inc. | Eyeball camera system and methods for display system calibration |
| US11687778B2 (en) | 2020-01-06 | 2023-06-27 | The Research Foundation For The State University Of New York | Fakecatcher: detection of synthetic portrait videos using biological signals |
| US20210327121A1 (en) * | 2020-04-15 | 2021-10-21 | Sirisilp Kongsilp | Display based mixed-reality device |
| CN111523480B (zh) * | 2020-04-24 | 2021-06-18 | 北京嘀嘀无限科技发展有限公司 | 一种面部遮挡物的检测方法、装置、电子设备及存储介质 |
| CN111709302B (zh) * | 2020-05-21 | 2023-08-25 | 青岛小鸟看看科技有限公司 | 人脸表情检测方法、装置、头戴显示设备及存储介质 |
| CN112911356B (zh) * | 2020-05-29 | 2022-04-05 | 腾讯科技（深圳）有限公司 | 一种虚拟现实vr视频的播放方法及相关设备 |
| US11803237B2 (en) | 2020-11-14 | 2023-10-31 | Facense Ltd. | Controlling an eye tracking camera according to eye movement velocity |
| US11740322B2 (en) * | 2021-09-10 | 2023-08-29 | Htc Corporation | Head mounted display device and position device thereof |
| JP7200439B1 (ja) * | 2021-12-23 | 2023-01-06 | ソフトバンク株式会社 | アバター表示装置、アバター生成装置及びプログラム |
| CN116433432B (zh) * | 2023-04-18 | 2023-11-21 | 北京漂洋过海科技有限责任公司 | 一种大数据的智慧校园管理*** |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2013077076A1 (ja) * | 2011-11-24 | 2013-05-30 | 株式会社エヌ・ティ・ティ・ドコモ | 表情出力装置及び表情出力方法 |
| US20130154906A1 (en) * | 2011-07-20 | 2013-06-20 | Max Braun | Determining whether a wearable device is in use |
| JP2014064248A (ja) | 2012-09-24 | 2014-04-10 | Ntt Docomo Inc | 画像投影装置及び画像投影方法 |
| US20150310263A1 (en) * | 2014-04-29 | 2015-10-29 | Microsoft Corporation | Facial expression tracking |
| US20160217621A1 (en) | 2015-01-28 | 2016-07-28 | Sony Computer Entertainment Europe Limited | Image processing |
Family Cites Families (69)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6222525B1 (en) | 1992-03-05 | 2001-04-24 | Brad A. Armstrong | Image controllers with sheet connected sensors |
| US5670988A (en) | 1995-09-05 | 1997-09-23 | Interlink Electronics, Inc. | Trigger operated electronic device |
| EP1039417B1 (en) * | 1999-03-19 | 2006-12-20 | Max-Planck-Gesellschaft zur Förderung der Wissenschaften e.V. | Method and device for the processing of images based on morphable models |
| US7255437B2 (en) | 2003-10-09 | 2007-08-14 | Howell Thomas A | Eyeglasses with activity monitoring |
| USD514570S1 (en) | 2004-06-24 | 2006-02-07 | Microsoft Corporation | Region of a fingerprint scanning device with an illuminated ring |
| WO2006017771A1 (en) | 2004-08-06 | 2006-02-16 | University Of Washington | Variable fixation viewing distance scanned light displays |
| US11428937B2 (en) | 2005-10-07 | 2022-08-30 | Percept Technologies | Enhanced optical and perceptual digital eyewear |
| US8696113B2 (en) | 2005-10-07 | 2014-04-15 | Percept Technologies Inc. | Enhanced optical and perceptual digital eyewear |
| US20070081123A1 (en) | 2005-10-07 | 2007-04-12 | Lewis Scott W | Digital eyewear |
| JP5434569B2 (ja) * | 2009-12-22 | 2014-03-05 | ソニー株式会社 | 情報処理装置および方法、並びにプログラム |
| US20130278631A1 (en) * | 2010-02-28 | 2013-10-24 | Osterhout Group, Inc. | 3d positioning of augmented reality information |
| US9304319B2 (en) | 2010-11-18 | 2016-04-05 | Microsoft Technology Licensing, Llc | Automatic focus improvement for augmented reality displays |
| KR20120064557A (ko) | 2010-12-09 | 2012-06-19 | 한국전자통신연구원 | 증강형 3차원 입체 영상 제시를 위한 혼합현실 디스플레이 플랫폼 및 운영 방법 |
