KR20240066616A - 3차원 모델 및 거리뷰 영상을 이용한 시각 특징맵 생성 방법 및 시스템 - Google Patents
3차원 모델 및 거리뷰 영상을 이용한 시각 특징맵 생성 방법 및 시스템 Download PDFInfo
- Publication number
- KR20240066616A KR20240066616A KR1020220147616A KR20220147616A KR20240066616A KR 20240066616 A KR20240066616 A KR 20240066616A KR 1020220147616 A KR1020220147616 A KR 1020220147616A KR 20220147616 A KR20220147616 A KR 20220147616A KR 20240066616 A KR20240066616 A KR 20240066616A
- Authority
- KR
- South Korea
- Prior art keywords
- street view
- view image
- information
- absolute coordinate
- generating
- Prior art date
Links
- 230000000007 visual effect Effects 0.000 title claims abstract description 94
- 238000000034 method Methods 0.000 title claims abstract description 75
- 238000009877 rendering Methods 0.000 claims abstract 2
- 230000010365 information processing Effects 0.000 claims description 117
- 230000015654 memory Effects 0.000 claims description 39
- 238000004891 communication Methods 0.000 claims description 28
- 230000011218 segmentation Effects 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 4
- 238000013135 deep learning Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 16
- 239000000284 extract Substances 0.000 description 16
- 230000008569 process Effects 0.000 description 15
- 230000006870 function Effects 0.000 description 9
- 238000012545 processing Methods 0.000 description 7
- 230000014509 gene expression Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000005291 magnetic effect Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 241000699670 Mus sp. Species 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/10—Geometric effects
- G06T15/20—Perspective computation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/06—Topological mapping of higher dimensional structures onto lower dimensional surfaces
- G06T3/067—Reshaping or unfolding 3D tree structures onto 2D planes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
- G06T7/344—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
- G06T7/536—Depth or shape recovery from perspective effects, e.g. by using vanishing points
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Remote Sensing (AREA)
- Processing Or Creating Images (AREA)
Abstract
본 개시는 적어도 하나의 프로세서에 의해 수행되는, 3차원 모델 및 거리뷰 영상을 이용한 시각 특징맵 생성 방법에 관한 것이다. 3차원 모델 및 거리뷰 영상을 이용한 시각 특징맵 생성 방법은, 절대좌표 위치로 표현된 3차원 기하정보를 포함하는 특정 지역에 대한 3차원 모델을 수신하는 단계, 특정 지역 내의 제1 노드에서 촬영된 제1 거리뷰 영상을 수신하는 단계, 제1 거리뷰 영상의 절대좌표 위치 정보 및 방향 정보에 기초하여, 3차원 모델에 포함된 3차원 기하정보 중 적어도 일부를 제1 거리뷰 영상에 투영하여 제1 거리뷰 영상과 연관된 뎁스 맵을 렌더링하는 단계, 제1 거리뷰 영상으로부터 제1 세트의 특징점을 추출하는 단계, 뎁스 맵에 기초하여, 제1 세트의 특징점의 전부 또는 일부의 절대좌표 위치 정보를 결정하는 단계 및 제1 세트의 특징점 각각에 대해 절대좌표 위치 정보 및 시각 특징 기술자(visual feature descriptor)를 서로 연관시켜 저장함으로써, 제1 거리뷰 영상과 연관된 제1 시각 특징맵을 생성하는 단계를 포함한다.
Description
본 개시는 3차원 모델 및 거리뷰 영상을 이용한 시각 특징맵 생성 방법 및 시스템에 관한 것으로, 구체적으로, 3차원 모델의 절대좌표 위치 정보가 정합된 거리뷰 영상을 이용하여 자동으로 시각 특징맵을 생성하는 방법 및 시스템에 관한 것이다.
자율주행 기술은 차량에 부착된 레이더, LIDAR(light detection and ranging), GPS(global positioning system), 카메라 등을 이용하여 주위의 환경을 인식함으로써, 사람의 최소한의 개입 또는 사람의 개입 없이 자율적으로 차량을 주행할 수 있는 기술을 지칭한다. 주행 환경은 도로 영역에서의 차량, 교통 구조물 및 도로 외곽 영역에서의 건축물 등 자율주행에 영향을 미치는 요소가 다양하므로, 차량에 부착된 장치를 이용하여 차량의 주변의 환경을 정확하게 인식하는 것은 자율주행 기술의 상용화를 위한 안전성 확보에 중요한 요소에 해당한다.
차량의 주변의 환경을 정확하게 인식하기 위해서는 정밀한 3차원 기하 정보와 위치정보를 가진 자율주행 차량 시점에서의 영상 정보를 이용하여 주행 환경에 대한 시각 특징맵 생성하는 것이 필수적이다. 다만, 3차원 기하 정보와 영상 정보를 취득하기 위해서는, 고가의 라이다 센서와 카메라, 고정밀 GPS를 포함하는 차량기반 멀티센서 측량 시스템(Mobile Mapping System, MMS)이 장착된 차량을 이용하여 대상 지역에 대한 매핑 데이터 취득이 필요하다. 그러나, 이는 데이터 취득이 필요한 지역에 차량을 직접 운행하여 데이터를 취득해야 하므로 비용과 노력이 많이 소요되는 문제가 있다.
또한, 거리뷰 서비스를 제공하기 위해 촬영된 거리뷰 영상을 이용하여 시각 특징맵을 생성하는 방법도 고려되었으나, 거리뷰 영상을 촬영할 때 차량의 GPS 장비를 이용하여 획득된 위치 정보는 5 내지 10 미터 정도의 오차가 있다는 문제가 있다. 이러한 위치 정보의 부정확성을 해소하기 위해, 차량에 고가의 GPS 장비를 장착하여 고정밀도의 위치 정보를 획득하면서 거리뷰 영상을 촬영할 수 있으나, 이는 높은 비용이 발생하며, 기존에 이미 촬영한 거리뷰 영상을 활용할 수 없다는 문제가 있다.
본 개시는 상기와 같은 문제점을 해결하기 위한 방법, 기록매체에 저장된 컴퓨터 프로그램 및 장치(시스템)를 제공한다.
본 개시는 방법, 장치(시스템) 또는 판독 가능 저장 매체에 저장된 컴퓨터 프로그램을 포함한 다양한 방식으로 구현될 수 있다.
본 개시의 일 실시예에 따르면, 적어도 하나의 프로세서에 의해 수행되는, 3차원 모델 및 거리뷰 영상을 이용한 시각 특징맵 생성 방법은, 절대좌표 위치로 표현된 3차원 기하정보를 포함하는 특정 지역에 대한 3차원 모델을 수신하는 단계, 특정 지역 내의 제1 노드에서 촬영된 제1 거리뷰 영상을 수신하는 단계, 제1 거리뷰 영상의 절대좌표 위치 정보 및 방향 정보에 기초하여, 3차원 모델에 포함된 3차원 기하정보 중 적어도 일부를 제1 거리뷰 영상에 투영하여 제1 거리뷰 영상과 연관된 뎁스 맵(depth map)을 렌더링하는 단계, 제1 거리뷰 영상으로부터 제1 세트의 특징점(feature point)을 추출하는 단계, 뎁스 맵에 기초하여, 제1 세트의 특징점의 전부 또는 일부의 절대좌표 위치 정보를 결정하는 단계 및 제1 세트의 특징점 각각에 대해 절대좌표 위치 정보 및 시각 특징 기술자(visual feature descriptor)를 서로 연관시켜 저장함으로써, 제1 거리뷰 영상과 연관된 제1 시각 특징맵을 생성하는 단계를 포함한다.
본 개시의 일 실시예에 따른 방법을 컴퓨터에서 실행하기 위해 컴퓨터로 판독 가능한 기록 매체에 저장된 컴퓨터 프로그램이 제공된다.
본 개시의 일 실시예에 따르면, 정보 처리 시스템은 통신 모듈, 메모리, 및 메모리와 연결되고, 메모리에 포함된 컴퓨터 판독 가능한 적어도 하나의 프로그램을 실행하도록 구성된 적어도 하나의 프로세서를 포함하고, 적어도 하나의 프로그램은, 절대좌표 위치로 표현된 3차원 기하정보를 포함하는 특정 지역에 대한 3차원 모델을 수신하고, 특정 지역 내의 제1 노드에서 촬영된 제1 거리뷰 영상을 수신하고, 제1 거리뷰 영상의 절대좌표 위치 정보 및 방향 정보에 기초하여, 3차원 모델에 포함된 3차원 기하정보 중 적어도 일부를 제1 거리뷰 영상에 투영하여 제1 거리뷰 영상과 연관된 뎁스 맵(depth map)을 렌더링하고, 제1 거리뷰 영상으로부터 제1 세트의 특징점(feature point)을 추출하고, 뎁스 맵에 기초하여, 제1 세트의 특징점의 전부 또는 일부의 절대좌표 위치 정보를 결정하고, 제1 세트의 특징점 각각에 대해 절대좌표 위치 정보 및 시각 특징 기술자(visual feature descriptor)를 서로 연관시켜 저장함으로써, 제1 거리뷰 영상과 연관된 제1 시각 특징맵을 생성하기 위한 명령어들을 포함한다.
본 개시의 일 실시예에 따르면, 차량기반 멀티센서 측량 시스템이 장착된 차량을 이용하는 대신, 항공 영상 측량 등을 통해 생성된 3차원 건물 모델 정보 및 거리뷰 서비스를 위해 이미 촬영된 거리뷰 영상을 이용하므로, 시각 특징맵을 획득하는 비용과 노력을 절감할 수 있다.
본 개시의 일 실시예에 따르면, 이진 마스크를 이용하여 거리뷰 영상에 포함된 복수의 환경 정보 가운데 자율주행과 연관된 객체를 추출하고, 이에 대한 시각 특징맵을 생성할 수 있으므로, 시각 특징맵의 품질을 향상시킬 수 있다.
본 개시의 효과는 이상에서 언급한 효과로 제한되지 않으며, 언급되지 않은 다른 효과들은 청구범위의 기재로부터 본 개시가 속하는 기술분야에서 통상의 지식을 가진 자(“통상의 기술자”라 함)에게 명확하게 이해될 수 있을 것이다.
본 개시의 실시예들은, 이하 설명하는 첨부 도면들을 참조하여 설명될 것이며, 여기서 유사한 참조 번호는 유사한 요소들을 나타내지만, 이에 한정되지는 않는다.
도 1은 본 개시의 일 실시예에 따른 3차원 모델과 거리뷰 데이터를 정합시키는 방법의 예시를 나타내는 도면이다.
도 2는 본 개시의 일 실시예에 따른 정보 처리 시스템이 복수의 사용자 단말과 통신 가능하도록 연결된 구성을 나타내는 개요도이다.
도 3은 본 개시의 일 실시예에 따른 사용자 단말 및 정보 처리 시스템의 내부 구성을 나타내는 블록도이다.
도 4는 본 개시의 일 실시예에 따른 3차원 모델 및 거리뷰 영상을 기초로 거리뷰 영상과 연관된 시각 특징맵을 생성하는 과정의 예시를 나타내는 도면이다.
도 5는 본 개시의 일 실시예에 따른 정합된 거리뷰 데이터 및 3차원 모델을 기초로 제1 거리뷰 영상과 연관된 시각 특징맵을 생성하는 구체적인 방법을 나타내는 블록도이다.
도 6은 본 개시의 다른 실시예에 따른 정합된 거리뷰 데이터, 3차원 모델, 이진 마스크 및 도로 교통 구조물에 대한 3차원 평면 정보를 기초로 제1 거리뷰 영상과 연관된 시각 특징맵을 생성하는 구체적인 방법을 나타내는 블록도이다.
도 7은 본 개시의 일 실시예에 따른 거리뷰 영상을 기초로 이진 마스크를 생성하는 과정의 예시를 나타내는 도면이다.
도 8은 본 개시의 일 실시예에 따른 제1 거리뷰 영상 및 제2 거리뷰 영상 내 도로 교통 구조물에 대한 스테레오 매칭을 수행하는 과정의 예시를 나타내는 도면이다.
도 9는 본 개시의 일 실시예에 따른 복수의 도로 교통 구조물에 대한 3차원 평면 정보 맵의 예시를 나타낸다.
도 10은 본 개시의 일 실시예에 따른 거리뷰 영상을 기초로 생성된 복수의 평면 이미지를 이용하여 거리뷰 영상에서 제1 세트의 특징점을 추출하는 과정의 예시를 나타낸다.
도 11은 본 개시의 일 실시예에 따른 도로 교통 구조물에 대한 절대좌표 위치 정보를 획득하는 과정의 예시를 나타낸다.
도 12는 본 개시의 일 실시예에 따른 특정 지역에 대한 시각 특징맵의 예시를 나타낸다.
도 13은 본 개시의 일 실시예에 따른 3차원 모델 및 거리뷰 영상을 이용한 시각 특징맵 생성 방법의 예시를 나타내는 흐름도이다.
도 1은 본 개시의 일 실시예에 따른 3차원 모델과 거리뷰 데이터를 정합시키는 방법의 예시를 나타내는 도면이다.
도 2는 본 개시의 일 실시예에 따른 정보 처리 시스템이 복수의 사용자 단말과 통신 가능하도록 연결된 구성을 나타내는 개요도이다.
도 3은 본 개시의 일 실시예에 따른 사용자 단말 및 정보 처리 시스템의 내부 구성을 나타내는 블록도이다.
도 4는 본 개시의 일 실시예에 따른 3차원 모델 및 거리뷰 영상을 기초로 거리뷰 영상과 연관된 시각 특징맵을 생성하는 과정의 예시를 나타내는 도면이다.
도 5는 본 개시의 일 실시예에 따른 정합된 거리뷰 데이터 및 3차원 모델을 기초로 제1 거리뷰 영상과 연관된 시각 특징맵을 생성하는 구체적인 방법을 나타내는 블록도이다.
도 6은 본 개시의 다른 실시예에 따른 정합된 거리뷰 데이터, 3차원 모델, 이진 마스크 및 도로 교통 구조물에 대한 3차원 평면 정보를 기초로 제1 거리뷰 영상과 연관된 시각 특징맵을 생성하는 구체적인 방법을 나타내는 블록도이다.
도 7은 본 개시의 일 실시예에 따른 거리뷰 영상을 기초로 이진 마스크를 생성하는 과정의 예시를 나타내는 도면이다.
도 8은 본 개시의 일 실시예에 따른 제1 거리뷰 영상 및 제2 거리뷰 영상 내 도로 교통 구조물에 대한 스테레오 매칭을 수행하는 과정의 예시를 나타내는 도면이다.
도 9는 본 개시의 일 실시예에 따른 복수의 도로 교통 구조물에 대한 3차원 평면 정보 맵의 예시를 나타낸다.
도 10은 본 개시의 일 실시예에 따른 거리뷰 영상을 기초로 생성된 복수의 평면 이미지를 이용하여 거리뷰 영상에서 제1 세트의 특징점을 추출하는 과정의 예시를 나타낸다.
도 11은 본 개시의 일 실시예에 따른 도로 교통 구조물에 대한 절대좌표 위치 정보를 획득하는 과정의 예시를 나타낸다.
도 12는 본 개시의 일 실시예에 따른 특정 지역에 대한 시각 특징맵의 예시를 나타낸다.
도 13은 본 개시의 일 실시예에 따른 3차원 모델 및 거리뷰 영상을 이용한 시각 특징맵 생성 방법의 예시를 나타내는 흐름도이다.
이하, 본 개시의 실시를 위한 구체적인 내용을 첨부된 도면을 참조하여 상세히 설명한다. 다만, 이하의 설명에서는 본 개시의 요지를 불필요하게 흐릴 우려가 있는 경우, 널리 알려진 기능이나 구성에 관한 구체적 설명은 생략하기로 한다.
첨부된 도면에서, 동일하거나 대응하는 구성요소에는 동일한 참조부호가 부여되어 있다. 또한, 이하의 실시예들의 설명에 있어서, 동일하거나 대응되는 구성요소를 중복하여 기술하는 것이 생략될 수 있다. 그러나, 구성요소에 관한 기술이 생략되어도, 그러한 구성요소가 어떤 실시예에 포함되지 않는 것으로 의도되지는 않는다.
개시된 실시예의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 개시는 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 개시가 완전하도록 하고, 본 개시가 통상의 기술자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것일 뿐이다.
본 명세서에서 사용되는 용어에 대해 간략히 설명하고, 개시된 실시예에 대해 구체적으로 설명하기로 한다. 본 명세서에서 사용되는 용어는 본 개시에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 관련 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 발명의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서, 본 개시에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 개시의 전반에 걸친 내용을 토대로 정의되어야 한다.
본 명세서에서의 단수의 표현은 문맥상 명백하게 단수인 것으로 특정하지 않는 한, 복수의 표현을 포함한다. 또한, 복수의 표현은 문맥상 명백하게 복수인 것으로 특정하지 않는 한, 단수의 표현을 포함한다. 명세서 전체에서 어떤 부분이 어떤 구성요소를 포함한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있음을 의미한다.
또한, 명세서에서 사용되는 '모듈' 또는 '부'라는 용어는 소프트웨어 또는 하드웨어 구성요소를 의미하며, '모듈' 또는 '부'는 어떤 역할들을 수행한다. 그렇지만, '모듈' 또는 '부'는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. '모듈' 또는 '부'는 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서, '모듈' 또는 '부'는 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로 코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 또는 변수들 중 적어도 하나를 포함할 수 있다. 구성요소들과 '모듈' 또는 '부'들은 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 '모듈' 또는 '부'들로 결합되거나 추가적인 구성요소들과 '모듈' 또는 '부'들로 더 분리될 수 있다.
본 개시의 일 실시예에 따르면, '모듈' 또는 '부'는 프로세서 및 메모리로 구현될 수 있다. '프로세서'는 범용 프로세서, 중앙 처리 장치(CPU), 마이크로프로세서, 디지털 신호 프로세서(DSP), 제어기, 마이크로제어기, 상태 머신 등을 포함하도록 넓게 해석되어야 한다. 몇몇 환경에서, '프로세서'는 주문형 반도체(ASIC), 프로그램가능 로직 디바이스(PLD), 필드 프로그램가능 게이트 어레이(FPGA) 등을 지칭할 수도 있다. '프로세서'는, 예를 들어, DSP와 마이크로프로세서의 조합, 복수의 마이크로프로세서들의 조합, DSP 코어와 결합한 하나 이상의 마이크로프로세서들의 조합, 또는 임의의 다른 그러한 구성들의 조합과 같은 처리 디바이스들의 조합을 지칭할 수도 있다. 또한, '메모리'는 전자 정보를 저장 가능한 임의의 전자 컴포넌트를 포함하도록 넓게 해석되어야 한다. '메모리'는 임의 액세스 메모리(RAM), 판독-전용 메모리(ROM), 비-휘발성 임의 액세스 메모리(NVRAM), 프로그램가능 판독-전용 메모리(PROM), 소거-프로그램가능 판독 전용 메모리(EPROM), 전기적으로 소거가능 PROM(EEPROM), 플래쉬 메모리, 자기 또는 광학 데이터 저장장치, 레지스터들 등과 같은 프로세서-판독가능 매체의 다양한 유형들을 지칭할 수도 있다. 프로세서가 메모리로부터 정보를 판독하고/하거나 메모리에 정보를 기록할 수 있다면 메모리는 프로세서와 전자 통신 상태에 있다고 불린다. 프로세서에 집적된 메모리는 프로세서와 전자 통신 상태에 있다.
본 개시에서, '시스템'은 서버 장치와 클라우드 장치 중 적어도 하나의 장치를 포함할 수 있으나, 이에 한정되는 것은 아니다. 예를 들어, 시스템은 하나 이상의 서버 장치로 구성될 수 있다. 다른 예로서, 시스템은 하나 이상의 클라우드 장치로 구성될 수 있다. 또 다른 예로서, 시스템은 서버 장치와 클라우드 장치가 함께 구성되어 동작될 수 있다.
본 개시에서, '디스플레이'는 컴퓨팅 장치와 연관된 임의의 디스플레이 장치를 지칭할 수 있는데, 예를 들어, 컴퓨팅 장치에 의해 제어되거나 컴퓨팅 장치로부터 제공된 임의의 정보/데이터를 표시할 수 있는 임의의 디스플레이 장치를 지칭할 수 있다.
본 개시에서, '복수의 A의 각각' 또는 '복수의 A 각각'은 복수의 A에 포함된 모든 구성 요소의 각각을 지칭하거나, 복수의 A에 포함된 일부 구성 요소의 각각을 지칭할 수 있다.
도 1은 본 개시의 일 실시예에 따른 3차원 모델(110)과 거리뷰 데이터(120)를 정합시키는 방법의 예시를 나타내는 도면이다. 정보 처리 시스템은 특정 지역에 대한 3차원 모델(110) 및 거리뷰 데이터(120)를 획득/수신할 수 있다.
3차원 모델(110)은 절대좌표 위치로 표현된 3차원 기하정보 및 그에 대응하는 텍스처 정보를 포함할 수 있다. 여기서, 3차원 모델(110)에 포함된 위치 정보는 거리뷰 데이터(120)에 포함된 위치 정보보다 높은 정확도의 정보일 수 있다. 또한, 3차원 모델(110)에 포함된 텍스처 정보는 거리뷰 데이터(120)에 포함된 텍스처 정보보다 낮은 품질(예를 들어, 낮은 해상도)의 정보일 수 있다. 일 실시예에 따르면, 절대좌표 위치로 표현된 3차원 기하정보는 특정 지역의 상공에서 특정 지역을 촬영한 항공 사진에 기초하여 생성된 것일 수 있다.
특정 지역에 대한 3차원 모델(110)은 3차원 빌딩 모델(112), 수치 표고 모델(Digital Elevation Model; DEM)(114), 특정 지역에 대한 정사 영상(true ortho image)(116), 수치 표면 모델(Digital Surface Model; DSM), 도로 레이아웃, 도로 DEM 등을 포함할 수 있다. 구체적 예로, 특정 지역에 대한 3차원 모델(110)은, 특정 지역의 지면에 대한 기하 정보를 포함하는 수치 표면 모델(Digital Surface Model; DSM) 및 그에 대응하는 특정 지역에 대한 정사 영상(116)을 기초로 생성된 모델일 수 있으나, 이에 한정되지 않는다. 일 실시예에서, 복수의 항공 사진 및 각 항공 사진의 절대좌표 위치 정보 및 방향 정보를 기초로 특정 지역의 정밀한 정사 영상(116)을 생성할 수 있다.
거리뷰 데이터(120)는 특정 지역 내의 복수의 노드에서 촬영된 복수의 거리뷰 영상 및 복수의 거리뷰 영상 각각에 대한 절대좌표 위치 정보를 포함할 수 있다. 여기서, 거리뷰 데이터(120)에 포함된 위치 정보는 3차원 모델(110)에 포함된 위치 정보보다 낮은 정확도의 정보일 수 있고, 거리뷰 영상에 포함된 텍스처 정보는 3차원 모델(110)에 포함된 텍스처 정보보다 높은 품질(예를 들어, 높은 해상도)의 정보일 수 있다. 예를 들어, 거리뷰 데이터(120)에 포함된 위치 정보는 노드에서 거리뷰 영상을 촬영할 때 GPS 장비를 이용하여 획득된 위치 정보일 수 있다. 차량의 GPS 장비를 이용하여 획득된 위치 정보는 5~10 미터 정도의 오차가 있을 수 있다. 추가적으로, 거리뷰 데이터는 복수의 거리뷰 영상 각각에 대한 방향 정보(즉, 이미지 촬영 방향 정보)를 포함할 수 있다.
정보 처리 시스템은 3차원 모델(110)과 거리뷰 데이터(120) 사이의 맵매칭(130)을 수행할 수 있다. 구체적으로, 정보 처리 시스템은 3차원 모델(110)에 포함된 텍스처 정보와 거리뷰 데이터(120)에 포함된 복수의 거리뷰 영상 사이의 특징 매칭(feature matching)을 수행할 수 있다. 맵매칭(130)을 수행하기 위해, 정보 처리 시스템은 거리뷰 데이터(120)에 포함된 복수의 거리뷰 영상 중 적어도 일부를 탑뷰(top view) 영상으로 변환할 수 있다. 맵매칭(130)의 결과로서, 복수의 맵매칭 포인트/맵매칭 라인(132)을 추출할 수 있다.
맵매칭 포인트는 거리뷰 영상의 한 포인트와 3차원 모델(110)의 한 포인트의 대응쌍을 나타낼 수 있다. 맵매칭(130)에 이용되는 3차원 모델(110)의 종류, 포인트의 위치 등에 따라 맵매칭 포인트의 유형은 다양할 수 있다. 예를 들어, 맵매칭 포인트는, 특정 지역 내의 지면에서의 포인트 대응쌍인 그라운드 컨트롤 포인트(Ground Control Point; GCP), 특정 지역 내의 빌딩에서의 포인트 대응쌍인 빌딩 컨트롤 포인트(Building Control Point; BCP) 또는 특정 지역 내의 구조물에서의 포인트 대응쌍인 구조물 컨트롤 포인트 중 적어도 하나를 포함할 수 있다. 맵매칭 포인트는 상술한 지면, 빌딩, 구조물 뿐만 아니라 거리뷰 영상과 3차원 모델(110)의 임의의 영역에서 추출될 수 있다.
맵매칭 라인은 거리뷰 영상의 한 라인과 3차원 모델(110)의 한 라인의 대응쌍을 나타낼 수 있다. 맵매칭(130)에 이용되는 3차원 모델(110)의 종류, 라인의 위치 등에 따라 맵매칭 라인의 유형은 다양할 수 있다. 예를 들어, 맵매칭 라인은, 특정 지역 내의 지면에서의 라인 대응쌍인 그라운드 컨트롤 라인(Ground Control Line; GCL), 특정 지역 내의 빌딩에서의 라인 대응쌍인 빌딩 컨트롤 라인(Building Control Line; BCL), 특정 지역 내의 구조물에서의 라인 대응쌍인 구조물 컨트롤 라인 또는 특정 지역 내의 차선에서의 라인 대응쌍인 차선 컨트롤 라인 중 적어도 하나를 포함할 수 있다. 맵매칭 라인은 상술한 지면, 빌딩, 구조물, 차선 뿐만 아니라 거리뷰 영상과 3차원 모델(110)의 임의의 영역에서 추출될 수 있다.