| KR101890328B1 (ko) | 2010-12-24 | 2018-08-21 | 매직 립, 인코포레이티드 | 인체공학적 머리 장착식 디스플레이 장치 및 광학 시스템 |
| US10156722B2 (en) | 2010-12-24 | 2018-12-18 | Magic Leap, Inc. | Methods and systems for displaying stereoscopy with a freeform optical system with addressable focus for virtual and augmented reality |
| EP3462286A1 (en) | 2011-05-06 | 2019-04-03 | Magic Leap, Inc. | Massive simultaneous remote digital presence world |
| CN103380625A (zh) | 2011-06-16 | 2013-10-30 | 松下电器产业株式会社 | 头戴式显示器及其位置偏差调整方法 |
| KR20140059213A (ko) | 2011-08-30 | 2014-05-15 | 마이크로소프트 코포레이션 | 홍채 스캔 프로파일링을 이용하는 헤드 마운티드 디스플레이 |
| WO2013049861A1 (en) | 2011-09-29 | 2013-04-04 | Magic Leap, Inc. | Tactile glove for human-computer interaction |
| US20130083003A1 (en) | 2011-09-30 | 2013-04-04 | Kathryn Stone Perez | Personal audio/visual system |
| CA3164530C (en) | 2011-10-28 | 2023-09-19 | Magic Leap, Inc. | System and method for augmented and virtual reality |
| JP6250547B2 (ja) | 2011-11-23 | 2017-12-20 | マジック リープ， インコーポレイテッドＭａｇｉｃ Ｌｅａｐ，Ｉｎｃ． | ３次元仮想現実および拡張現実表示システム |
| CA3111134A1 (en) | 2012-04-05 | 2013-10-10 | Magic Leap, Inc. | Wide-field of view (fov) imaging devices with active foveation capability |
| US9671566B2 (en) | 2012-06-11 | 2017-06-06 | Magic Leap, Inc. | Planar waveguide apparatus with diffraction element(s) and system employing same |
| CN107817555A (zh) | 2012-06-11 | 2018-03-20 | 奇跃公司 | 使用波导反射器阵列投射器的多深度平面三维显示器 |
| US20130339433A1 (en) | 2012-06-15 | 2013-12-19 | Duke University | Method and apparatus for content rating using reaction sensing |
| KR102099262B1 (ko) | 2012-07-11 | 2020-04-09 | 가부시키가이샤 한도오따이 에네루기 켄큐쇼 | 액정 표시 장치, 및 액정 표시 장치의 구동 방법 |
| JP6064464B2 (ja) * | 2012-09-10 | 2017-01-25 | セイコーエプソン株式会社 | 頭部装着型表示装置、頭部装着型表示装置の制御方法、および、認証システム |
| US20140071163A1 (en) * | 2012-09-11 | 2014-03-13 | Peter Tobias Kinnebrew | Augmented reality information detail |
| WO2014043196A1 (en) | 2012-09-11 | 2014-03-20 | Magic Leap, Inc | Ergonomic head mounted display device and optical system |
| US8860634B2 (en) * | 2012-10-11 | 2014-10-14 | Sony Computer Entertainment Europe Limited | Head mountable display |
| US9996150B2 (en) * | 2012-12-19 | 2018-06-12 | Qualcomm Incorporated | Enabling augmented reality using eye gaze tracking |
| IL293789B2 (en) | 2013-01-15 | 2023-08-01 | Magic Leap Inc | A system for scanning electromagnetic imaging radiation |
| US10163049B2 (en) * | 2013-03-08 | 2018-12-25 | Microsoft Technology Licensing, Llc | Inconspicuous tag for generating augmented reality experiences |
| IL308285B1 (en) | 2013-03-11 | 2024-07-01 | Magic Leap Inc | System and method for augmentation and virtual reality |
| CA3160567A1 (en) | 2013-03-15 | 2014-09-18 | Magic Leap, Inc. | Display system and method |
| US9264803B1 (en) | 2013-06-05 | 2016-02-16 | Google Inc. | Using sounds for determining a worn state of a wearable computing device |
| US10019057B2 (en) | 2013-06-07 | 2018-07-10 | Sony Interactive Entertainment Inc. | Switching mode of operation in a head mounted display |
| US10262462B2 (en) | 2014-04-18 | 2019-04-16 | Magic Leap, Inc. | Systems and methods for augmented and virtual reality |
| US9874749B2 (en) | 2013-11-27 | 2018-01-23 | Magic Leap, Inc. | Virtual and augmented reality systems and methods |