또한, 정보 처리 시스템은 복수의 거리뷰 영상 사이의 특징 매칭(150)을 수행하여 복수의 특징점 대응 세트(152)를 추출할 수 있다. 일 실시예에 따르면, 강인한 특징 매칭을 위해, 3차원 모델(110)의 적어도 일부를 이용하여 복수의 거리뷰 영상 사이의 특징 매칭(150)을 수행할 수 있다. 예를 들어, 3차원 모델(110)에 포함된 3차원 빌딩 모델(112)을 이용하여 거리뷰 영상 사이의 특징 매칭(150)을 수행할 수 있다.
그런 다음, 정보 처리 시스템은 복수의 맵매칭 포인트/맵매칭 라인(132) 중 적어도 하나, 그리고 복수의 특징점 대응 세트(152) 중 적어도 일부에 기초하여 복수의 거리뷰 영상에 대한 절대좌표 위치 정보 및 방향 정보를 추정(160)할 수 있다. 예를 들어, 프로세서는 번들 조정 기법(bundle adjustment)을 이용하여 복수의 거리뷰 영상에 대한 절대좌표 위치 정보 및 방향 정보를 추정(160)할 수 있다. 일 실시예에 따르면, 추정된 절대좌표 위치 정보 및 방향 정보(162)는 3차원 모델(110)을 표현하는 절대 좌표계의 정보로서, 6-자유도(DoF)의 파라미터일 수 있다. 이러한 과정을 통해 추정된 절대좌표 위치 정보 및 방향 정보(162)는 거리뷰 데이터(120)에 포함된 절대좌표 위치 정보 및 방향 정보보다 높은 정밀도의 데이터일 수 있다.
본 개시의 일 실시예에 따르면, 미리 정의된 맵매칭 포인트/맵매칭 라인(132) 중 적어도 하나, 그리고 3차원 모델(110)을 이용하여 3차원 모델의 절대좌표 위치 정보와 정합된 거리뷰 데이터 내의 거리뷰 영상 각각에 대한 시각 특징맵을 자동으로 생성할 수 있다. 거리뷰 영상에 대한 시각 특징맵을 생성하는 방법에 대해서는 도 4 내지 도 13에서 후술한다. 이러한 구성에 의해, 자율 주행 등 지도 기반 서비스를 위한 시각 특징맵을 생성하기 위한 비용과 노력을 절감할 수 있다. 또한, 자동 생성된 시각 특징맵은 자율 주행 서비스 등 지도 기반의 다양한 서비스에 활용될 수 있다.
도 2는 본 개시의 일 실시예에 따른 정보 처리 시스템(230)이 복수의 사용자 단말(210_1, 210_2, 210_3)과 통신 가능하도록 연결된 구성을 나타내는 개요도이다. 도시된 바와 같이, 복수의 사용자 단말(210_1, 210_2, 210_3)은 네트워크(220)를 통해 지도 정보 서비스를 제공할 수 있는 정보 처리 시스템(230)과 연결될 수 있다. 여기서, 복수의 사용자 단말(210_1, 210_2, 210_3)은 지도 정보 서비스, 자율 주행 서비스 등을 제공받는 사용자의 단말을 포함할 수 있다. 추가적으로, 복수의 사용자 단말(210_1, 210_2, 210_3)은 노드에서 거리뷰 영상을 촬영하는 자동차일 수 있다. 일 실시예에서, 정보 처리 시스템(230)은 지도 정보 서비스 제공 등과 관련된 컴퓨터 실행 가능한 프로그램(예를 들어, 다운로드 가능한 애플리케이션) 및 데이터를 저장, 제공 및 실행할 수 있는 하나 이상의 서버 장치 및/또는 데이터베이스, 또는 클라우드 컴퓨팅 서비스 기반의 하나 이상의 분산 컴퓨팅 장치 및/또는 분산 데이터베이스를 포함할 수 있다.
정보 처리 시스템(230)에 의해 제공되는 지도 정보 서비스는 복수의 사용자 단말(210_1, 210_2, 210_3)의 각각에 설치된 애플리케이션 또는 웹 브라우저 등을 통해 사용자에게 제공될 수 있다. 예를 들어, 정보 처리 시스템(230)은 애플리케이션 등을 통해 사용자 단말(210_1, 210_2, 210_3)로부터 수신되는 거리뷰 영상 요청, 영상 기반 위치 인식 요청 등에 대응하는 정보를 제공하거나 대응하는 처리를 수행할 수 있다.
복수의 사용자 단말(210_1, 210_2, 210_3)은 네트워크(220)를 통해 정보 처리 시스템(230)과 통신할 수 있다. 네트워크(220)는 복수의 사용자 단말(210_1, 210_2, 210_3)과 정보 처리 시스템(230) 사이의 통신이 가능하도록 구성될 수 있다. 네트워크(220)는 설치 환경에 따라, 예를 들어, 이더넷(Ethernet), 유선 홈 네트워크(Power Line Communication), 전화선 통신 장치 및 RS-serial 통신 등의 유선 네트워크, 이동통신망, WLAN(Wireless LAN), Wi-Fi, Bluetooth 및 ZigBee 등과 같은 무선 네트워크 또는 그 조합으로 구성될 수 있다. 통신 방식은 제한되지 않으며, 네트워크(220)가 포함할 수 있는 통신망(일례로, 이동통신망, 유선 인터넷, 무선 인터넷, 방송망, 위성망 등)을 활용하는 통신 방식뿐만 아니라 사용자 단말(210_1, 210_2, 210_3) 사이의 근거리 무선 통신 역시 포함될 수 있다.
도 2에서 휴대폰 단말(210_1), 태블릿 단말(210_2) 및 PC 단말 (210_3)이 사용자 단말의 예로서 도시되었으나, 이에 한정되지 않으며, 사용자 단말(210_1, 210_2, 210_3)은 유선 및/또는 무선 통신이 가능하고 애플리케이션 또는 웹 브라우저 등이 설치되어 실행될 수 있는 임의의 컴퓨팅 장치일 수 있다. 예를 들어, 사용자 단말은, AI 스피커, 스마트폰, 휴대폰, 내비게이션, 컴퓨터, 노트북, 디지털방송용 단말, PDA(Personal Digital Assistants), PMP(Portable Multimedia Player), 태블릿 PC, 게임 콘솔(game console), 웨어러블 디바이스(wearable device), IoT(internet of things) 디바이스, VR(virtual reality) 디바이스, AR(augmented reality) 디바이스, 셋톱 박스 등을 포함할 수 있다. 또한, 도 2에는 3개의 사용자 단말(210_1, 210_2, 210_3)이 네트워크(220)를 통해 정보 처리 시스템(230)과 통신하는 것으로 도시되어 있으나, 이에 한정되지 않으며, 상이한 수의 사용자 단말이 네트워크(220)를 통해 정보 처리 시스템(230)과 통신하도록 구성될 수도 있다.
도 3은 본 개시의 일 실시예에 따른 사용자 단말(210) 및 정보 처리 시스템(230)의 내부 구성을 나타내는 블록도이다. 사용자 단말(210)은 애플리케이션 또는 웹 브라우저 등을 실행 가능하고 유/무선 통신이 가능한 임의의 컴퓨팅 장치를 지칭할 수 있으며, 예를 들어, 도 2의 휴대폰 단말(210_1), 태블릿 단말(210_2), PC 단말(210_3) 등을 포함할 수 있다. 도시된 바와 같이, 사용자 단말(210)은 메모리(312), 프로세서(314), 통신 모듈(316) 및 입출력 인터페이스(318)를 포함할 수 있다. 이와 유사하게, 정보 처리 시스템(230)은 메모리(332), 프로세서(334), 통신 모듈(336) 및 입출력 인터페이스(338)를 포함할 수 있다. 도 3에 도시된 바와 같이, 사용자 단말(210) 및 정보 처리 시스템(230)은 각각의 통신 모듈(316, 336)을 이용하여 네트워크(220)를 통해 정보 및/또는 데이터를 통신할 수 있도록 구성될 수 있다. 또한, 입출력 장치(320)는 입출력 인터페이스(318)를 통해 사용자 단말(210)에 정보 및/또는 데이터를 입력하거나 사용자 단말(210)로부터 생성된 정보 및/또는 데이터를 출력하도록 구성될 수 있다.
메모리(312, 332)는 비-일시적인 임의의 컴퓨터 판독 가능한 기록매체를 포함할 수 있다. 일 실시예에 따르면, 메모리(312, 332)는 ROM(read only memory), 디스크 드라이브, SSD(solid state drive), 플래시 메모리(flash memory) 등과 같은 비소멸성 대용량 저장 장치(permanent mass storage device)를 포함할 수 있다. 다른 예로서, ROM, SSD, 플래시 메모리, 디스크 드라이브 등과 같은 비소멸성 대용량 저장 장치는 메모리와는 구분되는 별도의 영구 저장 장치로서 사용자 단말(210) 또는 정보 처리 시스템(230)에 포함될 수 있다. 또한, 메모리(312, 332)에는 운영체제와 적어도 하나의 프로그램 코드(예를 들어, 사용자 단말(210)에 설치되어 구동되는 애플리케이션 등을 위한 코드)가 저장될 수 있다.
이러한 소프트웨어 구성요소들은 메모리(312, 332)와는 별도의 컴퓨터에서 판독가능한 기록매체로부터 로딩될 수 있다. 이러한 별도의 컴퓨터에서 판독가능한 기록매체는 이러한 사용자 단말(210) 및 정보 처리 시스템(230)에 직접 연결가능한 기록 매체를 포함할 수 있는데, 예를 들어, 플로피 드라이브, 디스크, 테이프, DVD/CD-ROM 드라이브, 메모리 카드 등의 컴퓨터에서 판독 가능한 기록매체를 포함할 수 있다. 다른 예로서, 소프트웨어 구성요소들은 컴퓨터에서 판독 가능한 기록매체가 아닌 통신 모듈을 통해 메모리(312, 332)에 로딩될 수도 있다. 예를 들어, 적어도 하나의 프로그램은 개발자들 또는 애플리케이션의 설치 파일을 배포하는 파일 배포 시스템이 네트워크(220)를 통해 제공하는 파일들에 의해 설치되는 컴퓨터 프로그램에 기반하여 메모리(312, 332)에 로딩될 수 있다.
프로세서(314, 334)는 기본적인 산술, 로직 및 입출력 연산을 수행함으로써, 컴퓨터 프로그램의 명령을 처리하도록 구성될 수 있다. 명령은 메모리(312, 332) 또는 통신 모듈(316, 336)에 의해 프로세서(314, 334)로 제공될 수 있다. 예를 들어, 프로세서(314, 334)는 메모리(312, 332)와 같은 기록 장치에 저장된 프로그램 코드에 따라 수신되는 명령을 실행하도록 구성될 수 있다.
통신 모듈(316, 336)은 네트워크(220)를 통해 사용자 단말(210)과 정보 처리 시스템(230)이 서로 통신하기 위한 구성 또는 기능을 제공할 수 있으며, 사용자 단말(210) 및/또는 정보 처리 시스템(230)이 다른 사용자 단말 또는 다른 시스템(일례로 별도의 클라우드 시스템 등)과 통신하기 위한 구성 또는 기능을 제공할 수 있다. 일례로, 사용자 단말(210)의 프로세서(314)가 메모리(312) 등과 같은 기록 장치에 저장된 프로그램 코드에 따라 생성한 요청 또는 데이터(예를 들어, 지상에서 촬영된 거리뷰 영상과 연관된 데이터 등)는 통신 모듈(316)의 제어에 따라 네트워크(220)를 통해 정보 처리 시스템(230)으로 전달될 수 있다. 역으로, 정보 처리 시스템(230)의 프로세서(334)의 제어에 따라 제공되는 제어 신호나 명령이 통신 모듈(336)과 네트워크(220)를 거쳐 사용자 단말(210)의 통신 모듈(316)을 통해 사용자 단말(210)에 수신될 수 있다. 예를 들어, 사용자 단말(210)은 정보 처리 시스템(230)으로부터 특정 지역에 대한 거리뷰 영상과 연관된 데이터 등을 수신할 수 있다.
입출력 인터페이스(318)는 입출력 장치(320)와의 인터페이스를 위한 수단일 수 있다. 일 예로서, 입력 장치는 오디오 센서 및/또는 이미지 센서를 포함한 카메라, 키보드, 마이크로폰, 마우스 등의 장치를, 그리고 출력 장치는 디스플레이, 스피커, 햅틱 피드백 디바이스(haptic feedback device) 등과 같은 장치를 포함할 수 있다. 다른 예로, 입출력 인터페이스(318)는 터치스크린 등과 같이 입력과 출력을 수행하기 위한 구성 또는 기능이 하나로 통합된 장치와의 인터페이스를 위한 수단일 수 있다. 예를 들어, 사용자 단말(210)의 프로세서(314)가 메모리(312)에 로딩된 컴퓨터 프로그램의 명령을 처리함에 있어서 정보 처리 시스템(230)이나 다른 사용자 단말이 제공하는 정보 및/또는 데이터를 이용하여 구성되는 서비스 화면 등이 입출력 인터페이스(318)를 통해 디스플레이에 표시될 수 있다. 도 3에서는 입출력 장치(320)가 사용자 단말(210)에 포함되지 않도록 도시되어 있으나, 이에 한정되지 않으며, 사용자 단말(210)과 하나의 장치로 구성될 수 있다. 또한, 정보 처리 시스템(230)의 입출력 인터페이스(338)는 정보 처리 시스템(230)과 연결되거나 정보 처리 시스템(230)이 포함할 수 있는 입력 또는 출력을 위한 장치(미도시)와의 인터페이스를 위한 수단일 수 있다. 도 3에서는 입출력 인터페이스(318, 338)가 프로세서(314, 334)와 별도로 구성된 요소로서 도시되었으나, 이에 한정되지 않으며, 입출력 인터페이스(318, 338)가 프로세서(314, 334)에 포함되도록 구성될 수 있다.
사용자 단말(210) 및 정보 처리 시스템(230)은 도 3의 구성요소들보다 더 많은 구성요소들을 포함할 수 있다. 그러나, 대부분의 종래기술적 구성요소들을 명확하게 도시할 필요성은 없다. 일 실시예에 따르면, 사용자 단말(210)은 상술된 입출력 장치(320) 중 적어도 일부를 포함하도록 구현될 수 있다. 또한, 사용자 단말(210)은 트랜시버(transceiver), GPS(Global Positioning system) 모듈, 카메라, 각종 센서, 데이터베이스 등과 같은 다른 구성요소들을 더 포함할 수 있다. 예를 들어, 사용자 단말(210)이 스마트폰인 경우, 일반적으로 스마트폰이 포함하고 있는 구성요소를 포함할 수 있으며, 예를 들어, 가속도 센서, 자이로 센서, 이미지 센서, 근접 센서, 터치 센서, 조도 센서, 카메라 모듈, 각종 물리적인 버튼, 터치패널을 이용한 버튼, 입출력 포트, 진동을 위한 진동기 등의 다양한 구성요소들이 사용자 단말(210)에 더 포함되도록 구현될 수 있다. 일 실시예에 따르면, 사용자 단말(210)의 프로세서(314)는 지도 정보 서비스를 제공하는 애플리케이션 등이 동작하도록 구성될 수 있다. 이 때, 해당 애플리케이션 및/또는 프로그램과 연관된 코드가 사용자 단말(210)의 메모리(312)에 로딩될 수 있다.
지도 정보 서비스를 제공하는 애플리케이션 등을 위한 프로그램이 동작되는 동안에, 프로세서(314)는 입출력 인터페이스(318)와 연결된 터치 스크린, 키보드, 오디오 센서 및/또는 이미지 센서를 포함한 카메라, 마이크로폰 등의 입력 장치를 통해 입력되거나 선택된 텍스트, 이미지, 영상, 음성 및/또는 동작 등을 수신할 수 있으며, 수신된 텍스트, 이미지, 영상, 음성 및/또는 동작 등을 메모리(312)에 저장하거나 통신 모듈(316) 및 네트워크(220)를 통해 정보 처리 시스템(230)에 제공할 수 있다. 예를 들어, 프로세서(314)는 특정 지역에 대한 거리뷰 영상을 요청하는 사용자의 입력을 수신하여, 통신 모듈(316) 및 네트워크(220)를 통해 정보 처리 시스템(230)에 제공할 수 있다.
사용자 단말(210)의 프로세서(314)는 입출력 장치(320), 다른 사용자 단말, 정보 처리 시스템(230) 및/또는 복수의 외부 시스템으로부터 수신된 정보 및/또는 데이터를 관리, 처리 및/또는 저장하도록 구성될 수 있다. 프로세서(314)에 의해 처리된 정보 및/또는 데이터는 통신 모듈(316) 및 네트워크(220)를 통해 정보 처리 시스템(230)에 제공될 수 있다. 사용자 단말(210)의 프로세서(314)는 입출력 인터페이스(318)를 통해 입출력 장치(320)로 정보 및/또는 데이터를 전송하여, 출력할 수 있다. 예를 들면, 프로세서(314)는 수신한 정보 및/또는 데이터를 사용자 단말의 화면에 디스플레이할 수 있다.
정보 처리 시스템(230)의 프로세서(334)는 복수의 사용자 단말(210) 및/또는 복수의 외부 시스템으로부터 수신된 정보 및/또는 데이터를 관리, 처리 및/또는 저장하도록 구성될 수 있다. 프로세서(334)에 의해 처리된 정보 및/또는 데이터는 통신 모듈(336) 및 네트워크(220)를 통해 사용자 단말(210)에 제공할 수 있다.
도 4는 본 개시의 일 실시예에 따른 3차원 모델(410) 및 거리뷰 영상(420)을 기초로 거리뷰 영상(420)과 연관된 시각 특징맵(450)을 생성하는 과정의 예시를 나타내는 도면이다. 여기서, 3차원 모델(410)은 절대좌표 위치로 표현된 3차원 기하정보를 포함하는 특정 지역에 대한 3차원 모델을 나타낼 수 있다. 예를 들어, 3차원 모델(410)은 특정 지역 내의 빌딩들에 대한 3차원 빌딩 모델과 3차원 도로 모델을 포함할 수 있다.
일 실시예에서, 거리뷰 영상(420)은 등장방형도법(equirectangular projection)으로 생성된 360도 파노라마 영상으로서, 특정 지역 내의 특정 노드에서 촬영된 거리뷰 영상일 수 있다. 거리뷰 영상(420)은 3차원 모델의 절대좌표 위치 정보와 정합된 절대좌표 위치 정보 및 방향 정보를 포함할 수 있다. 예를 들어, 거리뷰 영상(420)에 포함된 절대좌표 위치 정보 및 방향 정보는 미리 정의된 맵매칭 포인트 또는 맵매칭 라인을 이용하여 3차원 모델(410)의 절대좌표 위치 정보와 정합된 정보일 수 있다.
일 실시예에 따르면, 정보 처리 시스템은 3차원 모델(410)을 이용하여 거리뷰 영상(420)과 연관된 뎁스 맵(depth map)(430)을 렌더링할 수 있다. 예를 들어, 거리뷰 영상(420)의 절대좌표 위치 정보 및 방향 정보에 기초하여, 3차원 모델(410)에 포함된 3차원 기하정보를 거리뷰 영상(420)에 투영하여 거리뷰 영상(420)과 연관된 뎁스 맵(430)을 렌더링할 수 있다.
일 실시예에 따르면, 정보 처리 시스템은 거리뷰 영상(420)으로부터 복수의 특징점(440)을 추출할 수 있다. 예를 들어, 정보 처리 시스템은 원근 투영 방법을 이용하여 거리뷰 영상을 복수의 평면 이미지로 변환한 후, 복수의 평면 이미지로부터 복수의 특징점(440)을 추출할 수 있다. 다른 예에서, 정보 처리 시스템은 거리뷰 영상(420)을 기초로 생성된 이진 마스크(binary mask)를 이용하여 복수의 특징점(440)을 추출할 수 있다.
일 실시예에 따르면, 정보 처리 시스템은 뎁스 맵(430) 및 거리뷰 영상의 복수의 특징점(440)을 기초로 거리뷰 영상(420)과 연관된 시각 특징맵(450)을 생성할 수 있다. 예를 들어, 정보 처리 시스템은 뎁스 맵(430)에 기초하여 복수의 특징점(440)의 절대좌표 위치 정보를 결정할 수 있다. 그리고, 정보 처리 시스템은 복수의 특징점(440) 각각에 대한 절대좌표 위치 정보 및 시각 특징 기술자(visual feature descriptor)를 서로 연관시켜 저장함으로써, 거리뷰 영상(420)과 연관된 시각 특징맵(450)을 생성할 수 있다.
이와 같이, 본 개시의 일 실시예에 따르면, 차량기반 멀티센서 측량 시스템이 장착된 차량을 이용하는 대신, 항공 영상 측량 등을 통해 생성된 3차원 건물 모델 정보 및 거리뷰 서비스를 위해 이미 촬영된 거리뷰 영상을 이용함으로써 시각 특징맵을 획득하는 비용과 노력을 절감할 수 있다.
도 5는 본 개시의 일 실시예에 따른 정합된 거리뷰 데이터(510) 및 3차원 모델(520)을 기초로 제1 거리뷰 영상(512)과 연관된 시각 특징맵(590)을 생성하는 구체적인 방법을 나타내는 블록도이다. 여기서, 정합된 거리뷰 데이터(510)는 특정 지역 내의 복수의 노드에서 촬영된 복수의 거리뷰 영상으로서, 등장방형도법으로 생성된 파노라마 영상일 수 있다. 일 실시예에서, 정합된 거리뷰 데이터(510)는 미리 정의된 맵매칭 포인트 또는 맵매칭 라인을 이용하여 3차원 모델(410)의 절대좌표 위치 정보와 정합된 높은 정확도(고정밀)의 절대좌표 위치 정보 및 방향 정보를 포함할 수 있다. 다른 실시예에서, 정합된 거리뷰 데이터(510)는 GPS/INS(Global Positioning System/Inertial Navigation System) 센서 융합을 이용한 고정밀 위치 추정으로부터 획득된 절대좌표 위치 정보 및 방향 정보를 포함할 수 있다.
3차원 모델(520)은 항공 촬영 영상을 기초로 생성된 특정 지역에 대한 모델로서, 3차원 도로 모델, 3차원 빌딩 모델 등을 포함할 수 있다. 또한, 3차원 모델(520)은 절대좌표 위치로 표현된 3차원 기하정보를 포함할 수 있다. 예를 들어, 3차원 모델(520)은 정점(vertex)과 연결 정보(edge)로 이루어진 삼각 메쉬(triangle mesh)로 구성될 수 있으나, 이에 한정되지 않으며, 항공 촬영을 통해 3차원 복원된 점군(point clouds)이거나, 항공 측량을 통해 결정된 수치 표고 모델(DSM)일 수 있다. 또는 3차원 모델(520)은 삼각 메쉬, 점군 또는 수치 표고 모델 등 3가지 데이터 구조의 조합으로 이루어질 수 있다.
일 실시예에 따르면, 정보 처리 시스템은 특정 지역에 대한 3차원 모델(520)에 포함된 특정 지역 내의 복수의 3차원 빌딩 및 도로 모델(522)을 수신할 수 있다. 또한, 정보 처리 시스템은 정합된 거리뷰 데이터(510)에 포함된 특정 지역 내의 제1 노드에서 촬영된 제1 거리뷰 영상(512)을 수신할 수 있다. 그리고 나서, 정보 처리 시스템은 제1 거리뷰 영상(512)의 절대좌표 위치 정보 및 방향 정보에 기초하여, 3차원 빌딩 및 도로 모델(522)에 포함된 3차원 기하정보 중 적어도 일부를 제1 거리뷰 영상(512)에 투영하여 제1 거리뷰 영상(512)과 연관된 뎁스 맵(540)을 렌더링/생성할 수 있다. 여기서, 뎁스 맵(540)은 빌딩과 도로의 깊이 정보를 포함할 수 있다.
일 실시예에 따르면, 정보 처리 시스템은 제1 거리뷰 영상(512)으로부터 제1 세트의 특징점(530)을 추출할 수 있다. 구체적으로, 정보 처리 시스템은 제1 거리뷰 영상(512)으로부터 제1 세트의 특징점(530)을 검출하고, 제1 세트의 특징점 각각의 시각 기술자(580)를 추출할 수 있다. 이 때, 파노라마 영상인 거리뷰 영상의 기하 왜곡으로 인한 특징 검출 또는 특징 매칭의 오류를 해소하기 위해, 정보 처리 시스템은 제1 거리뷰 영상(512)을 기초로 생성된 복수의 평면 이미지로부터 제1 세트의 특징점(530)을 추출할 수 있다. 예를 들어, 정보 처리 시스템은 제1 거리뷰 영상(512)을 지평선을 바라보는 높이로 수평으로 회전한 후, 12장의 평면 이미지로 투영하고, 각각의 평면 이미지로부터 특징점을 검출하고 시각 기술자를 추출할 수 있다. 제1 세트의 특징점(530)은 SIFT(Scale-Invariant Feature Transform), SuperPoint, R2D2(Repeatable and Reliable Detector and Descriptor) 기법 등을 이용하여 추출할 수 있으나, 이에 한정되지 않는다.
일 실시예에 따르면, 정보 처리 시스템은 뎁스 맵(540)에 기초하여, 제1 세트의 특징점 각각의 절대좌표 위치 정보(550)를 결정할 수 있다. 그리고 나서, 정보 처리 시스템은 제1 세트의 특징점 각각의 절대좌표 위치 정보(550) 및 제1 세트의 특징점 각각의 시각 기술자(580)를 서로 연관시켜 저장함으로써, 제1 거리뷰 영상(512)과 연관된 시각 특징맵(590)을 생성할 수 있다.
도 6은 본 개시의 다른 실시예에 따른 정합된 거리뷰 데이터(610), 3차원 모델(620), 이진 마스크(616) 및 도로 교통 구조물에 대한 3차원 평면 정보(660)를 기초로 제1 거리뷰 영상(612)과 연관된 시각 특징맵(690)을 생성하는 구체적인 방법을 나타내는 블록도이다. 도 6에서는 도 5와 중복되는 구성에 대하여는, 도 6에 도시된 실시예를 기준으로 간략히 서술하거나, 생략하여 서술한다.
일 실시예에 따르면, 정보 처리 시스템은 제1 거리뷰 영상(512)을 기초로 이진 마스크(616)를 이용하여 빌딩 및 도로와 연관된 제1 세트의 특징점(630)을 추출할 수 있다. 구체적으로, 정보 처리 시스템은 제1 거리뷰 영상(612)을 기초로 시맨틱 세그멘테이션(semantic segmentation)을 수행하여, 제1 거리뷰 영상에 포함된 도로 영역과 빌딩 영역을 나타내는 이진 마스크(616)를 생성할 수 있다. 다른 예에서, 이진 마스크(616)는 제1 거리뷰 영상에 포함된 도로 영역, 빌딩 영역 및 도로 교통 구조물 영역을 나타낼 수 있다.
일 실시예에서, 정보 처리 시스템은 제1 거리뷰 영상(612)을 복수의 비왜곡(undistorted) 평면 이미지로 변환할 수 있다. 예를 들어, 정보 처리 시스템은 제1 거리뷰 영상(612)을 큐브 매핑(cube mapping)을 통해 상, 하, 좌, 오, 위, 아래 6장의 큐브 이미지로 변환할 수 있다. 그 후, 정보 처리 시스템은 복수의 비왜곡 평면 이미지에 대해 시맨틱 세그멘테이션을 수행하여 도로 영역, 빌딩 영역, 차량, 차선, 도로 교통 구조물(예, 신호등, 표지판 등) 등을 검출할 수 있다. 정보 처리 시스템은 복수의 비왜곡 평면 이미지에 대한 시맨틱 세그멘테이션 결과를 다시 파노라마 영상으로 합쳐서, 제1 거리뷰 영상(612)에서 도로 영역과 빌딩 영역을 나타내는 이진 마스크(616)를 생성할 수 있다.
일 실시예에서, 정보 처리 시스템은 이진 마스크(616)를 이용하여 제1 거리뷰 영상(612)으로부터 제1 세트의 특징점(630)을 검출하고, 제1 세트의 특징점 각각의 시각 기술자(632)를 추출할 수 있다. 예를 들어, 정보 처리 시스템은 이진 마스크(616)를 이용하여, 제1 거리뷰 영상(612)의 일부 영역에서 제1 세트의 특징점(630)을 추출할 수 있다. 다른 예에서, 정보 처리 시스템은 제1 거리뷰 영상(612)으로부터 복수의 특징점을 추출하고, 이진 마스크(616)를 이용하여 추출된 복수의 특징점에 대한 필터링을 수행하여 제1 세트의 특징점(630)을 추출할 수 있다. 여기서, 제1 세트의 특징점은 제1 거리뷰 영상(612)의 도로 영역 및 빌딩 영역에서 추출된 특징점이거나, 도로 영역, 빌딩 영역 및 도로 교통 구조에서 추출된 특징점일 수 있다.
일 실시예에 따르면, 정보 처리 시스템은 복수의 거리뷰 영상(612, 614)을 이용하여 도로 교통 구조물과 연관된 특징점의 절대좌표 위치 정보(670)를 결정할 수 있다. 여기서, 도로 교통 구조물은 표지판, 신호등, 중앙 분리대 등 도로 주행과 연관된 구조물 및/또는 시설물을 지칭할 수 있다. 구체적으로, 정보 처리 시스템은 특정 지역 내의 제1 노드에서 촬영된 제1 거리뷰 영상(612) 및 제2 노드에서 촬영된 제2 거리뷰 영상(614)에 기초하여, 제1 거리뷰 영상(612) 및 제2 거리뷰 영상(614)에 함께 포함된 도로 교통 구조물에 대한 3차원 평면 정보(660)를 생성할 수 있다.
그리고, 정보 처리 시스템은 제1 세트의 특징점(630) 중 도로 교통 구조물과 연관된 특징점을 3차원 평면에 투영함으로써, 도로 교통 구조물과 연관된 특징점의 절대좌표 위치 정보(670)를 결정할 수 있다. 이와 같은 구성에 의해, 정보 처리 시스템은 3차원 모델(620)에 도로 교통 구조물에 대한 위치 정보가 포함되어 있지 않더라도, 제1 거리뷰 영상(612) 및 제2 거리뷰 영상(614)에 함께 포함된 도로 교통 구조물의 절대 좌표 위치 정보를 획득할 수 있다.
일 실시예에 따르면, 정보 처리 시스템은 뎁스 맵(640)에 기초하여, 빌딩 및 도로와 연관된 특징점의 절대좌표 위치 정보(650)를 결정할 수 있다. 여기서, 뎁스 맵(640)은 도 5를 참조하여 설명된 방식에 의해 생성된 뎁스 맵(640)을 나타낼 있다. 예를 들어, 정보 처리 시스템은 빌딩과 도로의 깊이 정보를 포함하는 뎁스 맵(640)을 이용하여, 제1 세트의 특징점(630) 중 빌딩 및 도로와 연관된 특징점의 절대좌표 위치 정보(650)를 결정할 수 있다.
일 실시예에 따르면, 정보 처리 시스템은 제1 세트의 특징점(630) 중 도로 교통 구조물과 연관된 특징점의 절대좌표 위치 정보(670), 제1 세트의 특징점(630) 중 빌딩 및 도로와 연관된 특징점의 절대좌표 위치 정보(650) 및 제1 세트의 특징점 각각의 시각 기술자(632)를 서로 연관시켜 저장함으로써, 제1 거리뷰 영상(612)과 연관된 시각 특징맵(690)을 생성할 수 있다.
도 6은 3차원 빌딩 및 도로 모델(622)을 기초로 생성된 빌딩과 도로의 깊이 정보를 포함하는 뎁스 맵(640)을 이용하여, 빌딩 및 도로와 연관된 특징점의 절대좌표 위치 정보(650)를 결정하는 예시가 도시되어 있으나, 이에 한정되지 않는다. 예를 들어, 3차원 빌딩 및 도로 모델(622)은 도로 주행과 연관된 도로 교통 구조물 중 일부 또는 전부를 더 포함할 수 있고, 이 경우 뎁스 맵(640)은 도로, 빌딩 뿐 아니라 도로 교통 구조물 중 일부 또는 전부에 대한 깊이 정보를 포함할 수 있다. 이 경우, 빌딩 및 도로와 연관된 특징점의 절대좌표 위치 정보(650) 또한, 도로, 빌딩 뿐 아니라 도로 교통 구조물 중 일부 또는 전부와 연관된 특징점의 절대좌표 위치 정보(650)를 포함할 수 있다.
도 6에서는 이진 마스크(616)와 도로 교통 구조물에 대한 3차원 평면 정보(660)를 이용함으로써, 빌딩, 도로 및 도로 교통 구조물에 대한 시각 특징맵(690)을 생성하는 방법이 도시되었으나, 이 중 일부가 생략될 수 있다. 예를 들어, 이진 마스크(616)를 사용하지 않고 빌딩, 도로 및 도로 교통 구조물에 대한 시각 특징맵(690)이 생성될 수 있다. 다른 예에서, 도로 교통 구조물에 대한 3차원 평면 정보(660)를 생성하지 않고, 빌딩 및 도로에 대한 시각 특징맵(690)이 생성될 수 있다.
도 7은 본 개시의 일 실시예에 따른 거리뷰 영상을 기초로 이진 마스크를 생성하는 과정의 예시를 나타내는 도면이다. 정보 처리 시스템은 제1 상태(710), 제2 상태(720) 및 제3 상태(730)를 거쳐 거리뷰 영상을 기초로 이진 마스크를 생성할 수 있다. 제1 상태(710)는 특정 지역 내의 특정 노드에서 촬영된 거리뷰 영상의 예시를 나타낸다. 여기서, 거리뷰 영상은 등장방형도법으로 생성된 360도 파노라마 영상일 수 있다.
제2 상태(720)는 거리뷰 영상을 기초로 수행된 시맨틱 세그멘테이션 결과의 예시를 나타낸다. 일 실시예에서, 정보 처리 시스템은 거리뷰 영상을 복수의 비왜곡 평면 이미지로 변환하여 시맨틱 세그멘테이션을 수행할 수 있다. 예를 들어, 정보 처리 시스템은 원근 투영 방법을 이용하여 거리뷰 영상을 6 개의 큐브 이미지로 변환하여 시맨틱 세그멘테이션을 수행할 수 있다. 다른 예에서, 정보 처리 시스템은 거리뷰 영상에 대해 시맨틱 세그멘테이션을 한 번에 수행할 수 있다. 시맨틱 세그멘테이션은 deeplab v3, mask-rcnn 등의 기법을 이용하여 수행될 수 있으나, 이에 한정되지 않는다.
제3 상태(730)는 거리뷰 영상을 기초로 시맨틱 세그멘테이션을 수행한 결과로서 획득되는 이진 마스크의 예시를 나타낸다. 일 실시예에 따르면, 이진 마스크는 거리뷰 영상 내의 도로 영역과 빌딩 영역을 나타낼 수 있다.
일 실시예에 따르면, 정보 처리 시스템은 이진 마스크를 이용하여 거리뷰 영상으로부터 제1 세트의 특징점을 추출할 수 있다. 일 예시에서, 정보 처리 시스템은 이진 마스크를 이용하여, 거리뷰 영상의 일부 영역으로부터 제1 세트의 특징점을 추출할 수 있다. 여기서, 거리뷰 영상의 일부 영역은 이진 마스크에 대응되는 영역일 수 있다. 다른 예시에서, 정보 처리 시스템은 이진 마스크를 이용하여, 거리뷰 영상 전체 영역에서 추출된 복수의 특징점에 대해 필터링을 수행함으로써, 이진 마스크에 대응되는 영역에서의 제1 세트의 특징점을 추출할 수 있다.
도 7에서는 이진 마스크가 거리뷰 영상의 도로 및 빌딩 영역을 나타내는 것으로 도시되었으나, 이에 한정되지 않는다. 예를 들어, 이진 마스크는 거리뷰 영상의 도로 영역, 빌딩 영역, 그리고 도로 교통 구조물 영역을 나타낼 수 있다.
도 8은 본 개시의 일 실시예에 따른 제1 거리뷰 영상(812) 및 제2 거리뷰 영상(814) 내 도로 교통 구조물에 대한 스테레오 매칭을 수행하는 과정의 예시를 나타내는 도면이다. 일 실시예에서, 3차원 빌딩 및 도로 모델을 기초로 생성된 빌딩과 도로의 깊이 정보를 포함하는 뎁스 맵을 이용하여 거리뷰와 연관된 시각 특징맵을 생성하는 경우, 거리뷰 내에 주행 환경과 연관된 도로 교통 구조물에 대한 절대좌표 위치 정보가 누락될 수 있다. 이를 해결하기 위해, 정보 처리 시스템은 복수의 거리뷰 영상(812, 814)을 기초로 도로 교통 구조물에 대한 3차원 평면 정보를 생성하고, 도로 교통 구조물과 연관된 절대좌표 위치 정보를 획득할 수 있다.
일 실시예에 따르면, 도로 교통 구조물과 연관된 절대좌표 위치 정보를 획득하기 위해, 정보 처리 시스템은 복수의 거리뷰 영상(812, 814)에 기초하여 복수의 거리뷰 영상(812, 814) 각각에 포함된 특정 도로 교통 구조물에 대한 3차원 평면 정보를 생성할 수 있다. 예를 들어, 정보 처리 시스템은 제1 상태(810) 및 제2 상태(820)를 거쳐 제1 거리뷰 영상(812) 및 제2 거리뷰 영상(814) 내 포함된 특정 도로 교통 구조물에 대한 3차원 평면 정보를 생성할 수 있다. 여기서, 제1 거리뷰 영상(812)과 제2 거리뷰 영상(814)은 인접한 노드에서 촬영된 영상일 수 있다.
제1 상태(810)는 제1 거리뷰 영상(812) 및 제2 거리뷰 영상(814) 내 도로 교통 구조물이 포함된 영역을 검출하고, 동일한 도로 교통 구조물 사이에 연결 관계를 결정한 결과의 예시를 나타낸다. 일 실시예에서, 정보 처리 시스템은 제1 거리뷰 영상(812) 내 제1 도로 교통 구조물(예를 들어, 신호등)이 포함된 제1 영역을 검출할 수 있다. 이와 유사하게, 정보 처리 시스템은 제2 거리뷰 영상(814)내 제2 도로 교통 구조물(예를 들어, 동일한 신호등)이 포함된 제2 영역을 검출할 수 있다. 예를 들어, 도시된 바와 같이, 정보 처리 시스템은 제1 거리뷰 영상(812) 내 4 색 신호등을 제1 영역으로 검출하고, 제2 거리뷰 영상(814) 내 4 색 신호등을 제2 영역으로 검출할 수 있다. 그리고 나서, 정보 처리 시스템은 제1 영역 및 제2 영역에 동일 도로 교통 구조물이 포함된 것으로 판정하고, 양자 사이의 연결 관계를 결정할 수 있다. 예를 들어, 정보 처리 시스템은 제1 영역 및 제2 영역의 시각적 유사도에 기초하여, 제1 도로 교통 구조물과 제2 도로 교통 구조물을 동일한 도로 교통 구조물(예를 들어, 동일한 신호등)로 판정할 수 있다. 여기서, 제1 영역 및 제2 영역의 시각적 유사도는 색상 유사도, 시각적 특징 기술자 유사도 또는 딥러닝 기반 매칭 모델 중 적어도 하나를 이용하여 결정될 수 있다.
제2 상태(820)는 특정 도로 교통 구조물에 대한 3차원 평면 정보를 생성하기 위해, 제1 영역 및 제2 영역 사이에 스테레오 매칭을 수행한 결과(826, 828)의 예시를 나타낸다. 도로 교통 구조물의 경우, 구조, 형태 및 모양이 유사하여 서로 매칭할 도로 교통 구조물을 특정할 필요가 있다. 이를 위해, 정보 처리 시스템은 제1 거리뷰 영상(812)의 제1 영역을 제1 영역 이미지(822)로 분할할 수 있다. 이와 유사하게. 정보 처리 시스템은 제2 거리뷰 영상(814)의 제2 영역을 제2 영역 이미지(824)로 분할할 수 있다. 그리고 나서, 제1 영역 이미지(822) 및 제2 영역 이미지(824)에 대해 조밀한(dense) 스테레오 매칭 및 삼각 측량(triangulation)을 수행하여, 매칭된 도로 교통 구조물의 깊이 정보를 얻을 수 있다. 그 결과, 정보 처리 시스템은 제1 거리뷰 영상(812) 및 제2 거리뷰 영상(814)에 함께 포함된 동일 도로 교통 구조물(예: 4색 신호등)에 대한 3차원 평면 정보를 생성할 수 있다.
도 9는 본 개시의 일 실시예에 따른 복수의 도로 교통 구조물에 대한 3차원 평면 정보 맵(900)의 예시를 나타낸다. 여기서, 복수의 도로 교통 구조물에 대한 3차원 평면 정보 맵(900)은 서로 다른 노드에서 촬영된 복수의 거리뷰 영상으로부터 각각 획득한 복수의 도로 교통 구조물 각각에 대한 3차원 평면 정보를 병합하여 시각화한 정보를 나타낼 수 있다. 도로 교통 구조물은 도 9에 도시된 바와 같이, 도로 교통 표지판, 안전 표지판, 신호등을 포함할 수 있으나, 이에 한정되지 않는다. 예를 들어, 도로 교통 구조물은 도로 주행 환경에 영향을 미칠 수 있는 구조물 또는 시설물로서, 중앙 분리대, 경계석, 가로수, 버스 정류장 등을 더 포함할 수 있다. 이와 같은 도로 교통 구조물들은 시간이 지나도 시각적으로 잘 변하지 않는 객체로서, 시각 특징맵이 생성된 이후에, 카메라 기반 위치 추정에서 사용하기 적합한 객체이다.
일 실시예에 따르면, 특정 도로 교통 구조물에 대한 3차원 평면 정보는 거리뷰 영상 내 복수의 특징점 중 도로 교통 구조물과 연관된 특징점의 절대좌표 위치 정보를 결정하는데 이용될 수 있다. 일 실시예에서, 정보 처리 시스템은 거리뷰 영상 내 복수의 특징점 중 특정 도로 교통 구조물과 연관된 특징점을 3차원 평면에 투영함으로써 특정 도로 교통 구조물과 연관된 특징점의 절대좌표 위치 정보를 결정할 수 있다.
도 10은 본 개시의 일 실시예에 따른 거리뷰 영상을 기초로 생성된 복수의 평면 이미지를 이용하여 거리뷰 영상에서 제1 세트의 특징점을 추출하는 과정의 예시를 나타낸다. 여기서, 거리뷰 영상은 등장방형도법으로 생성된 360도 파노라마 영상으로서, 특정 지역 내의 특정 노드에서 촬영된 거리뷰 영상일 수 있다. 파노라마 영상인 거리뷰 영상의 기하 왜곡으로 인한 특징 검출 또는 특징 매칭의 오류를 해소하기 위해, 정보 처리 시스템은 제1 상태(1010) 및 제2 상태(1020)를 거쳐 거리뷰 영상에서 제1 세트의 특징점을 추출할 수 있다.
제1 상태(1010)는 거리뷰 영상을 기초로 생성된 복수의 평면 이미지의 예시를 나타낸다. 일 실시예에 따르면, 정보 처리 시스템은 원근 투영(perspective projection) 방법을 이용하여 제1 거리뷰 영상을 복수의 평면 이미지로 변환할 수 있다. 그 후, 정보 처리 시스템은 복수의 평면 이미지 각각으로부터 복수의 특징점을 추출할 수 있다. 예를 들어, 도시된 바와 같이, 정보 처리 시스템은 거리뷰 영상을 지평선을 바라보는 높이로 수평으로 회전한 후, 12장의 평면 이미지로 투영하고, 각각의 평면 이미지로부터 특징점을 검출하고 시각 기술자를 추출할 수 있다. 제1 상태(1010)에서 빨간색 점 하나가 하나의 특징점을 나타낼 수 있다.
제2 상태(1020)는 복수의 평면 이미지에서 추출된 특징점을 거리뷰 영상에 투영한 결과의 예시를 나타낸다. 일 실시예에 따르면, 정보 처리 시스템은 복수의 평면 이미지 각각에서의 복수의 특징점과 연관된 좌표 정보를 거리뷰 영상에 투영함으로써 제1 세트의 특징점을 획득할 수 있다. 예를 들어, 정보 처리 시스템은 원근 투영 방법의 역산을 이용하여, 제1 상태(1010)에서의 복수의 평면 이미지 각각으로부터 추출된 복수의 특징점과 연관된 좌표 정보를 거리뷰 영상에 투영하여 거리뷰 영상에서의 제1 세트의 특징점을 획득할 수 있다. 제2 상태(1020)에서 빨간색 점 하나가 하나의 특징점을 나타낼 수 있다.
도 11은 본 개시의 일 실시예에 따른 도로 교통 구조물에 대한 절대좌표 위치 정보를 획득하는 과정의 예시를 나타낸다. 일 실시예에 따르면, 정보 처리 시스템은 도 8을 참조하여 설명된 방식으로 획득된 특정 도로 교통 구조물에 대한 3차원 평면 정보(1116)를 이용하여, 도로 교통 구조물과 연관된 특징점들(1114)의 절대좌표 위치 정보를 결정할 수 있다. 거리뷰 영상(1112)에서 초록색 점으로 표시된 특징점들은 건물 및 도로와 연관된 특징점들을 나타내고, 빨간색 점으로 표시된 특징점들은 도로 교통 구조물과 연관된 특징점들을 나타낼 수 있다.
일 실시예에서, 정보 처리 시스템은 거리뷰 영상(1112)에서 추출된 복수의 특징점 중 도로 교통 구조물과 연관된 특징점들(1114)을 도로 교통 구조물에 대한 3차원 평면(1116)에 투영할 수 있다. 그 후, 정보 처리 시스템은 3차원 평면(1116)의 정보에 기초하여, 3차원 평면(1116)에 투영된 특징점(1118)들의 3차원 좌표 정보를 결정할 수 있다.
도 12는 본 개시의 일 실시예에 따른 특정 지역에 대한 시각 특징맵(1200)의 예시를 나타낸다. 일 실시예에 따르면, 정보 처리 시스템은 특정 지역의 서로 다른 노드에서 촬영된 복수의 거리뷰 영상과 연관된 시각 특징맵들을 병합하여, 특정 지역에 대한 시각 특징맵(1200)을 생성할 수 있다. 예를 들어, 정보 처리 시스템은 특정 지역 내의 제1 노드에서 촬영된 제1 거리뷰 영상을 기초로 제1 거리뷰와 연관된 제1 시각 특징맵을 생성할 수 있다. 이와 유사하게, 정보 처리 시스템은 특정 지역 내의 제2 노드에서 촬영된 제2 거리뷰 영상을 기초로 제2 거리뷰 영상과 연관된 제2 시각 특징맵을 생성할 수 있다. 그리고 나서, 정보 처리 시스템은 제1 거리뷰 영상의 절대좌표 위치 정보 및 방향 정보 및 제2 거리뷰 영상의 절대좌표 위치 정보 및 방향 정보에 기초하여, 제1 시각 특징맵과 제2 시각 특징맵을 병합함으로써 특정 지역에 대한 시각 특징맵(1200)을 생성할 수 있다. 여기서, 거리뷰 영상의 절대좌표 위치 정보 및 방향 정보, 그리고 제2 거리뷰 영상의 절대좌표 위치 정보 및 방향 정보는 3차원 모델의 절대좌표 위치 정보와 정합된 정보일 수 있다.
시각 특징맵(1200)에서 초록색 점으로 표시된 특징점들은 건물 및 도로와 연관된 특징점들을 나타내고, 빨간색 점으로 표시된 특징점들은 도로 교통 구조물과 연관된 특징점들을 나타낼 수 있다. 이와 같은 구성을 통해, 차량기반 멀티센서 측량 시스템이 장착된 차량을 이용하는 대신, 항공 영상 측량 등을 통해 생성된 3차원 건물 모델 정보 및 거리뷰 서비스를 위해 이미 촬영된 거리뷰 영상을 이용하여, 특정 지역에 대한 전체의 시각 특징맵을 획득할 수 있어 비용과 노력을 절감할 수 있다.
도 13은 본 개시의 일 실시예에 따른 3차원 모델 및 거리뷰 영상을 이용한 시각 특징맵 생성 방법(1300)의 예시를 나타내는 흐름도이다. 방법(1300)은 프로세서(예를 들어, 정보 처리 시스템의 적어도 하나의 프로세서)가 절대좌표 위치로 표현된 3차원 기하정보를 포함하는 특정 지역에 대한 3차원 모델을 수신함으로써 개시될 수 있다(S1310). 여기서, 3차원 모델은 특정 지역 내의 복수의 3차원 빌딩 모델과 도로 모델을 포함할 수 있다.
그 후, 정보 처리 시스템은 특정 지역 내의 제1 노드에서 촬영된 제1 거리뷰 영상을 수신할 수 있다(S1320). 여기서, 제1 거리뷰 영상은 등장방형도법(equirectangular projection)으로 생성된 파노라마 영상일 수 있다. 또한, 제1 거리뷰 영상의 절대좌표 위치 정보 및 방향 정보는 3차원 모델의 절대좌표 위치 정보와 정합된 위치 정보일 수 있다. 예를 들어, 제1 거리뷰 영상의 절대좌표 위치 정보 및 방향 정보는 미리 정의된 맵매칭 포인트 또는 맵매칭 라인을 이용하여 3차원 모델의 절대좌표 위치 정보와 정합될 수 있다. 여기서, 맵매칭 포인트는 그라운드 컨트롤 포인트(Ground Control Point; GCP) 및 빌딩 컨트롤 포인트(Building Control Point; GCP)를 포함할 수 있다. 각 그라운드 컨트롤 포인트는 지면에서의 한 포인트와 3차원 절대좌표 위치 정보의 대응쌍일 수 있다. 각 빌딩 컨트롤 포인트는 빌딩에서의 한 포인트와 3차원 절대좌표 위치 정보의 대응쌍일 수 있다. 맵매칭 라인은 그라운드 컨트롤 라인(Ground Control Line; GCL)을 포함하고, 각 그라운드 컨트롤 라인은 지면에서의 한 라인과 적어도 하나의 3차원 절대좌표 위치 정보의 대응쌍일 수 있다.
일 실시예에서, 정보 처리 시스템은 제1 거리뷰 영상의 절대좌표 위치 정보 및 방향 정보에 기초하여, 3차원 모델에 포함된 3차원 기하정보 중 적어도 일부를 제1 거리뷰 영상에 투영하여 제1 거리뷰 영상과 연관된 뎁스 맵(depth map)을 렌더링할 수 있다(S1330). 여기서, 뎁스 맵은 빌딩과 도로의 깊이 정보를 포함할 수 있다.
일 실시예에서, 정보 처리 시스템은 제1 거리뷰 영상으로부터 제1 세트의 특징점(feature point)을 추출할 수 있다(S1340). 예를 들어, 정보 처리 시스템은 원근 투영(perspective projection) 방법을 이용하여 제1 거리뷰 영상을 복수의 평면 이미지로 변환하고, 복수의 평면 이미지 각각으로부터 복수의 특징점을 추출하고, 복수의 평면 이미지 각각에서의 복수의 특징점과 연관된 좌표 정보를 제1 거리뷰 영상에 투영하여 제1 세트의 특징점을 획득할 수 있다.
일 실시예에서, 정보 처리 시스템은 제1 거리뷰 영상을 기초로 시맨틱 세그멘테이션(semantic segmentation)을 수행하여, 제1 거리뷰 영상에 포함된 도로 영역과 빌딩 영역을 나타내는 이진 마스크(binary mask)를 생성하고, 이진 마스크를 이용하여 제1 거리뷰 영상으로부터 제1 세트의 특징점을 추출할 수 있다. 이 경우, 이진 마스크를 생성하는 것은, 제1 거리뷰 영상을 복수의 비왜곡(undistorted) 평면 이미지로 변환하는 것과 복수의 비왜곡 평면 이미지에 대해 시맨틱 세그멘테이션(semantic segmentation)을 수행하여 도로 영역과 빌딩 영역을 검출하는 것을 포함할 수 있다. 여기서, 복수의 비왜곡 평면 이미지는 원근 투영(perspective projection) 방법을 이용하여 제1 거리뷰 영상을 6개의 큐브 이미지로 변환하여 생성될 수 있다. 또한, 이진 마스크를 이용하여 제1 거리뷰 영상으로부터 제1 세트의 특징점을 추출하는 것은 이진 마스크를 이용하여, 제1 거리뷰 영상의 일부 영역에서 제1 세트의 특징점을 추출하는 것을 포함할 수 있다. 대안적으로, 이진 마스크를 이용하여 제1 거리뷰 영상으로부터 제1 세트의 특징점을 추출하는 것은, 이진 마스크를 이용하여, 제1 거리뷰 영상으로부터 추출된 복수의 특징점에 대한 필터링을 수행하여 제1 세트의 특징점을 추출하는 것을 포함할 수 있다.
일 실시예에서, 정보 처리 시스템은 뎁스 맵에 기초하여, 제1 세트의 특징점의 전부 또는 일부의 절대좌표 위치 정보를 결정할 수 있다(S1350). 구체적으로, 뎁스 맵에 기초하여 제1 세트의 특징점 중 빌딩 및 도로와 연관된 특징점의 절대좌표 위치 정보가 결정될 수 있다.
일 실시예에서, 정보 처리 시스템은 특정 지역 내의 제2 노드에서 촬영된 제2 거리뷰 영상을 수신할 수 있다. 이 경우, 정보 처리 시스템은 제1 거리뷰 영상과 제2 거리뷰 영상에 기초하여, 제1 거리뷰 영상 및 제2 거리뷰 영상에 포함된 특정 도로 교통 구조물에 대한 3차원 평면 정보를 생성할 수 있다. 여기서, 3차원 평면 정보를 생성하는 것은 제1 거리뷰 영상 내에 제1 도로 교통 구조물이 포함된 제1 영역을 검출하는 것, 제2 거리뷰 영상 내에 제2 도로 교통 구조물이 포함된 제2 영역을 검출하는 것, 제1 영역과 제2 영역의 시각적 유사도에 기초하여, 제1 도로 교통 구조물과 제2 도로 교통 구조물을 동일한 도로 교통 구조물인 특정 도로 교통 구조물로 판정하는 것, 그리고 제1 영역 및 제2 영역에 대해 스테레오 매칭 및 삼각 측량을 수행하여, 특정 도로 교통 구조물에 대한 3차원 평면 정보를 생성하는 것을 포함할 수 있다. 여기서, 제1 영역과 제2 영역의 시각적 유사도는 색상 유사도, 시각적 특징 기술자 유사도 또는 딥러닝 기반 매칭 모델 중 적어도 하나를 이용하여 결정될 수 있다. 그 후, 정보 처리 시스템은 3차원 평면 정보에 기초하여, 제1 세트의 특징점 중 특정 도로 교통 구조물과 연관된 특징점의 절대좌표 위치 정보를 결정할 수 있다. 예를 들어, 특정 도로 교통 구조물과 연관된 특징점의 절대좌표 위치 정보를 결정하는 것은, 제1 세트의 특징점 중 특정 도로 교통 구조물과 연관된 특징점을 3차원 평면에 투영하는 것을 포함할 수 있다.
그 후, 정보 처리 시스템은 제1 세트의 특징점 각각에 대해 절대좌표 위치 정보 및 시각 특징 기술자(visual feature descriptor)를 서로 연관시켜 저장함으로써, 제1 거리뷰 영상과 연관된 제1 시각 특징맵을 생성할 수 있다(S1360).
일 실시예에서, 정보 처리 시스템은 특정 지역 내의 제2 노드에서 촬영된 제2 거리뷰 영상을 수신하고, 제2 거리뷰 영상과 연관된 제2 시각 특징맵을 생성할 수 있다. 그 후, 정보 처리 시스템은 제1 거리뷰 영상의 절대좌표 위치 정보 및 방향 정보 및 제2 거리뷰 영상의 절대좌표 위치 정보 및 방향 정보에 기초하여, 제1 시각 특징맵과 제2 시각 특징맵을 병합할 수 있다. 여기서, 제1 거리뷰 영상의 절대좌표 위치 정보 및 방향 정보, 그리고 제2 거리뷰 영상의 절대좌표 위치 정보 및 방향 정보는 3차원 모델의 절대좌표 위치 정보와 정합된 위치 정보일 수 있다.
도 13의 흐름도 및 상술한 설명은 일 예시일 뿐이며, 본 개시의 범위가 이에 한정되는 것은 아니다. 예를 들어, 적어도 하나의 단계가 추가/변경/삭제되거나, 각 단계의 순서가 변경될 수 있다.
상술한 방법은 컴퓨터에서 실행하기 위해 컴퓨터 판독 가능한 기록 매체에 저장된 컴퓨터 프로그램으로 제공될 수 있다. 매체는 컴퓨터로 실행 가능한 프로그램을 계속 저장하거나, 실행 또는 다운로드를 위해 임시 저장하는 것일 수도 있다. 또한, 매체는 단일 또는 수개 하드웨어가 결합된 형태의 다양한 기록수단 또는 저장수단일 수 있는데, 어떤 컴퓨터 시스템에 직접 접속되는 매체에 한정되지 않고, 네트워크 상에 분산 존재하는 것일 수도 있다. 매체의 예시로는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD 와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium), 및 ROM, RAM, 플래시 메모리 등을 포함하여 프로그램 명령어가 저장되도록 구성된 것이 있을 수 있다. 또한, 다른 매체의 예시로, 애플리케이션을 유통하는 앱 스토어나 기타 다양한 소프트웨어를 공급 내지 유통하는 사이트, 서버 등에서 관리하는 기록매체 내지 저장매체도 들 수 있다.
본 개시의 방법, 동작 또는 기법들은 다양한 수단에 의해 구현될 수도 있다. 예를 들어, 이러한 기법들은 하드웨어, 펌웨어, 소프트웨어, 또는 이들의 조합으로 구현될 수도 있다. 본원의 개시와 연계하여 설명된 다양한 예시적인 논리적 블록들, 모듈들, 회로들, 및 알고리즘 단계들은 전자 하드웨어, 컴퓨터 소프트웨어, 또는 양자의 조합들로 구현될 수도 있음을 통상의 기술자들은 이해할 것이다. 하드웨어 및 소프트웨어의 이러한 상호 대체를 명확하게 설명하기 위해, 다양한 예시적인 구성요소들, 블록들, 모듈들, 회로들, 및 단계들이 그들의 기능적 관점에서 일반적으로 위에서 설명되었다. 그러한 기능이 하드웨어로서 구현되는지 또는 소프트웨어로서 구현되는지의 여부는, 특정 애플리케이션 및 전체 시스템에 부과되는 설계 요구사항들에 따라 달라진다. 통상의 기술자들은 각각의 특정 애플리케이션을 위해 다양한 방식들로 설명된 기능을 구현할 수도 있으나, 그러한 구현들은 본 개시의 범위로부터 벗어나게 하는 것으로 해석되어서는 안된다.
하드웨어 구현에서, 기법들을 수행하는 데 이용되는 프로세싱 유닛들은, 하나 이상의 ASIC들, DSP들, 디지털 신호 프로세싱 디바이스들(digital signal processing devices; DSPD들), 프로그램가능 논리 디바이스들(programmable logic devices; PLD들), 필드 프로그램가능 게이트 어레이들(field programmable gate arrays; FPGA들), 프로세서들, 제어기들, 마이크로제어기들, 마이크로프로세서들, 전자 디바이스들, 본 개시에 설명된 기능들을 수행하도록 설계된 다른 전자 유닛들, 컴퓨터, 또는 이들의 조합 내에서 구현될 수도 있다.
따라서, 본 개시와 연계하여 설명된 다양한 예시적인 논리 블록들, 모듈들, 및 회로들은 범용 프로세서, DSP, ASIC, FPGA나 다른 프로그램 가능 논리 디바이스, 이산 게이트나 트랜지스터 로직, 이산 하드웨어 컴포넌트들, 또는 본원에 설명된 기능들을 수행하도록 설계된 것들의 임의의 조합으로 구현되거나 수행될 수도 있다. 범용 프로세서는 마이크로프로세서일 수도 있지만, 대안으로, 프로세서는 임의의 종래의 프로세서, 제어기, 마이크로제어기, 또는 상태 머신일 수도 있다. 프로세서는 또한, 컴퓨팅 디바이스들의 조합, 예를 들면, DSP와 마이크로프로세서, 복수의 마이크로프로세서들, DSP 코어와 연계한 하나 이상의 마이크로프로세서들, 또는 임의의 다른 구성의 조합으로서 구현될 수도 있다.
펌웨어 및/또는 소프트웨어 구현에 있어서, 기법들은 랜덤 액세스 메모리(random access memory; RAM), 판독 전용 메모리(read-only memory; ROM), 비휘발성 RAM(non-volatile random access memory; NVRAM), PROM(programmable read-only memory), EPROM(erasable programmable read-only memory), EEPROM(electrically erasable PROM), 플래시 메모리, 컴팩트 디스크(compact disc; CD), 자기 또는 광학 데이터 스토리지 디바이스 등과 같은 컴퓨터 판독가능 매체 상에 저장된 명령들로서 구현될 수도 있다. 명령들은 하나 이상의 프로세서들에 의해 실행 가능할 수도 있고, 프로세서(들)로 하여금 본 개시에 설명된 기능의 특정 양태들을 수행하게 할 수도 있다.
이상 설명된 실시예들이 하나 이상의 독립형 컴퓨터 시스템에서 현재 개시된 주제의 양태들을 활용하는 것으로 기술되었으나, 본 개시는 이에 한정되지 않고, 네트워크나 분산 컴퓨팅 환경과 같은 임의의 컴퓨팅 환경과 연계하여 구현될 수도 있다. 또 나아가, 본 개시에서 주제의 양상들은 복수의 프로세싱 칩들이나 장치들에서 구현될 수도 있고, 스토리지는 복수의 장치들에 걸쳐 유사하게 영향을 받게 될 수도 있다. 이러한 장치들은 PC들, 네트워크 서버들, 및 휴대용 장치들을 포함할 수도 있다.
본 명세서에서는 본 개시가 일부 실시예들과 관련하여 설명되었지만, 본 개시의 발명이 속하는 기술분야의 통상의 기술자가 이해할 수 있는 본 개시의 범위를 벗어나지 않는 범위에서 다양한 변형 및 변경이 이루어질 수 있다. 또한, 그러한 변형 및 변경은 본 명세서에 첨부된 특허청구의 범위 내에 속하는 것으로 생각되어야 한다.
110: 3차원 모델
112: 3차원 빌딩 모델 114: 수치 표고 모델 116: 정사 영상
120: 거리뷰 데이터
130: 맵매칭 132: 맵매칭 포인트/라인
150: 특징 매칭 152: 특징점 대응 세트
160: 위치 정보 및 방향 정보 추정
162: 절대좌표 위치 정보 및 방향 정보
112: 3차원 빌딩 모델 114: 수치 표고 모델 116: 정사 영상
120: 거리뷰 데이터
130: 맵매칭 132: 맵매칭 포인트/라인
150: 특징 매칭 152: 특징점 대응 세트
160: 위치 정보 및 방향 정보 추정
162: 절대좌표 위치 정보 및 방향 정보
Claims (19)
- 적어도 하나의 프로세서에 의해 수행되는, 3차원 모델 및 거리뷰 영상을 이용한 시각 특징맵 생성 방법에 있어서,
절대좌표 위치로 표현된 3차원 기하정보를 포함하는 특정 지역에 대한 3차원 모델을 수신하는 단계;
상기 특정 지역 내의 제1 노드에서 촬영된 제1 거리뷰 영상을 수신하는 단계;
상기 제1 거리뷰 영상의 절대좌표 위치 정보 및 방향 정보에 기초하여, 상기 3차원 모델에 포함된 3차원 기하정보 중 적어도 일부를 상기 제1 거리뷰 영상에 투영하여 상기 제1 거리뷰 영상과 연관된 뎁스 맵(depth map)을 렌더링하는 단계;
상기 제1 거리뷰 영상으로부터 제1 세트의 특징점(feature point)을 추출하는 단계;
상기 뎁스 맵에 기초하여, 상기 제1 세트의 특징점의 전부 또는 일부의 절대좌표 위치 정보를 결정하는 단계; 및
상기 제1 세트의 특징점 각각에 대해 절대좌표 위치 정보 및 시각 특징 기술자(visual feature descriptor)를 서로 연관시켜 저장함으로써, 상기 제1 거리뷰 영상과 연관된 제1 시각 특징맵을 생성하는 단계
를 포함하는, 시각 특징맵 생성 방법. - 제1항에 있어서,
상기 제1 거리뷰 영상은 등장방형도법(equirectangular projection)으로 생성된 파노라마 영상이고,
상기 제1 거리뷰 영상의 절대좌표 위치 정보 및 방향 정보는 상기 3차원 모델의 절대좌표 위치 정보와 정합된, 시각 특징맵 생성 방법. - 제1항에 있어서,
상기 제1 세트의 특징점을 추출하는 단계는,
상기 제1 거리뷰 영상을 기초로 시맨틱 세그멘테이션(semantic segmentation)을 수행하여, 상기 제1 거리뷰 영상에 포함된 도로 영역과 빌딩 영역을 나타내는 이진 마스크(binary mask)를 생성하는 단계; 및
상기 이진 마스크를 이용하여 상기 제1 거리뷰 영상으로부터 상기 제1 세트의 특징점을 추출하는 단계
를 포함하는, 시각 특징맵 생성 방법. - 제3항에 있어서,
상기 이진 마스크를 생성하는 단계는,
상기 제1 거리뷰 영상을 복수의 비왜곡(undistorted) 평면 이미지로 변환하는 단계; 및
상기 복수의 비왜곡 평면 이미지에 대해 시맨틱 세그멘테이션(semantic segmentation)을 수행하여 도로 영역과 빌딩 영역을 검출하는 단계
를 포함하는, 시각 특징맵 생성 방법. - 제4항에 있어서,
상기 복수의 비왜곡 평면 이미지는 원근 투영(perspective projection) 방법을 이용하여 상기 제1 거리뷰 영상을 6개의 큐브 이미지로 변환하여 생성되는, 시각 특징맵 생성 방법. - 제1항에 있어서,
상기 3차원 모델은 상기 특정 지역 내의 복수의 3차원 빌딩 모델과 도로 모델을 포함하고,
상기 뎁스 맵은 빌딩과 도로의 깊이 정보를 포함하고,
상기 뎁스 맵에 기초하여 상기 제1 세트의 특징점 중 빌딩 및 도로와 연관된 특징점의 절대좌표 위치 정보가 결정되는, 시각 특징맵 생성 방법. - 제3항에 있어서,
상기 이진 마스크를 이용하여 상기 제1 거리뷰 영상으로부터 상기 제1 세트의 특징점을 추출하는 단계는,
상기 이진 마스크를 이용하여, 상기 제1 거리뷰 영상의 일부 영역에서 상기 제1 세트의 특징점을 추출하는 단계
를 포함하는, 시각 특징맵 생성 방법. - 제3항에 있어서,
상기 이진 마스크를 이용하여 상기 제1 거리뷰 영상으로부터 상기 제1 세트의 특징점을 추출하는 단계는,
상기 이진 마스크를 이용하여, 상기 제1 거리뷰 영상으로부터 추출된 복수의 특징점에 대한 필터링을 수행하여 상기 제1 세트의 특징점을 추출하는 단계
를 포함하는, 시각 특징맵 생성 방법. - 제1항에 있어서,
상기 특정 지역 내의 제2 노드에서 촬영된 제2 거리뷰 영상을 수신하는 단계;
상기 제1 거리뷰 영상과 상기 제2 거리뷰 영상에 기초하여, 상기 제1 거리뷰 영상 및 상기 제2 거리뷰 영상에 포함된 특정 도로 교통 구조물에 대한 3차원 평면 정보를 생성하는 단계; 및
상기 3차원 평면 정보에 기초하여, 상기 제1 세트의 특징점 중 상기 특정 도로 교통 구조물과 연관된 특징점의 절대좌표 위치 정보를 결정하는 단계
를 더 포함하는, 시각 특징맵 생성 방법. - 제9항에 있어서,
상기 특정 도로 교통 구조물과 연관된 특징점의 절대좌표 위치 정보를 결정하는 단계는,
상기 제1 세트의 특징점 중 상기 특정 도로 교통 구조물과 연관된 특징점을 상기 3차원 평면에 투영하는 단계
를 포함하는, 시각 특징맵 생성 방법. - 제9항에 있어서,
상기 3차원 평면 정보를 생성하는 단계는,
상기 제1 거리뷰 영상 내에 제1 도로 교통 구조물이 포함된 제1 영역을 검출하는 단계;
상기 제2 거리뷰 영상 내에 제2 도로 교통 구조물이 포함된 제2 영역을 검출하는 단계;
상기 제1 영역과 상기 제2 영역의 시각적 유사도에 기초하여, 상기 제1 도로 교통 구조물과 상기 제2 도로 교통 구조물을 동일한 도로 교통 구조물인 상기 특정 도로 교통 구조물로 판정하는 단계; 및
상기 제1 영역 및 상기 제2 영역에 대해 스테레오 매칭 및 삼각 측량을 수행하여, 상기 특정 도로 교통 구조물에 대한 3차원 평면 정보를 생성하는 단계
를 포함하는, 시각 특징맵 생성 방법. - 제11항에 있어서,
상기 제1 영역과 상기 제2 영역의 시각적 유사도는 색상 유사도, 시각적 특징 기술자 유사도 또는 딥러닝 기반 매칭 모델 중 적어도 하나를 이용하여 결정되는, 시각 특징맵 생성 방법. - 제1항에 있어서,
상기 제1 세트의 특징점을 추출하는 단계는,
원근 투영(perspective projection) 방법을 이용하여 상기 제1 거리뷰 영상을 복수의 평면 이미지로 변환하는 단계;
상기 복수의 평면 이미지 각각으로부터 복수의 특징점을 추출하는 단계; 및
상기 복수의 평면 이미지 각각에서의 복수의 특징점과 연관된 좌표 정보를 상기 제1 거리뷰 영상에 투영하여 상기 제1 세트의 특징점을 획득하는 단계
를 포함하는, 시각 특징맵 생성 방법. - 제1항에 있어서,
상기 제1 거리뷰 영상의 절대좌표 위치 정보 및 방향 정보는 미리 정의된 맵매칭 포인트 또는 맵매칭 라인을 이용하여 상기 3차원 모델의 절대좌표 위치 정보와 정합된, 시각 특징맵 생성 방법. - 제14항에 있어서,
상기 맵매칭 포인트는 그라운드 컨트롤 포인트(Ground Control Point; GCP) 및 빌딩 컨트롤 포인트(Building Control Point; GCP)를 포함하고,
각 그라운드 컨트롤 포인트는 지면에서의 한 포인트와 3차원 절대좌표 위치 정보의 대응쌍이고,
각 빌딩 컨트롤 포인트는 빌딩에서의 한 포인트와 3차원 절대좌표 위치 정보의 대응쌍인, 시각 특징맵 생성 방법. - 제14항에 있어서,
상기 맵매칭 라인은 그라운드 컨트롤 라인(Ground Control Line; GCL)을 포함하고,
각 그라운드 컨트롤 라인은 지면에서의 한 라인과 적어도 하나의 3차원 절대좌표 위치 정보의 대응쌍인, 시각 특징맵 생성 방법. - 제1항에 있어서,
상기 특정 지역 내의 제2 노드에서 촬영된 제2 거리뷰 영상을 수신하는 단계;
상기 제2 거리뷰 영상과 연관된 제2 시각 특징맵을 생성하는 단계; 및
상기 제1 거리뷰 영상의 절대좌표 위치 정보 및 방향 정보 및 상기 제2 거리뷰 영상의 절대좌표 위치 정보 및 방향 정보에 기초하여, 상기 제1 시각 특징맵과 상기 제2 시각 특징맵을 병합하는 단계
를 더 포함하고,
상기 제1 거리뷰 영상의 절대좌표 위치 정보 및 방향 정보, 그리고 상기 제2 거리뷰 영상의 절대좌표 위치 정보 및 방향 정보는 상기 3차원 모델의 절대좌표 위치 정보와 정합된, 시각 특징맵 생성 방법. - 제1항 내지 제17항 중 어느 한 항에 따른 방법을 컴퓨터에서 실행하기 위해 컴퓨터로 판독 가능한 기록 매체에 저장된 컴퓨터 프로그램.
- 정보 처리 시스템으로서,
통신 모듈;
메모리; 및
상기 메모리와 연결되고, 상기 메모리에 포함된 컴퓨터 판독 가능한 적어도 하나의 프로그램을 실행하도록 구성된 적어도 하나의 프로세서
를 포함하고,
상기 적어도 하나의 프로그램은,
절대좌표 위치로 표현된 3차원 기하정보를 포함하는 특정 지역에 대한 3차원 모델을 수신하고,
상기 특정 지역 내의 제1 노드에서 촬영된 제1 거리뷰 영상을 수신하고,
상기 제1 거리뷰 영상의 절대좌표 위치 정보 및 방향 정보에 기초하여, 상기 3차원 모델에 포함된 3차원 기하정보 중 적어도 일부를 상기 제1 거리뷰 영상에 투영하여 상기 제1 거리뷰 영상과 연관된 뎁스 맵(depth map)을 렌더링하고,
상기 제1 거리뷰 영상으로부터 제1 세트의 특징점(feature point)을 추출하고,
상기 뎁스 맵에 기초하여, 상기 제1 세트의 특징점의 전부 또는 일부의 절대좌표 위치 정보를 결정하고,
상기 제1 세트의 특징점 각각에 대해 절대좌표 위치 정보 및 시각 특징 기술자(visual feature descriptor)를 서로 연관시켜 저장함으로써, 상기 제1 거리뷰 영상과 연관된 제1 시각 특징맵을 생성하기 위한 명령어들을 포함하는, 정보 처리 시스템.
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020220147616A KR20240066616A (ko) | 2022-11-08 | 2022-11-08 | 3차원 모델 및 거리뷰 영상을 이용한 시각 특징맵 생성 방법 및 시스템 |
PCT/KR2023/017704 WO2024101833A1 (ko) | 2022-11-08 | 2023-11-06 | 3차원 모델 및 거리뷰 영상을 이용한 시각 특징맵 생성 방법 및 시스템 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020220147616A KR20240066616A (ko) | 2022-11-08 | 2022-11-08 | 3차원 모델 및 거리뷰 영상을 이용한 시각 특징맵 생성 방법 및 시스템 |
Publications (1)
Publication Number | Publication Date |
---|---|
KR20240066616A true KR20240066616A (ko) | 2024-05-16 |
Family
ID=91032914
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020220147616A KR20240066616A (ko) | 2022-11-08 | 2022-11-08 | 3차원 모델 및 거리뷰 영상을 이용한 시각 특징맵 생성 방법 및 시스템 |
Country Status (2)
Country | Link |
---|---|
KR (1) | KR20240066616A (ko) |
WO (1) | WO2024101833A1 (ko) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102147969B1 (ko) * | 2018-01-22 | 2020-08-25 | 네이버 주식회사 | 파노라마 뷰에 대한 3차원 모델을 생성하는 방법 및 시스템 |
KR102234461B1 (ko) * | 2019-08-12 | 2021-04-01 | 네이버랩스 주식회사 | 2d 지도를 이용하여 거리뷰 이미지의 깊이 정보를 생성하는 방법 및 시스템 |
KR102383499B1 (ko) * | 2020-05-28 | 2022-04-08 | 네이버랩스 주식회사 | 시각 특징 맵 생성 방법 및 시스템 |
KR102525281B1 (ko) * | 2020-11-12 | 2023-04-25 | 네이버랩스 주식회사 | 이미지 기반 측위 방법 및 시스템 |
KR102363719B1 (ko) * | 2021-06-30 | 2022-02-16 | 주식회사 모빌테크 | 3차원 점군 지도의 투영 변환을 이용한 차선 좌표 추출 방법 |
-
2022
- 2022-11-08 KR KR1020220147616A patent/KR20240066616A/ko unknown
-
2023
- 2023-11-06 WO PCT/KR2023/017704 patent/WO2024101833A1/ko unknown
Also Published As
Publication number | Publication date |
---|---|
WO2024101833A1 (ko) | 2024-05-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10962366B2 (en) | Visual odometry and pairwise alignment for high definition map creation | |
US9092899B1 (en) | Automatic method for photo texturing geolocated 3D models from geolocated imagery | |
US20190096089A1 (en) | Enabling use of three-dimensonal locations of features with two-dimensional images | |
US8749580B1 (en) | System and method of texturing a 3D model from video | |
CN109186551B (zh) | 倾斜摄影测量建筑物特征点提取方法、装置与存储介质 | |
CN109269472B (zh) | 倾斜摄影测量建筑物特征线提取方法、装置与存储介质 | |
CN104180814A (zh) | 移动终端上实景功能中的导航方法和电子地图客户端 | |
JP7322121B2 (ja) | 道路情報変化領域補完方法及びシステム | |
CN112348886B (zh) | 视觉定位方法、终端和服务器 | |
WO2020156923A2 (en) | Map and method for creating a map | |
JP2016157197A (ja) | 自己位置推定装置、自己位置推定方法およびプログラム | |
CN113436338A (zh) | 火灾现场的三维重建方法、装置、服务器及可读存储介质 | |
CN114969221A (zh) | 一种更新地图的方法及相关设备 | |
CN116858215B (zh) | 一种ar导航地图生成方法及装置 | |
CN110827340B (zh) | 地图的更新方法、装置及存储介质 | |
KR20240066616A (ko) | 3차원 모델 및 거리뷰 영상을 이용한 시각 특징맵 생성 방법 및 시스템 | |
JP2022134114A (ja) | 無人飛行体または航空機によって撮影した航空画像に基づいてhdマップを生成する方法およびシステム | |
Brata et al. | An Enhancement of Outdoor Location-Based Augmented Reality Anchor Precision through VSLAM and Google Street View | |
KR102675282B1 (ko) | 자동 생성된 컨트롤 피처를 이용한 거리뷰 영상의 절대 포즈 추정 방법 및 시스템 | |
KR20240071697A (ko) | 빌딩 컨트롤 포인트 자동 취득 방법 및 시스템 | |
KR20240053966A (ko) | 그라운드 컨트롤 포인트 자동 취득 방법 및 시스템 | |
KR20240053979A (ko) | 그라운드 컨트롤 라인 자동 취득 방법 및 시스템 | |
KR20240053391A (ko) | 3차원 모델과 거리뷰 데이터를 정합시키는 방법 및 시스템 | |
KR20240064332A (ko) | 3차원 모델을 이용한 거리뷰 영상 사이의 특징점 매칭쌍 자동 취득 방법 및 시스템 | |
KR20240053987A (ko) | 시각 특징 추출 신경망 모델 학습 방법 및 시스템 |