| US9256987B2 (en) * | 2013-06-24 | 2016-02-09 | Microsoft Technology Licensing, Llc | Tracking head movement when wearing mobile device |
| US20140375542A1 (en) | 2013-06-25 | 2014-12-25 | Steve Robbins | Adjusting a near-eye display device |
| KR102270674B1 (ko) * | 2013-09-30 | 2021-07-01 | 삼성전자주식회사 | 생체인식 카메라 |
| CA2927818C (en) | 2013-10-16 | 2021-11-30 | Magic Leap, Inc. | Virtual or augmented reality headsets having adjustable interpupillary distance |
| JP2015092646A (ja) * | 2013-11-08 | 2015-05-14 | ソニー株式会社 | 情報処理装置、制御方法、およびプログラム |
| IL305162A (en) | 2013-11-27 | 2023-10-01 | Magic Leap Inc | Virtual and augmented reality systems and methods |
| US9857591B2 (en) | 2014-05-30 | 2018-01-02 | Magic Leap, Inc. | Methods and system for creating focal planes in virtual and augmented reality |
| EP2887639A1 (en) * | 2013-12-18 | 2015-06-24 | Microsoft Technology Licensing, LLC | Augmented reality information detail |
| KR102207799B1 (ko) | 2014-01-31 | 2021-01-26 | 매직 립, 인코포레이티드 | 멀티-포컬 디스플레이 시스템 및 방법 |
| WO2015117043A1 (en) | 2014-01-31 | 2015-08-06 | Magic Leap, Inc. | Multi-focal display system and method |
| US10203762B2 (en) | 2014-03-11 | 2019-02-12 | Magic Leap, Inc. | Methods and systems for creating virtual and augmented reality |
| US10430985B2 (en) | 2014-03-14 | 2019-10-01 | Magic Leap, Inc. | Augmented reality systems and methods utilizing reflections |
| EP3140780B1 (en) | 2014-05-09 | 2020-11-04 | Google LLC | Systems and methods for discerning eye signals and continuous biometric identification |
| USD759657S1 (en) | 2014-05-19 | 2016-06-21 | Microsoft Corporation | Connector with illumination region |
| KR102193052B1 (ko) | 2014-05-30 | 2020-12-18 | 매직 립, 인코포레이티드 | 가상 또는 증강 현실 장치로 가상 콘텐츠 디스플레이를 생성하기 위한 방법들 및 시스템들 |
| USD752529S1 (en) | 2014-06-09 | 2016-03-29 | Comcast Cable Communications, Llc | Electronic housing with illuminated region |
| CN112651288B (zh) * | 2014-06-14 | 2022-09-20 | 奇跃公司 | 用于产生虚拟和增强现实的方法和*** |
| US20160025971A1 (en) * | 2014-07-25 | 2016-01-28 | William M. Crow | Eyelid movement as user input |
| US9719871B2 (en) | 2014-08-09 | 2017-08-01 | Google Inc. | Detecting a state of a wearable device |
| US9922236B2 (en) | 2014-09-17 | 2018-03-20 | Toyota Motor Engineering & Manufacturing North America, Inc. | Wearable eyeglasses for providing social and environmental awareness |
| US9808185B2 (en) | 2014-09-23 | 2017-11-07 | Fitbit, Inc. | Movement measure generation in a wearable electronic device |
| US9728010B2 (en) * | 2014-12-30 | 2017-08-08 | Microsoft Technology Licensing, Llc | Virtual representations of real-world objects |
| JP2016149660A (ja) | 2015-02-13 | 2016-08-18 | ソニー株式会社 | 情報処理装置、情報処理方法、およびプログラム |
| USD758367S1 (en) | 2015-05-14 | 2016-06-07 | Magic Leap, Inc. | Virtual reality headset |
| US9652896B1 (en) | 2015-10-30 | 2017-05-16 | Snap Inc. | Image based tracking in augmented reality systems |
| AU2017210289B2 (en) * | 2016-01-19 | 2021-10-21 | Magic Leap, Inc. | Augmented reality systems and methods utilizing reflections |
| US10359806B2 (en) * | 2016-03-28 | 2019-07-23 | Sony Interactive Entertainment Inc. | Pressure sensing to identify fitness and comfort of virtual reality headset |
| US10976549B2 (en) | 2016-09-28 | 2021-04-13 | Magic Leap, Inc. | Face model capture by a wearable device |
| JP6212667B1 (ja) | 2016-12-26 | 2017-10-11 | 株式会社コロプラ | 仮想空間を介して通信するためにコンピュータで実行される方法、当該方法をコンピュータに実行させるプログラム、および、情報処理装置 |
-
2017
- 2017-09-27 US US15/717,223 patent/US10976549B2/en active Active
- 2017-09-27 JP JP2019515206A patent/JP6964132B2/ja active Active
- 2017-09-27 WO PCT/US2017/053729 patent/WO2018064169A1/en unknown
- 2017-09-27 IL IL265520A patent/IL265520B2/en unknown
- 2017-09-27 AU AU2017335736A patent/AU2017335736B2/en not_active Ceased
- 2017-09-27 EP EP23168280.8A patent/EP4220280A1/en active Pending
- 2017-09-27 EP EP17857333.3A patent/EP3519878B1/en active Active
- 2017-09-27 CA CA3037047A patent/CA3037047A1/en active Pending
- 2017-09-27 CN CN201780072862.7A patent/CN110023814B/zh active Active
- 2017-09-27 CN CN202210024536.1A patent/CN114356098A/zh active Pending
- 2017-09-27 KR KR1020197010685A patent/KR102491438B1/ko active IP Right Grant
-
2021
- 2021-03-09 US US17/196,394 patent/US11428941B2/en active Active
- 2021-10-18 JP JP2021170260A patent/JP7186844B2/ja active Active
-
2022
- 2022-07-25 US US17/872,443 patent/US11740474B2/en active Active
- 2022-11-09 AU AU2022268332A patent/AU2022268332A1/en not_active Abandoned
-
2023
- 2023-06-30 US US18/345,396 patent/US20230359044A1/en active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130154906A1 (en) * | 2011-07-20 | 2013-06-20 | Max Braun | Determining whether a wearable device is in use |
| WO2013077076A1 (ja) * | 2011-11-24 | 2013-05-30 | 株式会社エヌ・ティ・ティ・ドコモ | 表情出力装置及び表情出力方法 |
| JP2014064248A (ja) | 2012-09-24 | 2014-04-10 | Ntt Docomo Inc | 画像投影装置及び画像投影方法 |
| US20150310263A1 (en) * | 2014-04-29 | 2015-10-29 | Microsoft Corporation | Facial expression tracking |
| US20160217621A1 (en) | 2015-01-28 | 2016-07-28 | Sony Computer Entertainment Europe Limited | Image processing |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110023814B (zh) | 2022-01-11 |
| US20220357582A1 (en) | 2022-11-10 |
| JP6964132B2 (ja) | 2021-11-10 |
| KR20190054119A (ko) | 2019-05-21 |
| US11740474B2 (en) | 2023-08-29 |
| JP7186844B2 (ja) | 2022-12-09 |
| JP2022009208A (ja) | 2022-01-14 |
| US20210223552A1 (en) | 2021-07-22 |
| AU2017335736A1 (en) | 2019-04-11 |
| IL265520B2 (en) | 2023-09-01 |
| JP2019531014A (ja) | 2019-10-24 |
| EP3519878A1 (en) | 2019-08-07 |
| CN114356098A (zh) | 2022-04-15 |
| IL265520B1 (en) | 2023-05-01 |
| AU2022268332A1 (en) | 2022-12-15 |
| CA3037047A1 (en) | 2018-04-05 |
| EP4220280A1 (en) | 2023-08-02 |
| IL265520A (en) | 2019-05-30 |
| EP3519878B1 (en) | 2023-04-19 |
| WO2018064169A1 (en) | 2018-04-05 |
| EP3519878A4 (en) | 2020-06-10 |
| US11428941B2 (en) | 2022-08-30 |
| US10976549B2 (en) | 2021-04-13 |
| US20180088340A1 (en) | 2018-03-29 |
| CN110023814A (zh) | 2019-07-16 |
| AU2017335736B2 (en) | 2022-08-11 |
| US20230359044A1 (en) | 2023-11-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102491438B1 (ko) | 웨어러블 디바이스에 의한 얼굴 모델 캡처 | |
| US11906742B2 (en) | Periocular test for mixed reality calibration | |
| US11636652B2 (en) | Periocular and audio synthesis of a full face image | |
| US20230281988A1 (en) | Systems and methods for temporarily disabling user control interfaces during attachment of an electronic device |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |