WO2021125578A1 - 시각 정보 처리 기반의 위치 인식 방법 및 시스템 - Google Patents

시각 정보 처리 기반의 위치 인식 방법 및 시스템 Download PDF

Info

Publication number
WO2021125578A1
WO2021125578A1 PCT/KR2020/016271 KR2020016271W WO2021125578A1 WO 2021125578 A1 WO2021125578 A1 WO 2021125578A1 KR 2020016271 W KR2020016271 W KR 2020016271W WO 2021125578 A1 WO2021125578 A1 WO 2021125578A1
Authority
WO
WIPO (PCT)
Prior art keywords
pose
global
global pose
mobile device
camera
Prior art date
Application number
PCT/KR2020/016271
Other languages
English (en)
French (fr)
Inventor
허동철
정영호
김상욱
Original Assignee
네이버랩스 주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 네이버랩스 주식회사 filed Critical 네이버랩스 주식회사
Publication of WO2021125578A1 publication Critical patent/WO2021125578A1/ko
Priority to US17/712,849 priority Critical patent/US20220230350A1/en

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/587—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/53—Querying
    • G06F16/532—Query formulation, e.g. graphical querying
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/5854—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using shape and object relationship
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G06T7/248—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments involving reference images or patches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/269—Analysis of motion using gradient-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30244—Camera pose

Definitions

  • the following description relates to a location recognition method and system based on visual information processing.
  • GPS Global Positioning System
  • WPS Wi-Fi Positioning System
  • VL Visual Localization
  • GPS is a technology that calculates the user's current location by receiving a signal from a satellite.
  • the GPS signal which is a satellite signal, has a problem in that it is difficult to use in an indoor environment because it has strong straightness and does not have good diffraction and reflection.
  • WPS is a technology for obtaining a location value by using information of a wireless AP coming in via Wi-Fi, and has a problem in that it is difficult to use in an environment where the wireless AP itself is insufficient.
  • VL Vehicle Localization
  • the mobile device transmits the captured image to the VL server, and the VL server It is possible to estimate the global location of the mobile device.
  • VL requires a prior work of scanning the entire space to generate a full map of the space, and expensive equipment such as a lidar is required at this time.
  • the VL uses only the VL to recognize the location of the mobile terminal device in a stage where the initial location is not given, since the entire search is performed using the query image, a false positive is highly likely to occur.
  • an open space such as an outdoor space is vulnerable to using the existing VL due to changes in scale and environment.
  • Korean Patent Application Laid-Open No. 10-2006-0129960 relates to a mobile robot and a method for calculating its position and posture, and the map data memory includes map data of a moving area and a position of a marker at a predetermined position in the moving area.
  • a marker detecting unit detects a marker in the image based on the position data of the marker and the identification data
  • the boundary line detection unit is configured to detect the marker from the image
  • the parameter calculation unit calculates the boundary line parameter from the image
  • the position and posture calculation unit determines the position and posture of the mobile robot in the moving area based on the boundary line parameter and boundary line position data. Calculation is initiated.
  • the method of using the 2D image marker requires attaching the 2D marker to the wall or floor of the space, the users of the space use the 2D marker due to the unnatural design of the 2D marker that does not match the real environment. There is an inconvenience in that users who want to obtain location information in the space have to photograph the two-dimensional marker attached to the wall or floor from the front as much as possible.
  • a location recognition method and system capable of recognizing a user's location based on visual information processing for POI Point of Interest
  • a method for recognizing a location of a computer device including at least one processor, the method comprising: generating, by the at least one processor, a frame image through a camera; transmitting, by the at least one processor, the first global pose of the camera and the generated frame image to a server; and receiving, by the at least one processor, a second global pose of the camera estimated based on a pose of an object included in the transmitted frame image from the server.
  • the second global pose is the global pose of the target object stored by the server as much as the relative pose between the camera and the target object included in the frame image, which is calculated by analyzing the frame image in the server. It can be characterized by being estimated by transforming it.
  • the receiving of the second global pose of the camera includes: estimating, from the server, the second global pose, a first confidence value corresponding to the second global pose, and global localization at the server receiving a third global pose as a global pose of the computer device to become a global pose and a second confidence value corresponding to the third global pose; and determining a fourth global pose by assigning different weights based on the first reliability value and the second reliability value to the second global pose and the third global pose.
  • the determining of the fourth global pose may include: as the first confidence value is greater than the second confidence value, the weight of the second global pose in the fourth global pose is relatively larger. It may be characterized in that the fourth global pose is determined.
  • the location recognition method includes: tracking, by the at least one processor, a change from a first global pose to a third global pose of the camera; calculating, by the at least one processor, a pose variation amount based on the third global pose and the first global pose; and determining, by the at least one processor, a fourth global pose by applying the pose variation amount to the second global pose.
  • the location recognition method may further include determining, by the at least one processor, a fifth global pose by applying a weighted moving average to the third global pose and the fourth global pose. have.
  • the tracking of the change may include estimating the third global pose using Visual Inertial Odometry or by accumulating the amount of change of the camera in the first global pose.
  • a method for position recognition of a computer device comprising at least one processor, the method comprising: registering, by the at least one processor, objects in association with a corresponding global pose in a database; receiving, by the at least one processor, a query image from a mobile device; calculating, by the at least one processor, a relative pose between a camera of the mobile device and a target object included in the query image by analyzing the query image; retrieving, by the at least one processor, the global pose of the target object in the database; determining, by the at least one processor, the global pose for the camera of the mobile device by transforming the searched global pose by the calculated relative pose; and transmitting, by the at least one processor, the determined global pose to the mobile device.
  • the transmitting may include: a first global pose as the determined global pose, a first confidence value corresponding to the first global pose, a second global pose of the mobile device estimated based on global localization, and the The second reliability value corresponding to the second global pose may be transmitted to the mobile device.
  • the third global pose is determined by giving different weights based on the first reliability value and the second reliability value to the first global pose and the second global pose in the mobile device can do.
  • a computer program stored in a computer-readable recording medium in combination with a computer device to execute the method on the computer device.
  • At least one processor implemented to execute computer readable instructions, by the at least one processor to generate a frame image through a camera, and to store a first global pose of the camera and the generated frame image to a server and receiving, by the at least one processor, a second global pose of the camera estimated based on a pose of an object included in the transmitted frame image from the server.
  • At least one processor implemented to execute computer readable instructions, by the at least one processor registering objects in a database in association with a corresponding global pose, receiving a query image from a mobile device, and Analyze a query image to calculate a relative pose between the camera of the mobile device and a target object included in the query image, search for a global pose of the target object in the database, and use the searched global pose as the calculated relative pose to determine a global pose for the camera of the mobile device, and transmit the determined global pose to the mobile device.
  • the user's location can be recognized based on visual information processing for POI (Point of Interest).
  • POI Point of Interest
  • FIG. 1 is a diagram illustrating an example of a network environment according to an embodiment of the present invention.
  • FIG. 2 is a block diagram illustrating an example of a computer device according to an embodiment of the present invention.
  • FIG. 3 is a diagram illustrating an example of a general appearance of a location recognition system according to an embodiment of the present invention.
  • FIG. 4 is a diagram illustrating an example of a real-time pose estimation process in global space according to an embodiment of the present invention.
  • FIG. 5 is a diagram illustrating an example of photographing a target object through a camera according to an embodiment of the present invention.
  • FIG. 6 is a diagram illustrating examples of images captured by a camera according to an embodiment of the present invention.
  • FIG. 7 is a flowchart illustrating an example of a method for recognizing a location of a mobile device according to an embodiment of the present invention.
  • FIG. 8 is a flowchart illustrating an example of a method for recognizing a location of a server according to an embodiment of the present invention.
  • the location recognition system may be implemented by at least one computer device, and the location recognition method according to the embodiments of the present invention is performed through at least one computer device included in the location recognition system.
  • the computer program according to an embodiment of the present invention may be installed and driven in the computer device, and the computer device may perform the location recognition method according to the embodiments of the present invention under the control of the driven computer program.
  • the above-described computer program may be stored in a computer-readable recording medium in combination with a computer device to cause the computer to execute the location recognition method.
  • FIG. 1 is a diagram illustrating an example of a network environment according to an embodiment of the present invention.
  • the network environment of FIG. 1 shows an example including a plurality of electronic devices 110 , 120 , 130 , 140 , a plurality of servers 150 , 160 , and a network 170 .
  • FIG. 1 is an example for explaining the invention, and the number of electronic devices or the number of servers is not limited as in FIG. 1 .
  • the network environment of FIG. 1 only describes one example of environments applicable to the present embodiments, and the environment applicable to the present embodiments is not limited to the network environment of FIG. 1 .
  • the plurality of electronic devices 110 , 120 , 130 , and 140 may be a fixed terminal implemented as a computer device or a mobile terminal.
  • Examples of the plurality of electronic devices 110 , 120 , 130 , 140 include a smart phone, a mobile phone, a navigation device, a computer, a notebook computer, a digital broadcasting terminal, a personal digital assistant (PDA), and a portable multimedia player (PMP). ), and tablet PCs.
  • PDA personal digital assistant
  • PMP portable multimedia player
  • FIG. 1 the shape of a smartphone is shown as an example of the electronic device 110 , but in embodiments of the present invention, the electronic device 110 is substantially different from another through the network 170 using a wireless or wired communication method. It may refer to one of various physical computer devices capable of communicating with the electronic devices 120 , 130 , 140 and/or the servers 150 and 160 .
  • the communication method is not limited, and not only a communication method using a communication network (eg, a mobile communication network, a wired Internet, a wireless Internet, a broadcasting network) that the network 170 may include, but also short-range wireless communication between devices may be included.
  • the network 170 may include a personal area network (PAN), a local area network (LAN), a campus area network (CAN), a metropolitan area network (MAN), a wide area network (WAN), and a broadband network (BBN). , the Internet, and the like.
  • PAN personal area network
  • LAN local area network
  • CAN campus area network
  • MAN metropolitan area network
  • WAN wide area network
  • BBN broadband network
  • the network 170 may include any one or more of a network topology including a bus network, a star network, a ring network, a mesh network, a star-bus network, a tree, or a hierarchical network, etc. not limited
  • Each of the servers 150 and 160 communicates with the plurality of electronic devices 110 , 120 , 130 , 140 and the network 170 through a computer device or a plurality of computers that provide commands, codes, files, contents, services, etc. It can be implemented in devices.
  • the server 150 provides a service (eg, a location-based service, a content providing service, a group call service (or voice conference service), messaging service, mail service, social network service, map service, translation service, financial service, payment service, search service, etc.).
  • a service eg, a location-based service, a content providing service, a group call service (or voice conference service), messaging service, mail service, social network service, map service, translation service, financial service, payment service, search service, etc.
  • FIG. 2 is a block diagram illustrating an example of a computer device according to an embodiment of the present invention.
  • Each of the plurality of electronic devices 110 , 120 , 130 , 140 or the servers 150 and 160 described above may be implemented by the computer device 200 illustrated in FIG. 2 .
  • the computer device 200 may include a memory 210 , a processor 220 , a communication interface 230 , and an input/output interface 240 .
  • the memory 210 is a computer-readable recording medium and may include a random access memory (RAM), a read only memory (ROM), and a permanent mass storage device such as a disk drive.
  • RAM random access memory
  • ROM read only memory
  • a permanent mass storage device such as a disk drive.
  • a non-volatile mass storage device such as a ROM and a disk drive may be included in the computer device 200 as a separate permanent storage device distinct from the memory 210 .
  • the memory 210 may store an operating system and at least one program code. These software components may be loaded into the memory 210 from a computer-readable recording medium separate from the memory 210 .
  • the separate computer-readable recording medium may include a computer-readable recording medium such as a floppy drive, a disk, a tape, a DVD/CD-ROM drive, and a memory card.
  • the software components may be loaded into the memory 210 through the communication interface 230 instead of a computer-readable recording medium.
  • the software components may be loaded into the memory 210 of the computer device 200 based on a computer program installed by files received through the network 170 .
  • the processor 220 may be configured to process instructions of a computer program by performing basic arithmetic, logic, and input/output operations.
  • the instructions may be provided to the processor 220 by the memory 210 or the communication interface 230 .
  • the processor 220 may be configured to execute a received instruction according to a program code stored in a recording device such as the memory 210 .
  • the communication interface 230 may provide a function for the computer device 200 to communicate with other devices (eg, the storage devices described above) through the network 170 .
  • a request, command, data, file, etc. generated by the processor 220 of the computer device 200 according to a program code stored in a recording device such as the memory 210 is transmitted to the network ( 170) to other devices.
  • signals, commands, data, files, etc. from other devices may be received by the computer device 200 through the communication interface 230 of the computer device 200 via the network 170 .
  • a signal, command, or data received through the communication interface 230 may be transferred to the processor 220 or the memory 210 , and the file may be a storage medium (described above) that the computer device 200 may further include. persistent storage).
  • the input/output interface 240 may be a means for an interface with the input/output device 250 .
  • the input device may include a device such as a microphone, keyboard, or mouse
  • the output device may include a device such as a display or a speaker.
  • the input/output interface 240 may be a means for an interface with a device in which functions for input and output are integrated into one, such as a touch screen.
  • the input/output device 250 may be configured as one device with the computer device 200 .
  • the computer device 200 may include fewer or more components than those of FIG. 2 . However, there is no need to clearly show most of the prior art components.
  • the computer device 200 may be implemented to include at least a portion of the above-described input/output device 250 or may further include other components such as a transceiver and a database.
  • the location recognition system 300 may include a mobile device 310 , a repeater 320 , a global localization module 330 , and an object recognition and pose estimation module 340 .
  • the mobile device 310 may generate frame images through a camera, and transmit at least one frame image among the generated frame images to the repeater 320 as a query image.
  • a computer program for a navigation function based on augmented reality may be installed and driven in the mobile device 310 , and the surrounding space of the mobile device 310 may be captured by a camera under the control of the driven computer program. It is possible to transmit at least one frame image among frame images generated by shooting through , as a query image, to the repeater 320 . In this case, since the positions of the mobile device 310 according to the passage of time must be continuously recognized in order to provide the navigation function, the mobile device 310 may transmit a frame image to the repeater 320 at regular intervals.
  • a certain period corresponds to a period in which a frame image is generated
  • all the generated frame images may be transmitted to the repeater 320 as a query image.
  • some of the frame images may be transmitted to the repeater 320 as a query image.
  • the period for transmitting the query image may simply be preset, but it depends on the time it takes to process the query image at the server end to calculate the location of the mobile device 310 and/or the network traffic between the mobile device 310 and the server end. It can also be set dynamically based on
  • the repeater 320 , the global localization module 330 , and the object recognition and pose estimation module 340 may be included in the server end.
  • the repeater 320 , the global localization module 330 , and the object recognition and pose estimation module 340 may be implemented in one physical device or may be implemented in different physical devices.
  • the global localization module 330 may be implemented in a third-party system, and the server end may be implemented in the form of using the global localization module 330 through the third-party system.
  • the repeater 320 may request pose estimation of the mobile device 310 while transferring the query image received from the mobile device 310 to the global localization module 330 and the object recognition and pose estimation module 340 , respectively.
  • the pose may be a concept including a position and an orientation.
  • the pose of the mobile device 310 may be understood as expressing the position and orientation of the mobile device 310 in the world coordinate system.
  • the pose of the mobile device 310 may be expressed by, for example, six degrees of freedom (6DOF) having three degrees of freedom for position and three degrees of freedom for orientation.
  • 6DOF six degrees of freedom
  • the location of the mobile device 310 which will be described later, may correspond to a pose of the mobile device 310 according to an embodiment.
  • the global localization module 330 is a module capable of global localization for the mobile device 310, such as GPS (Global Positioning System), SLAM (Simultaneous Localization And Mapping), WPS (Wi-Fi Positioning System), VL (Visual Localization), It can be used without limitation.
  • the global localization module 330 may estimate the pose of the mobile device 310 according to a request from the repeater 320 and transmit it to the repeater 320 . In the embodiment of FIG. 3 , the pose of the mobile device 310 provided by the global localization module 330 is indicated as 'Global 6DOF 1 '.
  • the object recognition and pose estimation module 340 may estimate the pose of the mobile device 310 based on the target object recognized in the image, and may transmit the estimated pose to the repeater 320 .
  • the pose of the mobile device 310 provided by the object recognition and pose estimation module 340 is represented as 'Global 6DOF 2 '.
  • the object recognition and pose estimation module 340 may register a target object with the help of the global localization module 330 .
  • the object recognition and pose estimation module 340 may learn a two-dimensional or three-dimensional target object and register it in the database, and the global pose of the target object in the environment in which the global localization module 330 operates. It can be further registered on the database in association with the target object.
  • the object recognition and pose estimation module 340 recognizes the target object in the query image transmitted through the repeater 320 , and then the relative position between the target object and the mobile device 310 (in more detail, the target object and the mobile device).
  • the relative position between the cameras of 310) can be calculated. Since the object recognition and pose estimation module 340 stores the global pose of the target object in the database, the global pose of the mobile device 310 (more specifically, the mobile device) is converted by converting the global pose of the target object by the calculated relative position.
  • the global pose of the camera of 310) can be estimated. A method by which the object recognition and pose estimation module 340 estimates the global pose of the mobile device 310 will be described in more detail later.
  • the repeater 310 includes the pose of the mobile device 310 estimated by the global localization module 330 (eg, 'Global 6DOF 1 ') and the mobile device 310 estimated by the object recognition and pose estimation module 340 .
  • a pose (eg, 'Global 6DOF 2 ') may be received and transmitted to the mobile device 310 .
  • 3 shows that the mobile device 310 receives ⁇ Global 6DOF 1 , Global 6DOF 2 ⁇ from the repeater 310 .
  • the mobile device 310 may determine the global pose of the mobile device 310 based on the received poses ⁇ Global 6DOF 1 , Global 6DOF 2 ⁇ .
  • the mobile device 310 performs reliability-based filtering in which weights are given based on the reliability values provided by each module of the global localization module 330 and the object recognition and pose estimation module 340 through reliability-based filtering. ) can determine the global pose.
  • the global pose of the mobile terminal 310 may be calculated as in Equation 1 below.
  • each of the reliability values w 1 and w 2 may be a real number having a value in the range of 0 to 1.
  • the object recognition and pose estimation module 340 recognizes the relative pose of the mobile device 310 with respect to the two-dimensional or three-dimensional object of the place registered in the database, and the position of the user in the corresponding place. be able to provide.
  • the accuracy of pose estimation can be improved by using the location recognition method according to the present embodiment as an auxiliary means, and the existing global pose estimation technique can be used
  • the location recognition method according to the present embodiment can be used alone to estimate the user's location and to provide a location-based service such as an augmented reality-based navigation function.
  • the object recognition and pose estimation module 340 provides The global pose of the mobile device 310 for which the value of It can be seen that the value of
  • FIG. 4 is a diagram illustrating an example of a real-time pose estimation process in global space according to an embodiment of the present invention.
  • the mobile device 310 may receive the location 6DOF through the server 410 .
  • Step S410 may be a process for the mobile device 310 to acquire an initial location.
  • the server 410 may include the repeater 320, the global localization module 330, and the object recognition and pose estimation module 340 described with reference to FIG. 3, and in step S410, the global localization module ( The initial location of the mobile device 310 may be provided through 330 .
  • the mobile device 310 may request a location by transmitting the current location (M n ) and the query image (I n ) to the server 410 .
  • the current position (M n ) may be the initial position received in step S410 at first, and the query image (I n ) may be one of frame images generated through a camera included in the mobile device 310 . .
  • the mobile device 310 may track the location according to the movement of the mobile device 310 (M n ⁇ M n+1 ). For example, in the process described with reference to FIG. 3 , since the pose provided through the server 410 is calculated through operations requiring many calculations, it may be difficult to use the result value in real time. To compensate for this, the mobile device 310 tracks the movement of the mobile device 310 from the first location (M n ) to the second location (M n+1 ) before receiving a response from the server 410 by itself. can do.
  • the mobile device 310 may use a visual inertial odometry (Visual Inertial Odometry), or a change amount of the camera at the first location (M n ) (eg, the same in frame images generated through the camera). By accumulating the amount of change in the position and/or orientation of the object), the second position (M n+1 ) of the mobile device 310 may be estimated.
  • Visual Inertial Odometry Visual Inertial Odometry
  • M n+1 the second position of the mobile device 310 may be estimated.
  • the mobile device 310 may receive a response M n ′ to the query image I n .
  • the response M n ' may be a response to the request of step S420 .
  • the mobile device 310 provides a global pose from the global localization module 330 and the object recognition and pose estimation module 340 respectively. and can be received, and the global pose through Equation 1 can be calculated and used as the response (M n ').
  • the mobile device 310 may calculate a new current location M n+1 ′ by applying the change amount ⁇ M of the mobile device 310 to the response M n ′.
  • the mobile device 310 may calculate a position change amount ⁇ M of the mobile device 310 based on the difference between the second position M n+1 estimated in step S430 and the current position M n . .
  • the mobile device 310 may calculate a new current location M n+1 ′ by applying the position change amount ⁇ M of the mobile device 310 to the response M n ′.
  • step S460 the mobile device 310 determines the final location (M n+1 '') by applying a weighted moving average to the second location (M n+1 ) and the new current location (M n+1 ').
  • the mobile device 310 has to continuously provide augmented reality content through positions estimated between the first position (M n ) and the second position (M n+1 ).
  • the mobile device 310 may receive location information 3 times per second from the server 410, and the mobile device 310 processes calculations 30 times per second to provide augmented reality content.
  • the mobile device 310 sequentially processes the operation for providing the augmented reality content through the locations estimated by the mobile device 310 until the next location information is received from the server 410 to provide the user with the augmented reality content. can provide In this case, the positions estimated by the mobile device 310 will gradually approach the second position (M n+1 ). At this time, as a response (M n ') is received from the server 410 and a new current location (M n+1 ') is calculated, a location close to the second location (M n+1 ) is a new current location (M n+) 1 ') immediately.
  • the mobile device 310 applies a weighted moving average to the second location (M n+1 ) and the new current location (M n+1 '), thereby reducing the difference between the locations reflected in the augmented reality content and augmented reality. It is possible to reduce the sense of heterogeneity in content.
  • the mobile device 310 may re-perform step S420 again.
  • the current location (M n ) in step S420 may be the final location (M n+1 '') calculated in step S460.
  • FIG. 5 is a diagram illustrating an example of photographing a target object through a camera according to an embodiment of the present invention
  • FIG. 6 is a diagram illustrating an example of images photographed through a camera according to an embodiment of the present invention It is a drawing.
  • FIG. 5 illustrates that the camera 510 moves and rotates at first to third times t1 to t3 to photograph the target object.
  • FIG. 6 shows first to third images Image1-Image3 of the target object Ob1-Ob3 respectively captured by the camera 510 at the first to third times t1-t3.
  • a device including the camera 510 or communicatively connected to the camera 510 may generate an image by photographing a target object using the camera 510 .
  • the mobile device 310 including the camera 510 generates an image will be described.
  • 'server' below may be a subject constituting the server stage described with reference to FIG. 3 .
  • the image obtained by photographing the object at the first time point t1 is the first image Image1
  • the image obtained by photographing the target object at the second time point t2 is The second image Image2 and the image obtained by photographing the target object at the third time point t3 are referred to as a third image Image3.
  • At least one of the images generated by the mobile device 310 may be transmitted to the server through the network 170 .
  • the first to third images Image1-Image3 may be transmitted to the server.
  • some of the first to third images Image1-Image3 may be transmitted to the server.
  • the mobile device 310 transmits the image to the server it takes time until it receives the relative pose data from the server. Even at this time, the camera 510 or the mobile device 310 including the camera 510 may move, and the relative pose data of the target object changes according to the movement of the mobile device 310 .
  • the mobile device 310 estimates the relative pose data of the target object in the new image based on the relative pose data previously received from the server, and based on the relative pose data of the target object Since it is possible to render a three-dimensional image of a virtual object, the heterogeneity of the augmented image can be significantly reduced.
  • the second time point t2 is after the first time point t1 .
  • the third time point t3 may be after the second time point t2. However, this is only an example, and the third time point t3 may be between the first time point t1 and the second time point t2 .
  • the camera 510 or the mobile device 310 including the camera 510 may move.
  • the camera 510 or the mobile device 310 including the camera 510 may perform a translational motion of a first magnitude in a first direction, or a second motion of the camera 510 . At least one of a second magnitude of rotational motion in two directions may be performed.
  • the mobile device 310 may store and manage view data of the camera 510 when the camera 510 captures the target object.
  • the mobile device 310 may store the first view data at a first time point t1, store the second view data at a second time point t2, and store the third view data at a third time point t3. have.
  • the mobile device 310 may manage view data by deleting view data stored before a preset time.
  • the view data of the camera 510 is data directly related to the pose of the camera 510 .
  • the view data of the camera 510 may be a view matrix indicating how the world, ie, a fixed subject, moves and rotates in the camera coordinate system defined by the pose of the camera 510 .
  • the view data of the camera 510 may refer to a matrix that transforms coordinate values in the world coordinate system into the camera coordinate system or element values thereof.
  • the pose of the camera 510 and the camera coordinate system defined by the pose are changed.
  • the view data of the camera 510 changes according to the movement of the camera 510 .
  • the view data of the camera 510 may have an inverse function relationship with the pose data of the camera 510 .
  • the pose data of the camera 510 may be data representing the pose of the camera in the world coordinate system.
  • the pose data of the camera 510 may mean a matrix that transforms coordinate values on the camera coordinate system into the world coordinate system or element values thereof.
  • the mobile device 310 may calculate pose data of the camera 510 based on the view data of the camera 510 or may calculate view data of the camera 510 based on the pose data of the camera 510 .
  • view data and pose data of the camera 510 may be understood to have the above-described meaning, but according to another embodiment, the pose data may be a view matrix, and the view data may be an inverse matrix of the pose data.
  • the mobile device 310 may detect a movement of the camera 510 and may change or newly generate view data according to the movement of the camera 510 .
  • the mobile device 310 may detect the movement of the camera 510 based on how feature points of the images captured by the camera 510 are moved. For example, the mobile device 310 detects how the feature points in the first image Image1 and the feature points in the second image Image2 change with each other, and based on this, the direction and magnitude of the translational motion of the camera 510 . , and the direction and magnitude of the rotational motion of the camera 510 may be estimated. According to an example, the mobile device 310 may generate and manage view data of the camera 510 using a visual odometry technology. According to another embodiment, the mobile device 310 may generate and manage view data of the camera 510 based on the sensor values of the sensors. The sensors may be inertial sensors, and may output sensor values corresponding to where and how much the mobile device 310 has moved and rotated.
  • the mobile device 310 may generate and manage view data of the camera 510 based on changes in feature points in images captured by the camera 510 and sensor values of sensors. For example, the mobile device 310 may generate and manage view data of the camera 510 using a visual inertial odometry technology.
  • the mobile device 310 receives the relative pose data of the target object from the server, estimates the pose data of the target object based on the received relative pose data of the target object and the view data of the camera at the same point of view, can be stored and managed.
  • the target object of pose data can be calculated and stored. Then, based on the third relative pose data of the target object at the third time point t3 and the third view data of the camera 510 at the third time point t3 from the server, the pose of the target object data can be calculated.
  • the pose data of the object (hereinafter referred to as 'first pose data') calculated for the first time point t1 and the pose data of the object calculated for the third time point t3 ( Hereinafter, referred to as 'second pose data') should theoretically have the same value.
  • the first pose data and the second pose data may have an unacceptable error with each other due to the inaccuracy of the server's learning model or the inaccuracy of the view data of the camera 510 .
  • the mobile device 310 may ignore the second pause data. Conversely, when the error between the first pose data and the second pose data is within the reference value, the mobile device 310 may update the pose data used by the mobile device 310 based on the first pose data and the second pose data. have. For example, the mobile device 310 may update the pose data of the target object by using an average or a weighted average of the first pose data and the second pose data.
  • the mobile device 310 may estimate relative pose data of the target object based on the pose data of the target object and view data of the camera 510 .
  • the mobile device 310 may receive relative pose data of the target object from the server.
  • the mobile device 310 may track the location of the target object on the images at first to third time points t1 to t3 .
  • the server receiving the first image Image1 at the first time point t1 estimates the type and location of the target object in the first image Imgae1 to provide it to the mobile device 310 .
  • the mobile device 310 may determine the location of the target object in the second image Image2 by tracking the target object based on the location of the target object in the first image Image1 .
  • the mobile device 310 extracts feature points in the first image (Image1) and the second image (Image2) and compares them with each other to determine where the target object in the first image (Image1) is located in the second image (Image2). can be tracked
  • the mobile device 310 may estimate pose data of the camera 510 based on view data of the camera 510 .
  • the mobile device 310 may calculate the pose data of the camera 510 by calculating an inverse matrix of the view data of the camera 510 .
  • FIG. 7 is a flowchart illustrating an example of a method for recognizing a location of a mobile device according to an embodiment of the present invention.
  • the location recognition method according to the present embodiment may be performed by the computer device 200 implementing the mobile device 310 .
  • the processor 220 of the computer device 200 may be implemented to execute a control instruction according to a code of an operating system included in the memory 210 or a code of at least one computer program.
  • the processor 220 causes the computer device 200 to perform the steps 710 to 770 included in the method of FIG. 7 according to a control command provided by the code stored in the computer device 200 . can control
  • the computer device 200 may generate a frame image through a camera. In this case, the computer device 200 may continuously generate frame images through the camera.
  • the computer device 200 may transmit the first global pose of the camera and the generated frame image to the server.
  • step S420 of FIG. 4 an example in which the mobile device 310 transmits the current location (M n ) and the query image (I n ) to the server 410 to request a location has been described.
  • the computer device 200 may track a change of the camera from the first global pose to the third global pose. For example, in step S430 of FIG. 4 , it has been described that the mobile device 310 can track the location according to the movement (M n ⁇ M n+1 ) of the mobile device 310 .
  • the computer device 200 may receive the second global pose of the camera estimated based on the pose of the object included in the frame image transmitted from the server.
  • the mobile device 310 may receive a response M n ′ to the query image I n from the server 410 .
  • the second global pause may correspond to the response Mn'.
  • the second global pose may be estimated by transforming the global pose of the target object stored in the server by the relative pose between the camera calculated by analyzing the frame image in the server and the target object included in the frame image. .
  • the second global pose is the global pose from the object recognition and pose estimation module 340 described above.
  • the computer device 200 determines the global pose of the computer device 200 estimated based on the first confidence value w 1 corresponding to the second global pose and global localization. and global poses A second reliability value w 2 corresponding to may be further received.
  • the computer device 200 assigns different weights based on the first confidence value and the second confidence value to the second global pose.
  • Global poses by giving can be decided
  • the global pose 2nd global pose in global pose so that the proportion of can be decided
  • the global pose through Equation 1 An embodiment for determining the has been described.
  • the computer device 200 receives the global pose from the global localization module 330 and the object recognition and pose estimation module 340 respectively. and can be received, and the global pose through Equation 1 can be calculated and used as the response (M n ').
  • the computer device 200 may calculate a pose change amount based on the third global pose and the first global pose. For example, the computer device 200 may calculate a pose change amount based on a difference between the third global pose and the first global pose.
  • the computer device 200 may determine a fourth global pose by applying a pose change amount to the second global pose.
  • a pose change amount As an example, an example of calculating a new current position (M n+1 ') by applying the position change amount ⁇ M of the mobile device 310 to the response (M n ') through step S450 of FIG. 4 has been described.
  • the second global pose may correspond to a response (M n ')
  • the fourth global pose may correspond to (M n+1 '), respectively.
  • the computer device 200 may determine the fifth global pose by applying a weighted moving average to the third global pose and the fourth global pose.
  • a weighted moving average As an example, an example of determining the final position (M n+1 '') by applying a weighted moving average to (M n+1 ) and (M n+1 ') in step S460 of FIG. 4 has been described.
  • the third global pose may correspond to (M n+1 )
  • the fourth global pose may correspond to (M n+1 ')
  • the fifth global pose may correspond to (M n+1 ''), respectively.
  • FIG. 8 is a flowchart illustrating an example of a method for recognizing a location of a server according to an embodiment of the present invention.
  • the location recognition method according to the present embodiment may be performed by the computer device 200 implementing the object recognition and pose estimation module 340 .
  • the processor 220 of the computer device 200 may be implemented to execute a control instruction according to a code of an operating system included in the memory 210 or a code of at least one computer program.
  • the processor 220 causes the computer device 200 to perform steps 810 to 860 included in the method of FIG. 8 according to a control command provided by a code stored in the computer device 200 . can control
  • the computer device 200 may register the objects in the database in association with the corresponding global pose.
  • the computer device 200 may register a plurality of objects in a database, and with the help of global localization, store a global pose for each of the plurality of objects in association with a corresponding object in the database.
  • the global pose of the object may be determined through the global localization module 330 described above with reference to FIG. 3 .
  • the computer device 200 may receive a query image from the mobile device.
  • the mobile device may correspond to the mobile device 310 described above, and the query image may be one of frame images generated through a camera included in the mobile device 310 .
  • the computer device 200 may analyze the query image to calculate a relative pose between the camera of the mobile device and the target object included in the query image.
  • a method of calculating a relative pose between a target object included in an image and a camera capturing the image through the image has been described in detail above with reference to FIGS. 5 and 6 .
  • the computer device 200 may search the global pose of the target object from the database.
  • the computer device 200 may search the database for the target object recognized in the query image, and extract a global pose stored in the database in association with the corresponding object as the global pose of the target object.
  • the computer device 200 may transform the searched global pose by the calculated relative pose to determine the global pose for the camera of the mobile device.
  • the relative pose is a relative pose of the camera with the target object, and when the global pose of the target object is known, the computer device 200 may move the global pose of the target object to estimate the global pose with respect to the camera.
  • the computer device 200 may transmit the determined global pose to the mobile device.
  • the computing device 200 may configure a first global pose as the determined global pose, a first confidence value corresponding to the first global pose, a second global pose of the mobile device estimated based on the global localization, and a second global pose.
  • a second confidence value corresponding to the pose may be transmitted to the mobile device.
  • the third global pose may be determined by giving the first global pose and the second global pose different weights based on the first and second reliability values in the mobile device.
  • the user's location may be recognized based on visual information processing for a Point of Interest (POI).
  • POI Point of Interest
  • the system or apparatus described above may be implemented as a hardware component or a combination of a hardware component and a software component.
  • devices and components described in the embodiments may include, for example, a processor, a controller, an arithmetic logic unit (ALU), a digital signal processor, a microcomputer, a field programmable gate array (FPGA). , a programmable logic unit (PLU), microprocessor, or any other device capable of executing and responding to instructions, may be implemented using one or more general purpose or special purpose computers.
  • the processing device may execute an operating system (OS) and one or more software applications running on the operating system.
  • the processing device may also access, store, manipulate, process, and generate data in response to execution of the software.
  • OS operating system
  • the processing device may also access, store, manipulate, process, and generate data in response to execution of the software.
  • the processing device includes a plurality of processing elements and/or a plurality of types of processing elements. It can be seen that can include For example, the processing device may include a plurality of processors or one processor and one controller. Other processing configurations are also possible, such as parallel processors.
  • the software may comprise a computer program, code, instructions, or a combination of one or more thereof, which configures a processing device to operate as desired or is independently or collectively processed You can command the device.
  • the software and/or data may be any kind of machine, component, physical device, virtual equipment, computer storage medium or device, to be interpreted by or to provide instructions or data to the processing device. may be embodied in The software may be distributed over networked computer systems, and stored or executed in a distributed manner. Software and data may be stored in one or more computer-readable recording media.
  • the method according to the embodiment may be implemented in the form of program instructions that can be executed through various computer means and recorded in a computer-readable medium.
  • the computer-readable medium may include program instructions, data files, data structures, etc. alone or in combination.
  • the medium may be to continuously store a computer executable program, or to temporarily store it for execution or download.
  • the medium may be various recording means or storage means in the form of a single or several hardware combined, it is not limited to a medium directly connected to any computer system, and may exist distributed on a network.
  • Examples of the medium include a hard disk, a magnetic medium such as a floppy disk and a magnetic tape, an optical recording medium such as CD-ROM and DVD, a magneto-optical medium such as a floppy disk, and those configured to store program instructions, including ROM, RAM, flash memory, and the like.
  • examples of other media may include recording media or storage media managed by an app store that distributes applications, sites that supply or distribute various other software, and servers.
  • Examples of program instructions include not only machine language codes such as those generated by a compiler, but also high-level language codes that can be executed by a computer using an interpreter or the like.

Landscapes

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

Abstract

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

Description

시각 정보 처리 기반의 위치 인식 방법 및 시스템
아래의 설명은 시각 정보 처리 기반의 위치 인식 방법 및 시스템에 관한 것이다.
모바일 기기의 전역 포즈 추정을 통해 모바일 기기를 이용하여 내비게이션을 제공하는 기술들이 존재한다. 이때, 모바일 기기의 전역 포즈를 추정하기 위해 GPS(Global Positioning System), WPS(Wi-Fi Positioning System), VL(Visual Localization) 등의 다양한 방법이 사용될 수 있으나, 주변 환경의 문제로 인해 기존의 전역 포즈 추정 기법을 사용할 수 없는 경우가 존재한다. 일례로 GPS는 위성에서 보내는 신호를 수신하여 사용자의 현재 위치를 계산하는 기술로, 위성 신호인 GPS 신호는 직진성이 강하며 회절, 반사가 잘 안되기 때문에 실내 환경에서는 사용하기 어렵다는 문제점이 있다. 다른 예로, WPS는 와이파이(Wi-Fi)로 들어오는 무선 AP의 정보를 이용하여 위치값을 얻어내는 기술로, 무선 AP 자체가 부족한 환경에서는 사용하기 어렵다는 문제점이 있다.
VL(Visual Localization)은 모바일 기기에서 촬영된 이미지에 기반하여 모바일 기기의 전역 위치를 추정할 수 있는 기술로, 모바일 기기는 촬영된 이미지를 VL 서버로 전송하고, VL 서버는 전송된 이미지에 기반하여 모바일 기기의 전역 위치를 추정할 수 있다. 그러나, 이러한 VL은 공간 전체를 스캔하여 공간에 대한 전체 맵을 생성하는 사전 작업을 요구하며, 이때 라이더(Lidar)와 같은 고가의 장비가 요구된다. 뿐만 아니라, VL은 초기 위치가 주어지지 않은 단계에서 VL만을 사용하여 모바일 단말 장치의 위치를 인식하는 경우, 쿼리 이미지를 이용하여 전체 탐색을 수행하기 때문에 긍정 오류(false positive)가 발생할 가능성이 높다. 게다가, 야외와 같이 열린 공간은 규모와 환경의 변화 때문에 기존의 VL을 활용하기 취약하다는 문제점이 있다.
다른 예로, 2차원 이미지 마커를 활용하여 모바일 단말 장치의 전역 위치를 추정하는 기술이 존재한다. 예를 들어, 한국공개특허 제10-2006-0129960호는 이동 로봇 및 그의 위치 및 자세의 산출방법에 관한 것으로, 맵 데이터 메모리는 이동 영역의 맵 데이터, 이동 영역의 소정의 위치에 있는 마커의 위치 데이터, 마커의 식별 데이터 및 이동 영역의 마커에 인접하는 경계선의 위치 데이터를 저장하고, 마커 검출 유닛이, 마커의 위치 데이터 및 식별 데이터를 기초하여 화상에서 마커를 검출하며, 경계선 검출 유닛이 화상으로부터 마커에 인접하는 경계선을 검출하고, 파라미터 산출 유닛이 화상에서 경계선의 파라미터를 산출하면, 위치 자세 산출 유닛이, 경계선의 파라미터와 경계선의 위치 데이터에 기초하여, 이동 영역 내의 이동 로봇의 위치 및 자세를 산출함을 개시하고 있다. 그러나, 2차원 이미지 마커를 활용하는 방식은 공간의 벽이나 바닥에 2차원 마커를 부착시켜야 하기 때문에 2차원 마커의 디자인이 실제 환경과 어울리지 않는 부자연스러움에 의해 해당 공간의 사용자들이 2차원 마커를 사용함에 있어서 거부감을 느낄 수 있으며, 해당 공간에서 위치 정보를 얻고자 하는 사용자들이 벽이나 바닥에 붙어 있는 2차원 마커를 최대한 정면에서 촬영해야 하는 불편함이 존재한다.
POI(Point of Interest)에 대한 시각 정보 처리 기반으로 사용자의 위치를 인식할 수 있는 위치 인식 방법 및 시스템을 제공한다.
적어도 하나의 프로세서를 포함하는 컴퓨터 장치의 위치 인식 방법에 있어서, 상기 적어도 하나의 프로세서에 의해, 카메라를 통해 프레임 이미지를 생성하는 단계; 상기 적어도 하나의 프로세서에 의해, 상기 카메라의 제1 전역 포즈 및 상기 생성된 프레임 이미지를 서버로 전송하는 단계; 및 상기 적어도 하나의 프로세서에 의해, 상기 서버로부터 상기 전송된 프레임 이미지에 포함된 오브젝트의 포즈에 기반하여 추정되는 상기 카메라의 제2 전역 포즈를 수신하는 단계를 포함하는 위치 인식 방법을 제공한다.
일측에 따르면, 상기 제2 전역 포즈는 상기 서버에서 상기 프레임 이미지를 분석하여 계산되는 상기 카메라와 상기 프레임 이미지가 포함하는 대상 오브젝트와의 상대 포즈만큼 상기 서버가 저장하고 있는 상기 대상 오브젝트의 전역 포즈를 변환시켜 추정되는 것을 특징으로 할 수 있다.
다른 측면에 따르면, 상기 카메라의 제2 전역 포즈를 수신하는 단계는, 상기 서버로부터, 상기 제2 전역 포즈, 상기 제2 전역 포즈에 대응하는 제1 신뢰도 값, 상기 서버에서 글로벌 로컬라이제이션에 기반하여 추정되는 상기 컴퓨터 장치의 전역 포즈로서의 제3 전역 포즈 및 상기 제3 전역 포즈에 대응하는 제2 신뢰도 값을 수신하는 단계; 및 상기 제1 신뢰도 값 및 상기 제2 신뢰도 값에 기반한 서로 다른 가중치를 상기 제2 전역 포즈 및 상기 제3 전역 포즈에 부여하여 제4 전역 포즈를 결정하는 단계를 포함하는 것을 특징으로 할 수 있다.
또 다른 측면에 따르면, 상기 제4 전역 포즈를 결정하는 단계는, 상기 제1 신뢰도 값이 상기 제2 신뢰도 값보다 클수록 상기 제4 전역 포즈에서 상기 제2 전역 포즈의 비중이 상대적으로 더 커지도록 상기 제4 전역 포즈를 결정하는 것을 특징으로 할 수 있다.
또 다른 측면에 따르면, 상기 위치 인식 방법은 상기 적어도 하나의 프로세서에 의해, 상기 카메라의 제1 전역 포즈에서 제3 전역 포즈로의 변화를 추적하는 단계; 상기 적어도 하나의 프로세서에 의해, 상기 제3 전역 포즈와 상기 제1 전역 포즈에 기초하여 포즈 변화량을 계산하는 단계; 및 상기 적어도 하나의 프로세서에 의해, 상기 제2 전역 포즈에 상기 포즈 변화량을 적용하여 제4 전역 포즈를 결정하는 단계를 더 포함할 수 있다.
또 다른 측면에 따르면, 상기 위치 인식 방법은 상기 적어도 하나의 프로세서에 의해, 상기 제3 전역 포즈와 상기 제4 전역 포즈에 가중 이동평균을 적용하여 제5 전역 포즈를 결정하는 단계를 더 포함할 수 있다.
또 다른 측면에 따르면, 상기 변화를 추적하는 단계는, 비쥬얼 이너셜 오도메트리(Visual Inertial Odometry)를 이용하여 또는 상기 제1 전역 포즈에 상기 카메라의 변화량을 누적하여 상기 제3 전역 포즈를 추정하는 것을 특징으로 할 수 있다.
적어도 하나의 프로세서를 포함하는 컴퓨터 장치의 위치 인식 방법에 있어서, 상기 적어도 하나의 프로세서에 의해, 오브젝트들을 대응하는 전역 포즈와 연관하여 데이터베이스에 등록하는 단계; 상기 적어도 하나의 프로세서에 의해, 모바일 기기로부터 쿼리 이미지를 수신하는 단계; 상기 적어도 하나 프로세서에 의해, 상기 쿼리 이미지를 분석하여 상기 모바일 기기의 카메라와 상기 쿼리 이미지가 포함하는 대상 오브젝트와의 상대 포즈를 계산하는 단계; 상기 적어도 하나 프로세서에 의해, 상기 대상 오브젝트의 전역 포즈를 상기 데이터베이스에서 검색하는 단계; 상기 적어도 하나 프로세서에 의해, 상기 검색된 전역 포즈를 상기 계산된 상대 포즈만큼 변환시켜 상기 모바일 기기의 카메라에 대한 전역 포즈를 결정하는 단계; 및 상기 적어도 하나 프로세서에 의해, 상기 결정된 전역 포즈를 상기 모바일 기기로 전달하는 단계를 포함하는 것을 특징으로 하는 위치 인식 방법을 제공한다.
일측에 따르면, 상기 전달하는 단계는, 상기 결정된 전역 포즈로서의 제1 전역 포즈, 상기 제1 전역 포즈에 대응하는 제1 신뢰도 값, 글로벌 로컬라이제이션에 기반하여 추정되는 상기 모바일 기기의 제2 전역 포즈 및 상기 제2 전역 포즈에 대응하는 제2 신뢰도 값을 상기 모바일 기기로 전송하는 것을 특징으로 할 수 있다.
다른 측면에 따르면, 상기 모바일 기기에서 상기 제1 신뢰도 값 및 상기 제2 신뢰도 값에 기반한 서로 다른 가중치를 상기 제1 전역 포즈 및 상기 제2 전역 포즈에 부여하여 제3 전역 포즈가 결정되는 것을 특징으로 할 수 있다.
컴퓨터 장치와 결합되어 상기 방법을 컴퓨터 장치에 실행시키기 위해 컴퓨터 판독 가능한 기록매체에 저장된 컴퓨터 프로그램을 제공한다.
상기 방법을 컴퓨터 장치에 실행시키기 위한 프로그램이 기록되어 있는 컴퓨터 판독 가능한 기록매체를 제공한다.
컴퓨터에서 판독 가능한 명령을 실행하도록 구현되는 적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로세서에 의해, 카메라를 통해 프레임 이미지를 생성하고, 상기 카메라의 제1 전역 포즈 및 상기 생성된 프레임 이미지를 서버로 전송하고, 상기 적어도 하나의 프로세서에 의해, 상기 서버로부터 상기 전송된 프레임 이미지에 포함된 오브젝트의 포즈에 기반하여 추정되는 상기 카메라의 제2 전역 포즈를 수신하는 것을 특징으로 하는 컴퓨터 장치를 제공한다.
컴퓨터에서 판독 가능한 명령을 실행하도록 구현되는 적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로세서에 의해, 오브젝트들을 대응하는 전역 포즈와 연관하여 데이터베이스에 등록하고, 모바일 기기로부터 쿼리 이미지를 수신하고, 상기 쿼리 이미지를 분석하여 상기 모바일 기기의 카메라와 상기 쿼리 이미지가 포함하는 대상 오브젝트와의 상대 포즈를 계산하고, 상기 대상 오브젝트의 전역 포즈를 상기 데이터베이스에서 검색하고, 상기 검색된 전역 포즈를 상기 계산된 상대 포즈만큼 변환시켜 상기 모바일 기기의 카메라에 대한 전역 포즈를 결정하고, 상기 결정된 전역 포즈를 상기 모바일 기기로 전달하는 것을 특징으로 하는 컴퓨터 장치를 제공한다.
POI(Point of Interest)에 대한 시각 정보 처리 기반으로 사용자의 위치를 인식할 수 있다.
도 1은 본 발명의 일실시예에 따른 네트워크 환경의 예를 도시한 도면이다.
도 2는 본 발명의 일실시예에 따른 컴퓨터 장치의 예를 도시한 블록도이다.
도 3은 본 발명의 일실시예에 따른 위치 인식 시스템의 개괄적인 모습의 예를 도시한 도면이다.
도 4는 본 발명의 일실시예에 있어서, 전역 공간에서의 실시간 포즈 추정 과정의 예를 도시한 도면이다.
도 5는 본 발명의 일실시예에 있어서, 카메라를 통해 대상 오브젝트를 촬영하는 예를 도시한 도면이다.
도 6은 본 발명의 일실시예에 있어서, 카메라를 통해 촬영된 이미지들의 예를 도시한 도면이다.
도 7은 본 발명의 일실시예에 따른 모바일 기기의 위치 인식 방법의 예를 도시한 흐름도이다.
도 8은 본 발명의 일실시예에 따른 서버의 위치 인식 방법의 예를 도시한 흐름도이다.
이하, 실시예를 첨부한 도면을 참조하여 상세히 설명한다.
본 발명의 실시예들에 따른 위치 인식 시스템은 적어도 하나의 컴퓨터 장치에 의해 구현될 수 있으며, 본 발명의 실시예들에 따른 위치 인식 방법은 위치 인식 시스템에 포함되는 적어도 하나의 컴퓨터 장치를 통해 수행될 수 있다. 컴퓨터 장치에는 본 발명의 일실시예에 따른 컴퓨터 프로그램이 설치 및 구동될 수 있고, 컴퓨터 장치는 구동된 컴퓨터 프로그램의 제어에 따라 본 발명의 실시예들에 따른 위치 인식 방법을 수행할 수 있다. 상술한 컴퓨터 프로그램은 컴퓨터 장치와 결합되어 위치 인식 방법을 컴퓨터에 실행시키기 위해 컴퓨터 판독 가능한 기록매체에 저장될 수 있다.
도 1은 본 발명의 일실시예에 따른 네트워크 환경의 예를 도시한 도면이다. 도 1의 네트워크 환경은 복수의 전자 기기들(110, 120, 130, 140), 복수의 서버들(150, 160) 및 네트워크(170)를 포함하는 예를 나타내고 있다. 이러한 도 1은 발명의 설명을 위한 일례로 전자 기기의 수나 서버의 수가 도 1과 같이 한정되는 것은 아니다. 또한, 도 1의 네트워크 환경은 본 실시예들에 적용 가능한 환경들 중 하나의 예를 설명하는 것일 뿐, 본 실시예들에 적용 가능한 환경이 도 1의 네트워크 환경으로 한정되는 것은 아니다.
복수의 전자 기기들(110, 120, 130, 140)은 컴퓨터 장치로 구현되는 고정형 단말이거나 이동형 단말일 수 있다. 복수의 전자 기기들(110, 120, 130, 140)의 예를 들면, 스마트폰(smart phone), 휴대폰, 네비게이션, 컴퓨터, 노트북, 디지털방송용 단말, PDA(Personal Digital Assistants), PMP(Portable Multimedia Player), 태블릿 PC 등이 있다. 일례로 도 1에서는 전자 기기(110)의 예로 스마트폰의 형상을 나타내고 있으나, 본 발명의 실시예들에서 전자 기기(110)는 실질적으로 무선 또는 유선 통신 방식을 이용하여 네트워크(170)를 통해 다른 전자 기기들(120, 130, 140) 및/또는 서버(150, 160)와 통신할 수 있는 다양한 물리적인 컴퓨터 장치들 중 하나를 의미할 수 있다.
통신 방식은 제한되지 않으며, 네트워크(170)가 포함할 수 있는 통신망(일례로, 이동통신망, 유선 인터넷, 무선 인터넷, 방송망)을 활용하는 통신 방식뿐만 아니라 기기들간의 근거리 무선 통신 역시 포함될 수 있다. 예를 들어, 네트워크(170)는, PAN(personal area network), LAN(local area network), CAN(campus area network), MAN(metropolitan area network), WAN(wide area network), BBN(broadband network), 인터넷 등의 네트워크 중 하나 이상의 임의의 네트워크를 포함할 수 있다. 또한, 네트워크(170)는 버스 네트워크, 스타 네트워크, 링 네트워크, 메쉬 네트워크, 스타-버스 네트워크, 트리 또는 계층적(hierarchical) 네트워크 등을 포함하는 네트워크 토폴로지 중 임의의 하나 이상을 포함할 수 있으나, 이에 제한되지 않는다.
서버(150, 160) 각각은 복수의 전자 기기들(110, 120, 130, 140)과 네트워크(170)를 통해 통신하여 명령, 코드, 파일, 컨텐츠, 서비스 등을 제공하는 컴퓨터 장치 또는 복수의 컴퓨터 장치들로 구현될 수 있다. 예를 들어, 서버(150)는 네트워크(170)를 통해 접속한 복수의 전자 기기들(110, 120, 130, 140)로 서비스(일례로, 위치 기반 서비스, 컨텐츠 제공 서비스, 그룹 통화 서비스(또는 음성 컨퍼런스 서비스), 메시징 서비스, 메일 서비스, 소셜 네트워크 서비스, 지도 서비스, 번역 서비스, 금융 서비스, 결제 서비스, 검색 서비스 등)를 제공하는 시스템일 수 있다.
도 2는 본 발명의 일실시예에 따른 컴퓨터 장치의 예를 도시한 블록도이다. 앞서 설명한 복수의 전자 기기들(110, 120, 130, 140) 각각이나 서버들(150, 160) 각각은 도 2를 통해 도시된 컴퓨터 장치(200)에 의해 구현될 수 있다.
이러한 컴퓨터 장치(200)는 도 2에 도시된 바와 같이, 메모리(210), 프로세서(220), 통신 인터페이스(230) 그리고 입출력 인터페이스(240)를 포함할 수 있다. 메모리(210)는 컴퓨터에서 판독 가능한 기록매체로서, RAM(random access memory), ROM(read only memory) 및 디스크 드라이브와 같은 비소멸성 대용량 기록장치(permanent mass storage device)를 포함할 수 있다. 여기서 ROM과 디스크 드라이브와 같은 비소멸성 대용량 기록장치는 메모리(210)와는 구분되는 별도의 영구 저장 장치로서 컴퓨터 장치(200)에 포함될 수도 있다. 또한, 메모리(210)에는 운영체제와 적어도 하나의 프로그램 코드가 저장될 수 있다. 이러한 소프트웨어 구성요소들은 메모리(210)와는 별도의 컴퓨터에서 판독 가능한 기록매체로부터 메모리(210)로 로딩될 수 있다. 이러한 별도의 컴퓨터에서 판독 가능한 기록매체는 플로피 드라이브, 디스크, 테이프, DVD/CD-ROM 드라이브, 메모리 카드 등의 컴퓨터에서 판독 가능한 기록매체를 포함할 수 있다. 다른 실시예에서 소프트웨어 구성요소들은 컴퓨터에서 판독 가능한 기록매체가 아닌 통신 인터페이스(230)를 통해 메모리(210)에 로딩될 수도 있다. 예를 들어, 소프트웨어 구성요소들은 네트워크(170)를 통해 수신되는 파일들에 의해 설치되는 컴퓨터 프로그램에 기반하여 컴퓨터 장치(200)의 메모리(210)에 로딩될 수 있다.
프로세서(220)는 기본적인 산술, 로직 및 입출력 연산을 수행함으로써, 컴퓨터 프로그램의 명령을 처리하도록 구성될 수 있다. 명령은 메모리(210) 또는 통신 인터페이스(230)에 의해 프로세서(220)로 제공될 수 있다. 예를 들어 프로세서(220)는 메모리(210)와 같은 기록 장치에 저장된 프로그램 코드에 따라 수신되는 명령을 실행하도록 구성될 수 있다.
통신 인터페이스(230)은 네트워크(170)를 통해 컴퓨터 장치(200)가 다른 장치(일례로, 앞서 설명한 저장 장치들)와 서로 통신하기 위한 기능을 제공할 수 있다. 일례로, 컴퓨터 장치(200)의 프로세서(220)가 메모리(210)와 같은 기록 장치에 저장된 프로그램 코드에 따라 생성한 요청이나 명령, 데이터, 파일 등이 통신 인터페이스(230)의 제어에 따라 네트워크(170)를 통해 다른 장치들로 전달될 수 있다. 역으로, 다른 장치로부터의 신호나 명령, 데이터, 파일 등이 네트워크(170)를 거쳐 컴퓨터 장치(200)의 통신 인터페이스(230)를 통해 컴퓨터 장치(200)로 수신될 수 있다. 통신 인터페이스(230)를 통해 수신된 신호나 명령, 데이터 등은 프로세서(220)나 메모리(210)로 전달될 수 있고, 파일 등은 컴퓨터 장치(200)가 더 포함할 수 있는 저장 매체(상술한 영구 저장 장치)로 저장될 수 있다.
입출력 인터페이스(240)는 입출력 장치(250)와의 인터페이스를 위한 수단일 수 있다. 예를 들어, 입력 장치는 마이크, 키보드 또는 마우스 등의 장치를, 그리고 출력 장치는 디스플레이, 스피커와 같은 장치를 포함할 수 있다. 다른 예로 입출력 인터페이스(240)는 터치스크린과 같이 입력과 출력을 위한 기능이 하나로 통합된 장치와의 인터페이스를 위한 수단일 수도 있다. 입출력 장치(250)는 컴퓨터 장치(200)와 하나의 장치로 구성될 수도 있다.
또한, 다른 실시예들에서 컴퓨터 장치(200)는 도 2의 구성요소들보다 더 적은 혹은 더 많은 구성요소들을 포함할 수도 있다. 그러나, 대부분의 종래기술적 구성요소들을 명확하게 도시할 필요성은 없다. 예를 들어, 컴퓨터 장치(200)는 상술한 입출력 장치(250) 중 적어도 일부를 포함하도록 구현되거나 또는 트랜시버(transceiver), 데이터베이스 등과 같은 다른 구성요소들을 더 포함할 수도 있다.
도 3은 본 발명의 일실시예에 따른 위치 인식 시스템의 개괄적인 모습의 예를 도시한 도면이다. 본 실시예에 따른 위치 인식 시스템(300)은 모바일 기기(310), 중계기(320), 글로벌 로컬라이제이션 모듈(330) 및 오브젝트 인식 및 포즈 추정 모듈(340)을 포함할 수 있다.
모바일 기기(310)는 카메라를 통해 프레임 이미지들을 생성할 수 있으며, 생성된 프레임 이미지들 중 적어도 하나의 프레임 이미지를 쿼리 이미지로서 중계기(320)로 전송할 수 있다. 예를 들어, 모바일 기기(310)에는 증강현실(augmented reality) 기반의 내비게이션 기능을 위한 컴퓨터 프로그램이 설치 및 구동될 수 있으며, 구동된 컴퓨터 프로그램의 제어에 따라 모바일 기기(310)의 주변 공간을 카메라를 통해 촬영하여 생성되는 프레임 이미지들 중 적어도 하나의 프레임 이미지를 쿼리 이미지로서 중계기(320)로 전송할 수 있다. 이때, 내비게이션 기능의 제공을 위해서는 시간의 흐름에 따른 모바일 기기(310)의 위치들이 지속적으로 인식되어야 하기 때문에, 모바일 기기(310)는 일정 주기마다 프레임 이미지를 중계기(320)로 전송할 수 있다. 만약, 일정 주기가 프레임 이미지가 생성되는 주기에 대응된다면, 생성되는 모든 프레임 이미지들이 쿼리 이미지로서 중계기(320)로 전송될 수 있다. 다른 예로, 일정 주기가 프레임 이미지가 생성되는 주기보다 짧다면, 프레임 이미지들 중 일부가 쿼리 이미지로서 중계기(320)로 전송될 수 있다. 쿼리 이미지를 전송하는 주기는 단순히 기설정될 수도 있으나, 서버단에서 쿼리 이미지를 처리하여 모바일 기기(310)의 위치를 계산하는데 걸리는 시간 및/또는 모바일 기기(310)와 서버단 사이의 네트워크 트래픽에 기반하여 동적으로 설정될 수도 있다.
중계기(320), 글로벌 로컬라이제이션 모듈(330) 및 오브젝트 인식 및 포즈 추정 모듈(340)은 서버단에 포함될 수 있다. 이때, 중계기(320), 글로벌 로컬라이제이션 모듈(330) 및 오브젝트 인식 및 포즈 추정 모듈(340)는 하나의 물리적인 장치에 구현될 수도 있고, 각각 서로 다른 물리적인 장치에 구현될 수도 있다. 실시예에 따라 글로벌 로컬라이제이션 모듈(330)은 제3자의 시스템에 구현되어 서버단이 제3자의 시스템을 통해 글로벌 로컬라이제이션 모듈(330)을 이용하는 형태로 구현될 수도 있다.
중계기(320)는 모바일 기기(310)로부터 수신된 쿼리 이미지를 글로벌 로컬라이제이션 모듈(330) 및 오브젝트 인식 및 포즈 추정 모듈(340) 각각으로 전달하면서 모바일 기기(310)의 포즈 추정을 요청할 수 있다. 여기서, 포즈(pose)는 위치(position)와 배향(orientation)을 포함하는 개념일 수 있다. 예를 들어, 모바일 기기(310)의 포즈는 모바일 기기(310)의 위치와 배향을 월드 좌표계상에서 표현한 것으로 이해할 수 있다. 이러한 모바일 기기(310)의 포즈는 일례로, 위치를 위한 3자유도 및 배향을 위한 3자유도를 갖는 6DOF(Six Degrees Of Freedom)에 의해 표현될 수 있다. 이후 설명되는 모바일 기기(310)의 위치는 실시예에 따라 모바일 기기(310)의 포즈에 대응될 수 있다.
글로벌 로컬라이제이션 모듈(330)은 GPS(Global Positioning System), SLAM(Simultaneous Localization And Mapping), WPS(Wi-Fi Positioning System), VL(Visual Localization) 등 모바일 기기(310)에 대한 글로벌 로컬라이제이션이 가능한 모듈이라면 제한 없이 활용될 수 있다. 이러한 글로벌 로컬라이제이션 모듈(330)은 중계기(320)로부터의 요청에 따라 모바일 기기(310)의 포즈를 추정하여 중계기(320)로 전달할 수 있다. 도 3의 실시예에서는 글로벌 로컬라이제이션 모듈(330)이 제공하는 모바일 기기(310)의 포즈를 'Global 6DOF 1'로 나타내고 있다.
오브젝트 인식 및 포즈 추정 모듈(340)은 이미지에서 인식되는 대상 오브젝트에 기반하여 모바일 기기(310)의 포즈를 추정할 수 있으며, 추정된 포즈를 중계기(320)로 전달할 수 있다. 도 3의 실시예에서는 오브젝트 인식 및 포즈 추정 모듈(340)이 제공하는 모바일 기기(310)의 포즈를 'Global 6DOF 2'로 나타내고 있다. 오브젝트 인식 및 포즈 추정 모듈(340)은 글로벌 로컬라이제이션 모듈(330)의 도움을 받아 대상 오브젝트를 등록할 수 있다. 예를 들어, 오브젝트 인식 및 포즈 추정 모듈(340)은 2차원 또는 3차원의 대상 오브젝트를 학습시켜 데이터베이스상에 등록할 수 있으며, 글로벌 로컬라이제이션 모듈(330)이 작동하는 환경상에서 대상 오브젝트의 전역 포즈를 대상 오브젝트와 연관하여 데이터베이스상에 더 등록할 수 있다. 이때, 오브젝트 인식 및 포즈 추정 모듈(340)은 중계기(320)를 통해 전달된 쿼리 이미지에서 대상 오브젝트를 인식한 후, 대상 오브젝트와 모바일 기기(310)간의 상대 위치(보다 자세하게는 대상 오브젝트와 모바일 기기(310)의 카메라간의 상대 위치)를 계산할 수 있다. 오브젝트 인식 및 포즈 추정 모듈(340)은 데이터베이스에 대상 오브젝트의 전역 포즈를 저장하고 있기 때문에, 대상 오브젝트의 전역 포즈를 계산된 상대 위치만큼 변환시킴으로써 모바일 기기(310)의 전역 포즈(보다 자세하게는 모바일 기기(310)의 카메라의 전역 포즈)를 추정할 수 있게 된다. 오브젝트 인식 및 포즈 추정 모듈(340)이 모바일 기기(310)의 전역 포즈를 추정하는 방법에 대해서는 이후 더욱 자세히 설명한다.
중계기(310)는 글로벌 로컬라이제이션 모듈(330)에서 추정된 모바일 기기(310)의 포즈(일례로, 'Global 6DOF 1')와 오브젝트 인식 및 포즈 추정 모듈(340)에서 추정된 모바일 기기(310)의 포즈(일례로, 'Global 6DOF 2')를 수신하여 모바일 기기(310)로 전달할 수 있다. 도 3의 실시예에서는 모바일 기기(310)가 중계기(310)로부터 {Global 6DOF 1, Global 6DOF 2}를 전달받음을 나타내고 있다.
이 경우, 모바일 기기(310)는 수신된 포즈들 {Global 6DOF 1, Global 6DOF 2}에 기반하여 모바일 기기(310)의 전역 포즈를 결정할 수 있다. 예를 들어, 모바일 기기(310)는 글로벌 로컬라이제이션 모듈(330) 및 오브젝트 인식 및 포즈 추정 모듈(340)의 각 모듈에서 제공하는 신뢰도 값을 기반으로 가중치를 부여하는 신뢰도 기반 필터링을 통해 모바일 기기(310)의 전역 포즈를 결정할 수 있다. 보다 구체적인 예로, 모바일 단말기(310)의 전역 포즈는 아래 수학식 1과 같이 계산될 수 있다.
Figure PCTKR2020016271-appb-img-000001
여기서,
Figure PCTKR2020016271-appb-img-000002
는 최종 계산된 모바일 기기(310)의 전역 포즈를,
Figure PCTKR2020016271-appb-img-000003
은 글로벌 로컬라이제이션 모듈(330)을 통해 계산된 모바일 기기(310)의 전역 포즈를,
Figure PCTKR2020016271-appb-img-000004
는 오브젝트 인식 및 포즈 추정 모듈(340)을 통해 계산된 모바일 기기(310)의 전역 포즈를 각각 나타낼 수 있다. 또한, w 1은 글로벌 로컬라이제이션 모듈(330)의 신뢰도 값을, w 2는 오브젝트 인식 및 포즈 추정 모듈(340)의 신뢰도 값을 각각 나타낼 수 있다. 이때, 신뢰도 값 w 1 및 w 2는 각각 0부터 1까지의 범위에 포함되는 값을 갖는 실수일 수 있다. 이러한 신뢰도 값들은 글로벌 로컬라이제이션 모듈(330) 및 오브젝트 인식 및 포즈 추정 모듈(340) 각각이 모바일 기기(310)의 전역 포즈를 전달할 때 같이 전달될 수 있다.
이와 같이, 본 실시예에 따르면, 오브젝트 인식 및 포즈 추정 모듈(340)은 데이터베이스에 등록된 장소의 2차원 혹은 3차원 오브젝트에 대한 모바일 기기(310)의 상대적인 포즈를 인식하여 해당 장소에서 사용자의 위치를 제공할 수 있게 된다. 또한, GPS, WPS, VL 등과 같은 기존의 전역 포즈 추정 기법을 사용할 수 있는 환경에서는 본 실시예에 따른 위치 인식 방법을 보조 수단으로 활용하여 포즈 추정의 정확도를 높이고, 기존의 전역 포즈 추정 기법을 사용할 수 없는 환경에서는 본 실시예에 따른 위치 인식 방법을 단독으로 사용하여 사용자의 위치를 추정하고 증강현실 기반의 내비게이션 기능과 같은 위치 기반 서비스를 제공할 수 있게 된다. 예를 들어, 수학식 1에 따르면, 글로벌 로컬라이제이션 모듈(330)의 신뢰도 값 w 1가 0이 되는 경우, 오브젝트 인식 및 포즈 추정 모듈(340)로부터 제공되는
Figure PCTKR2020016271-appb-img-000005
의 값이 최종 계산된 모바일 기기(310)의 전역 포즈
Figure PCTKR2020016271-appb-img-000006
의 값이 됨을 알 수 있다.
도 4는 본 발명의 일실시예에 있어서, 전역 공간에서의 실시간 포즈 추정 과정의 예를 도시한 도면이다.
단계(S410)에서 모바일 기기(310)는 서버(410)를 통해 위치(6DOF)를 수신할 수 있다. 단계(S410)는 모바일 기기(310)가 최초 위치를 획득하기 위한 과정일 수 있다. 예를 들어, 서버(410)는 도 3을 통해 설명한 중계기(320), 글로벌 로컬라이제이션 모듈(330) 및 오브젝트 인식 및 포즈 추정 모듈(340)을 포함할 수 있으며, 단계(S410)에서 글로벌 로컬라이제이션 모듈(330)을 통해 모바일 기기(310)의 최초 위치를 제공할 수 있다.
단계(S420)에서 모바일 기기(310)는 현재 위치(M n)와 쿼리 이미지(I n)를 서버(410)로 전송하여 위치를 요청할 수 있다. 현재 위치(M n)는 처음에는 단계(S410)에서 수신된 최초 위치일 수 있으며, 쿼리 이미지(I n)는 모바일 기기(310)가 포함하는 카메라를 통해 생성되는 프레임 이미지들 중 하나일 수 있다.
단계(S430)에서 모바일 기기(310)는 모바일 기기(310)의 이동(M n→M n+1)에 따른 위치를 추적할 수 있다. 일례로, 도 3을 통해 설명한 과정에서 서버(410)를 통해 제공되는 포즈는 많은 연산이 필요한 작업을 거쳐 계산되기 때문에 실시간으로 결과값을 사용하기 어려울 수 있다. 이를 보완하기 위해, 모바일 기기(310)는 서버(410)로부터 응답을 받기 전까지의 모바일 기기(310)의 제1 위치(M n)에서 제2 위치(M n+1)로의 이동을 자체적으로 추적할 수 있다. 일례로, 모바일 기기(310)는 비쥬얼 이너셜 오도메트리(Visual Inertial Odometry)를 통해, 또는 제1 위치(M n)에 카메라의 변화량(일례로, 카메라를 통해 생성되는 프레임 이미지들에서의 동일한 오브젝트의 위치 및/또는 배향의 변화량)을 누적함으로써, 모바일 기기(310)의 제2 위치(M n+1)를 추정할 수 있다.
단계(S440)에서 모바일 기기(310)는 쿼리 이미지(I n)에 대한 응답(M n')을 수신할 수 있다. 여기서 응답(M n')은 단계(S420)의 요청에 대한 응답일 수 있다. 실시예에 따라, 모바일 기기(310)는 글로벌 로컬라이제이션 모듈(330) 및 오브젝트 인식 및 포즈 추정 모듈(340) 각각으로부터 전역 포즈
Figure PCTKR2020016271-appb-img-000007
및
Figure PCTKR2020016271-appb-img-000008
를 수신할 수 있으며, 수학식 1을 통해 전역 포즈
Figure PCTKR2020016271-appb-img-000009
를 계산하여 응답(M n')로서 활용할 수 있다.
단계(S450)에서 모바일 기기(310)는 모바일 기기(310)의 위치 변화량(ΔM)을 응답(M n')에 적용하여 새로운 현재 위치(M n+1') 계산할 수 있다. 우선 모바일 기기(310)는 단계(S430)에서 추정된 제2 위치(M n+1)와 현재 위치(M n)의 차이에 기반하여 모바일 기기(310)의 위치 변화량(ΔM)을 계산할 수 있다. 이후, 모바일 기기(310)는 응답(M n')에 모바일 기기(310)의 위치 변화량(ΔM)을 적용함으로써, 새로운 현재 위치(M n+1')를 계산할 수 있다.
단계(S460)에서 모바일 기기(310)는 제2 위치(M n+1)와 새로운 현재 위치(M n+1')에 가중 이동평균을 적용하여 최종 위치(M n+1'')를 결정할 수 있다. 증강현실 기반의 내비게이션 기능을 제공할 때, 모바일 기기(310)는 제1 위치(M n)와 제2 위치(M n+1) 사이에서 추정되는 위치들을 통해 지속적으로 증강현실 컨텐츠를 제공해야 할 필요성이 있다. 예를 들어, 모바일 기기(310)가 서버(410)로부터 1초에 3번의 위치 정보를 제공받을 수 있고, 모바일 기기(310)가 증강현실 컨텐츠의 제공을 위해 1초에 30번의 계산을 처리한다고 가정할 수 있다. 이때, 모바일 기기(310)는 서버(410)로부터 다음 번 위치 정보가 수신되기 전까지 모바일 기기(310)가 추정하는 위치들을 통해 증강현실 컨텐츠의 제공을 위한 연산을 순차적으로 처리하여 사용자에게 증강현실 컨텐츠를 제공할 수 있다. 이 경우, 모바일 기기(310)가 추정하는 위치들은 점점 제2 위치(M n+1)에 근접해갈 것이다. 이때, 서버(410)로부터 응답(M n')이 수신되어 새로운 현재 위치(M n+1')가 계산됨에 따라 제2 위치(M n+1)에 근접한 위치가 새로운 현재 위치(M n+1')로 바로 변경된다. 그러나, 제2 위치(M n+1)와 새로운 현재 위치(M n+1')간에는 오차가 존재할 수 있기 때문에 제2 위치(M n+1)와 새로운 현재 위치(M n+1')간의 오차(차이)에 의해 한 순간에 증강현실 컨텐츠에 이질감이 생길 수 있다. 따라서, 모바일 기기(310)는 제2 위치(M n+1)와 새로운 현재 위치(M n+1')에 가중 이동평균을 적용함으로써, 증강현실 컨텐츠에 반영되는 위치들간의 차이를 줄여 증강현실 컨텐츠에 대해 발생하는 이질감을 줄일 수 있다.
이후, 모바일 기기(310)는 다시 단계(S420)를 재수행할 수 있다. 이때, 단계(S420)에서 현재 위치(M n)는 단계(S460)에서 계산된 최종 위치(M n+1'')가 될 수 있다.
도 5는 본 발명의 일실시예에 있어서, 카메라를 통해 대상 오브젝트를 촬영하는 예를 도시한 도면이고, 도 6은 본 발명의 일실시예에 있어서, 카메라를 통해 촬영된 이미지들의 예를 도시한 도면이다.
도 5는 카메라(510)가 제1 내지 제3 시간(t1-t3)에 이동 및 회전하면서 대상 물체(Object)를 촬영하는 것을 도시한다. 도 6은 카메라(510)에 의해 제1 내지 제3 시간(t1-t3)에 각각 촬영된 대상 물체(Ob1-Ob3)의 제1 내지 제3 이미지들(Image1-Image3)을 도시한다.
카메라(510)를 포함하거나 또는 카메라(510)와 통신 가능하게 연결된 기기(일례로, 모바일 기기(310) 또는 서버)는 카메라(510)를 이용하여 대상 물체를 촬영하여 이미지를 생성할 수 있다. 이하에서는 카메라(510)를 포함하는 모바일 기기(310)가 이미지를 생성하는 실시예를 설명한다. 또한, 이하에서 '서버'는 도 3에서 설명한 서버단을 구성하는 주체일 수 있다.
도 5 및 도 6을 참조하면, 제1 시점(t1)에 대상 물체(Object)를 촬영한 이미지는 제1 이미지(Image1), 제2 시점(t2)에 대상 물체(Object)를 촬영한 이미지는 제2 이미지(Image2), 제3 시점(t3)에 대상 물체(Object)를 촬영한 이미지는 제3 이미지(Image3)로 지칭한다.
모바일 기기(310)에 의해 생성된 이미지들 중 적어도 하나는 네트워크(170)를 통해 서버로 전송될 수 있다. 예를 들면, 제1 내지 제3 이미지(Image1-Image3)가 서버에 전송될 수 있다. 다른 예에 따르면, 제1 내지 제3 이미지(Image1-Image3) 중 일부가 서버에 전송될 수 있다. 본 실시예에서는 제1 이미지(Image1)와 제3 이미지(Image3)가 서버에 전송되고, 제2 이미지(Image2)는 서버에 전송하지 않는 것으로 가정한다. 모바일 기기(310)가 서버에 이미지를 전송한 후 서버로부터 상대 포즈 데이터를 수신할 때까지 시간이 필요하다. 이 시간에도 카메라(510) 또는 카메라(510)를 포함하는 모바일 기기(310)는 움직일 수 있으며, 모바일 기기(310)의 움직임에 따라 대상 물체의 상대 포즈 데이터는 변하게 된다. 만약, 증강현실 기반의 내비게이션 기능을 제공하는 경우, 모바일 기기(310)에 의해 렌더링되는 가상 물체의 3차원 이미지는 대상 물체의 이전 상대 포즈 데이터를 기초로 생성되므로, 증강 이미지에 이질감이 생길 수 있다. 모바일 기기(310)는 서버로부터 상대 포즈 데이터를 수신하기 전에도, 서버로부터 이전에 수신한 상대 포즈 데이터를 기초로 새로운 이미지 내의 대상 물체의 상대 포즈 데이터를 추정하고, 이러한 대상 물체의 상대 포즈 데이터를 기초로 가상 물체의 3차원 이미지를 렌더링할 수 있기 때문에, 증강 이미지의 이질감은 현격히 감소될 수 있다.
제2 시점(t2)은 제1 시점(t1)의 이후이다. 제3 시점(t3)은 제2 시점(t2)의 이후일 수 있다. 하지만, 이는 예시적일 뿐이며, 제3 시점(t3)은 제1 시점(t1)과 제2 시점(t2) 사이일 수도 있다.
제1 내지 제3 시점(t1, t2, t3) 사이에 카메라(510) 또는 카메라(510)를 포함하는 모바일 기기(310)는 움직일 수 있다. 예를 들면, 제1 내지 제3 시점(t1, t2, t3) 사이에 카메라(510) 또는 카메라(510)를 포함하는 모바일 기기(310)는 제1 방향으로 제1 크기의 병진 운동, 또는 제2 방향으로 제2 크기의 회전 운동 중 적어도 하나를 할 수 있다.
모바일 기기(310)는 카메라(510)가 대상 물체를 촬영한 시점의 카메라(510)의 뷰 데이터를 저장하고 관리할 수 있다. 모바일 기기(310)는 제1 시점(t1)에 제1 뷰 데이터를 저장하고, 제2 시점(t2)에 제2 뷰 데이터를 저장하고, 제3 시점(t3)에 제3 뷰 데이터를 저장할 수 있다. 모바일 기기(310)는 미리 설정된 시간 이전에 저장한 뷰 데이터를 삭제함으로써 뷰 데이터들을 관리할 수 있다.
카메라(510)의 뷰 데이터는 카메라(510)의 포즈와 직접 관련되는 데이터이다. 카메라(510)의 뷰 데이터는 카메라(510)의 포즈에 의해 정의되는 카메라 좌표계 상에서 월드, 즉, 고정된 피사체가 어떻게 이동 및 회전하였는지를 나타내는 뷰 행렬(view matrix)일 수 있다. 다르게 말하자면, 카메라(510)의 뷰 데이터는 월드 좌표계 상의 좌표값을 카메라 좌표계 상으로 변환하는 행렬 또는 이의 원소값들을 의미할 수 있다.
카메라(510)의 움직임에 따라 카메라(510)의 포즈와 이에 의해 정의되는 카메라 좌표계가 변하게 된다. 카메라(510)의 뷰 데이터는 카메라(510)의 움직임에 따라 달라지게 된다.
카메라(510)의 뷰 데이터는 카메라(510)의 포즈 데이터와 역(inverse) 함수의 관계를 가질 수 있다. 카메라(510)의 포즈 데이터는 월드 좌표계 상에서 카메라의 포즈를 나타내는 데이터일 수 있다. 다르게 말하면, 카메라(510)의 포즈 데이터는 카메라 좌표계 상의 좌표값을 월드 좌표계 상으로 변환하는 행렬 또는 이의 원소값들을 의미할 수 있다.
모바일 기기(310)는 카메라(510)의 뷰 데이터를 기초로 카메라(510)의 포즈 데이터를 산출하거나, 카메라(510)의 포즈 데이터를 기초로 카메라(510)의 뷰 데이터를 산출할 수 있다.
본 명세서에서 카메라(510)의 뷰 데이터와 포즈 데이터는 전술한 의미를 갖는 것으로 이해될 수 있지만, 다른 실시예에 따르면, 포즈 데이터가 뷰 행렬이고, 뷰 데이터가 포즈 데이터의 역 행렬일 수도 있다.
모바일 기기(310)는 카메라(510)의 움직임을 감지하고, 카메라(510)의 움직임에 따라 뷰 데이터를 변경 또는 새로 생성할 수 있다.
일 실시예에 모바일 기기(310)는 카메라(510)가 촬영한 이미지들의 특징점들이 어떻게 이동하였는지를 기초로 카메라(510)의 움직임을 감지할 수 있다. 예를 들면, 모바일 기기(310)는 제1 이미지(Image1) 내의 특징점들과 제2 이미지(Image2) 내의 특징점들이 서로 어떻게 변화하였는지를 감지하고, 이를 기초로 카메라(510)의 병진 운동의 방향 및 크기, 및 카메라(510)의 회전 운동의 방향 및 크기를 추정할 수 있다. 일 예에 따르면, 모바일 기기(310)는 비쥬얼 오도메트리(Visual Odometry) 기술을 이용하여 카메라(510)의 뷰 데이터를 생성 및 관리할 수 있다. 다른 실시예에 따르면, 모바일 기기(310)는 센서들의 센서 값들을 기초로 카메라(510)의 뷰 데이터를 생성 및 관리할 수 있다. 센서들은 관성 센서들일 수 있으며, 모바일 기기(310)가 어디로 얼만큼 이동 및 회전하였는지에 대응하는 센서 값들을 출력할 수 있다.
또 다른 실시예에 따르면, 모바일 기기(310)는 카메라(510)가 촬영한 이미지들 내의 특징점들의 변화 및 센서들의 센서 값들을 기초로 카메라(510)의 뷰 데이터를 생성 및 관리할 수 있다. 예를 들면, 모바일 기기(310)는 비쥬얼 이너셜 오도메트리(Visual Inertial Odometry) 기술을 이용하여 카메라(510)의 뷰 데이터를 생성 및 관리할 수 있다.
모바일 기기(310)는 서버로부터 대상 물체(Object)의 상대 포즈 데이터를 수신하고, 수신된 대상 물체의 상대 포즈 데이터와 이와 동일한 시점의 카메라의 뷰 데이터에 기초하여 대상 물체의 포즈 데이터를 추정하고, 저장하고, 관리할 수 있다.
예를 들면, 서버로부터 제1 시점(t1)의 대상 물체(Object)의 제1 상대 포즈 데이터와 제1 시점(t1)의 카메라(510)의 제1 뷰 데이터를 기초로, 대상 물체(Object)의 포즈 데이터를 산출하고 저장할 수 있다. 이후, 서버로부터 제3 시점(t3)의 대상 물체(Object)의 제3 상대 포즈 데이터와 제3 시점(t3)의 카메라(510)의 제3 뷰 데이터를 기초로, 대상 물체(Object)의 포즈 데이터를 산출할 수 있다.
제1 시점(t1)에 대해 산출된 대상 물체(Object)의 포즈 데이터(이하, '제1 포즈 데이터'라 함)와 제3 시점(t3)에 대해 산출된 대상 물체(Object)의 포즈 데이터(이하, '제2 포즈 데이터'라 함)는 이론적으로 동일한 값을 가져야 한다. 그러나, 서버의 학습 모델의 부정확성, 또는 카메라(510)의 뷰 데이터의 부정확성 등의 이유로 제1 포즈 데이터와 제2 포즈 데이터가 서로 허용할 수 없는 오차를 가질 수도 있다.
모바일 기기(310)는 제1 포즈 데이터와 제2 포즈 데이터 간의 오차가 기준치를 초과하는 경우, 제2 포즈 데이터를 무시할 수 있다. 반대로, 제1 포즈 데이터와 제2 포즈 데이터 간의 오차가 기준치 내인 경우, 모바일 기기(310)는 제1 포즈 데이터와 제2 포즈 데이터를 기초로 모바일 기기(310)에서 사용하는 포즈 데이터를 갱신할 수 있다. 예를 들면, 모바일 기기(310)는 제1 포즈 데이터와 제2 포즈 데이터에 대하여 평균 또는 가중 평균을 이용하여 대상 물체의 포즈 데이터를 갱신할 수 있다.
모바일 기기(310)는 대상 물체의 포즈 데이터와 카메라(510)의 뷰 데이터에 기초하여 대상 물체(Object)의 상대 포즈 데이터를 추정할 수 있다.
다른 예에 따르면, 모바일 기기(310)는 서버로부터 대상 물체(Object)의 상대 포즈 데이터를 수신할 수도 있다.
모바일 기기(310)는 제1 내지 제3 시점들(t1-t3)에서 이미지들 상의 대상 물체의 위치를 추적할 수 있다. 예를 들면, 제1 시점(t1)의 제1 이미지(Image1)를 수신한 서버는 제1 이미지(Imgae1) 내의 대상 물체(Object)의 종류 및 위치를 추정하여, 모바일 기기(310)에 제공할 수 있다. 모바일 기기(310)는 제1 이미지(Image1) 내의 대상 물체(Object)의 위치를 기초로 대상 물체(Object)를 추적함으로써 제2 이미지(Image2) 내의 대상 물체(Object)의 위치를 결정할 수 있다. 모바일 기기(310)는 제1 이미지(Image1)와 제2 이미지(Image2) 내에 특징점들을 추출하고, 이들을 서로 비교함으로써, 제1 이미지(Image1) 내의 대상 물체가 제2 이미지(Image2)에서 어디에 위치하는지를 추적할 수 있다.
모바일 기기(310)는 카메라(510)의 뷰 데이터에 기초하여 카메라(510)의 포즈 데이터를 추정할 수 있다. 이때, 모바일 기기(310)는 카메라(510)의 뷰 데이터의 역 행렬을 산출함으로써 카메라(510)의 포즈 데이터를 산출할 수 있다.
도 7은 본 발명의 일실시예에 따른 모바일 기기의 위치 인식 방법의 예를 도시한 흐름도이다. 본 실시예에 따른 위치 인식 방법은 모바일 기기(310)를 구현하는 컴퓨터 장치(200)에 의해 수행될 수 있다. 이때, 컴퓨터 장치(200)의 프로세서(220)는 메모리(210)가 포함하는 운영체제의 코드나 적어도 하나의 컴퓨터 프로그램의 코드에 따른 제어 명령(instruction)을 실행하도록 구현될 수 있다. 여기서, 프로세서(220)는 컴퓨터 장치(200)에 저장된 코드가 제공하는 제어 명령에 따라 컴퓨터 장치(200)가 도 7의 방법이 포함하는 단계들(710 내지 770)을 수행하도록 컴퓨터 장치(200)를 제어할 수 있다.
단계(710)에서 컴퓨터 장치(200)는 카메라를 통해 프레임 이미지를 생성할 수 있다. 이때, 컴퓨터 장치(200)는 카메라를 통해 프레임 이미지들을 지속적으로 생성할 수 있다.
단계(720)에서 컴퓨터 장치(200)는 카메라의 제1 전역 포즈 및 생성된 프레임 이미지를 서버로 전송할 수 있다. 일례로, 도 4의 단계(S420)에서는 모바일 기기(310)가 현재 위치(M n)와 쿼리 이미지(I n)를 서버(410)로 전송하여 위치를 요청하는 예를 설명한 바 있다.
단계(730)에서 컴퓨터 장치(200)는 카메라의 제1 전역 포즈에서 제3 전역 포즈로의 변화를 추적할 수 있다. 일례로, 도 4의 단계(S430)에서는 모바일 기기(310)가 모바일 기기(310)의 이동(M n→M n+1)에 따른 위치를 추적할 수 있음을 설명한 바 있다.
단계(740)에서 컴퓨터 장치(200)는 서버로부터 전송된 프레임 이미지에 포함된 오브젝트의 포즈에 기반하여 추정되는 카메라의 제2 전역 포즈를 수신할 수 있다. 일례로, 도 4의 단계(S440)에서는 모바일 기기(310)가 서버(410)로부터 쿼리 이미지(I n)에 대한 응답(M n') 수신할 수 있음을 설명한 바 있다. 이 경우, 제2 전역 포즈는 응답(Mn')에 대응될 수 있다. 일실시예로, 제2 전역 포즈는 서버에서 프레임 이미지를 분석하여 계산되는 카메라와 프레임 이미지가 포함하는 대상 오브젝트와의 상대 포즈만큼 서버가 저장하고 있는 대상 오브젝트의 전역 포즈를 변환시켜 추정될 수 있다.
한편, 여기서, 제2 전역 포즈는 앞서 설명한 오브젝트 인식 및 포즈 추정 모듈(340)로부터의 전역 포즈
Figure PCTKR2020016271-appb-img-000010
에 대응할 수 있다. 이에 컴퓨터 장치(200)는 서버로부터 제2 전역 포즈 외에도, 제2 전역 포즈에 대응하는 제1 신뢰도 값 w 1, 글로벌 로컬라이제이션에 기반하여 추정되는 컴퓨터 장치(200)의 전역 포즈
Figure PCTKR2020016271-appb-img-000011
및 전역 포즈
Figure PCTKR2020016271-appb-img-000012
에 대응하는 제2 신뢰도 값 w 2를 더 수신할 수 있다. 이 경우, 컴퓨터 장치(200)는 제1 신뢰도 값 및 제2 신뢰도 값에 기반한 서로 다른 가중치를 제2 전역 포즈
Figure PCTKR2020016271-appb-img-000013
및 전역 포즈
Figure PCTKR2020016271-appb-img-000014
에 부여하여 전역 포즈
Figure PCTKR2020016271-appb-img-000015
를 결정할 수 있다. 이때, 제1 신뢰도 값이 제2 신뢰도 값보다 클수록 전역 포즈
Figure PCTKR2020016271-appb-img-000016
에서 제2 전역 포즈
Figure PCTKR2020016271-appb-img-000017
의 비중이 상대적으로 더 커지도록 전역 포즈
Figure PCTKR2020016271-appb-img-000018
를 결정할 수 있다. 보다 구체적인 예로, 수학식 1을 통해 전역 포즈
Figure PCTKR2020016271-appb-img-000019
를 결정하는 실시예를 설명한 바 있다. 이미 설명한 바와 같이, 컴퓨터 장치(200)는 글로벌 로컬라이제이션 모듈(330) 및 오브젝트 인식 및 포즈 추정 모듈(340) 각각으로부터 전역 포즈
Figure PCTKR2020016271-appb-img-000020
및
Figure PCTKR2020016271-appb-img-000021
를 수신할 수 있으며, 수학식 1을 통해 전역 포즈
Figure PCTKR2020016271-appb-img-000022
를 계산하여 응답(M n')로서 활용할 수 있다.
단계(750)에서 컴퓨터 장치(200)는 제3 전역 포즈와 제1 전역 포즈에 기초하여 포즈 변화량을 계산할 수 있다. 예를 들어, 컴퓨터 장치(200)는 제3 전역 포즈와 제1 전역 포즈의 차이를 통해 포즈 변화량을 계산할 수 있다.
단계(760)에서 컴퓨터 장치(200)는 제2 전역 포즈에 포즈 변화량을 적용하여 제4 전역 포즈를 결정할 수 있다. 일례로, 도 4의 단계(S450)를 통해 모바일 기기(310)의 위치 변화량(ΔM)을 응답(M n')에 적용하여 새로운 현재 위치(M n+1') 계산하는 예를 설명한 바 있다. 여기서, 제2 전역 포즈는 응답(M n')에, 제4 전역 포즈는 (M n+1')에 각각 대응될 수 있다.
단계(770)에서 컴퓨터 장치(200)는 제3 전역 포즈와 제4 전역 포즈에 가중 이동평균을 적용하여 제5 전역 포즈를 결정할 수 있다. 일례로, 도 4의 단계(S460)에서 (M n+1)과 (M n+1')에 가중 이동평균을 적용하여 최종 위치(M n+1'')를 결정하는 예를 설명한 바 있다. 여기서, 제3 전역 포즈는 (M n+1)에, 제4 전역 포즈는 (M n+1')에, 제5 전역 포즈는 (M n+1'')에 각각 대응될 수 있다.
도 8은 본 발명의 일실시예에 따른 서버의 위치 인식 방법의 예를 도시한 흐름도이다. 본 실시예에 따른 위치 인식 방법은 오브젝트 인식 및 포즈 추정 모듈(340)을 구현하는 컴퓨터 장치(200)에 의해 수행될 수 있다. 이때, 컴퓨터 장치(200)의 프로세서(220)는 메모리(210)가 포함하는 운영체제의 코드나 적어도 하나의 컴퓨터 프로그램의 코드에 따른 제어 명령(instruction)을 실행하도록 구현될 수 있다. 여기서, 프로세서(220)는 컴퓨터 장치(200)에 저장된 코드가 제공하는 제어 명령에 따라 컴퓨터 장치(200)가 도 8의 방법이 포함하는 단계들(810 내지 860)을 수행하도록 컴퓨터 장치(200)를 제어할 수 있다.
단계(810)에서 컴퓨터 장치(200)는 오브젝트들을 대응하는 전역 포즈와 연관하여 데이터베이스에 등록할 수 있다. 컴퓨터 장치(200)는 다수의 오브젝트들을 데이터베이스에 등록할 수 있으며, 글로벌 로컬라이제이션의 도움을 받아 다수의 오브젝트들 각각에 대한 전역 포즈를 대응하는 오브젝트와 연관하여 데이터베이스에 저장할 수 있다. 일례로, 오브젝트의 전역 포즈는 앞서 도 3을 통해 설명한 글로벌 로컬라이제이션 모듈(330)을 통해 결정될 수 있다.
단계(820)에서 컴퓨터 장치(200)는 모바일 기기로부터 쿼리 이미지를 수신할 수 있다. 여기서, 모바일 기기는 앞서 설명한 모바일 기기(310)에 대응할 수 있으며, 쿼리 이미지는 모바일 기기(310)가 포함하는 카메라를 통해 생성되는 프레임 이미지들 중 하나일 수 있다.
단계(830)에서 컴퓨터 장치(200)는 쿼리 이미지를 분석하여 모바일 기기의 카메라와 쿼리 이미지가 포함하는 대상 오브젝트와의 상대 포즈를 계산할 수 있다. 이미지를 통해 이미지가 포함하는 대상 오브젝트와 이미지를 촬영한 카메라간의 상대 포즈를 계산하는 방식에 대해서는 앞서 도 5 및 도 6을 통해 자세히 설명한 바 있다.
단계(840)에서 컴퓨터 장치(200)는 대상 오브젝트의 전역 포즈를 데이터베이스에서 검색할 수 있다. 일례로, 컴퓨터 장치(200)는 쿼리 이미지에서 인식된 대상 오브젝트를 데이터베이스에서 검색하여 대응하는 오브젝트와 연계되어 데이터베이스에 저장된 전역 포즈를 대상 오브젝트의 전역 포즈로 추출할 수 있다.
단계(850)에서 컴퓨터 장치(200)는 검색된 전역 포즈를 계산된 상대 포즈만큼 변환시켜 모바일 기기의 카메라에 대한 전역 포즈를 결정할 수 있다. 상대 포즈는 카메라의 대상 오브젝트와의 상대 포즈로서 대상 오브젝트의 전역 포즈를 아는 경우, 컴퓨터 장치(200)는 대상 오브젝트의 전역 포즈를 이동시켜 카메라에 대한 전역 포즈를 추정할 수 있다.
단계(860)에서 컴퓨터 장치(200)는 결정된 전역 포즈를 모바일 기기로 전달할 수 있다. 실시예에 따라, 컴퓨터 장치(200)는 결정된 전역 포즈로서의 제1 전역 포즈, 제1 전역 포즈에 대응하는 제1 신뢰도 값, 글로벌 로컬라이제이션에 기반하여 추정되는 모바일 기기의 제2 전역 포즈 및 제2 전역 포즈에 대응하는 제2 신뢰도 값을 모바일 기기로 전송할 수 있다. 이 경우, 모바일 기기에서 제1 신뢰도 값 및 제2 신뢰도 값에 기반한 서로 다른 가중치를 제1 전역 포즈 및 제2 전역 포즈에 부여하여 제3 전역 포즈가 결정될 수 있다.
이와 같이, 본 발명의 실시예들에 따르면, POI(Point of Interest)에 대한 시각 정보 처리 기반으로 사용자의 위치를 인식할 수 있다.
이상에서 설명된 시스템 또는 장치는 하드웨어 구성요소, 또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 어플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치에 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 매체는 컴퓨터로 실행 가능한 프로그램을 계속 저장하거나, 실행 또는 다운로드를 위해 임시 저장하는 것일 수도 있다. 또한, 매체는 단일 또는 수개 하드웨어가 결합된 형태의 다양한 기록수단 또는 저장수단일 수 있는데, 어떤 컴퓨터 시스템에 직접 접속되는 매체에 한정되지 않고, 네트워크 상에 분산 존재하는 것일 수도 있다. 매체의 예시로는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium), 및 ROM, RAM, 플래시 메모리 등을 포함하여 프로그램 명령어가 저장되도록 구성된 것이 있을 수 있다. 또한, 다른 매체의 예시로, 애플리케이션을 유통하는 앱 스토어나 기타 다양한 소프트웨어를 공급 내지 유통하는 사이트, 서버 등에서 관리하는 기록매체 내지 저장매체도 들 수 있다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 청구범위와 균등한 것들도 후술하는 청구범위의 범위에 속한다.

Claims (14)

  1. 적어도 하나의 프로세서를 포함하는 컴퓨터 장치의 위치 인식 방법에 있어서,
    상기 적어도 하나의 프로세서에 의해, 카메라를 통해 프레임 이미지를 생성하는 단계;
    상기 적어도 하나의 프로세서에 의해, 상기 카메라의 제1 전역 포즈 및 상기 생성된 프레임 이미지를 서버로 전송하는 단계; 및
    상기 적어도 하나의 프로세서에 의해, 상기 서버로부터 상기 전송된 프레임 이미지에 포함된 오브젝트의 포즈에 기반하여 추정되는 상기 카메라의 제2 전역 포즈를 수신하는 단계
    를 포함하는 위치 인식 방법.
  2. 제1항에 있어서,
    상기 제2 전역 포즈는 상기 서버에서 상기 프레임 이미지를 분석하여 계산되는 상기 카메라와 상기 프레임 이미지가 포함하는 대상 오브젝트와의 상대 포즈만큼 상기 서버가 저장하고 있는 상기 대상 오브젝트의 전역 포즈를 변환시켜 추정되는 것을 특징으로 하는 위치 인식 방법.
  3. 제1항에 있어서,
    상기 카메라의 제2 전역 포즈를 수신하는 단계는,
    상기 서버로부터, 상기 제2 전역 포즈, 상기 제2 전역 포즈에 대응하는 제1 신뢰도 값, 상기 서버에서 글로벌 로컬라이제이션에 기반하여 추정되는 상기 컴퓨터 장치의 전역 포즈로서의 제3 전역 포즈 및 상기 제3 전역 포즈에 대응하는 제2 신뢰도 값을 수신하는 단계; 및
    상기 제1 신뢰도 값 및 상기 제2 신뢰도 값에 기반한 서로 다른 가중치를 상기 제2 전역 포즈 및 상기 제3 전역 포즈에 부여하여 제4 전역 포즈를 결정하는 단계
    를 포함하는 것을 특징으로 하는 위치 인식 방법.
  4. 제3항에 있어서,
    상기 제4 전역 포즈를 결정하는 단계는,
    상기 제1 신뢰도 값이 상기 제2 신뢰도 값보다 클수록 상기 제4 전역 포즈에서 상기 제2 전역 포즈의 비중이 상대적으로 더 커지도록 상기 제4 전역 포즈를 결정하는 것을 특징으로 하는 위치 인식 방법.
  5. 제1항에 있어서,
    상기 적어도 하나의 프로세서에 의해, 상기 카메라의 제1 전역 포즈에서 제3 전역 포즈로의 변화를 추적하는 단계;
    상기 적어도 하나의 프로세서에 의해, 상기 제3 전역 포즈와 상기 제1 전역 포즈에 기초하여 포즈 변화량을 계산하는 단계; 및
    상기 적어도 하나의 프로세서에 의해, 상기 제2 전역 포즈에 상기 포즈 변화량을 적용하여 제4 전역 포즈를 결정하는 단계
    를 더 포함하는 위치 인식 방법.
  6. 제5항에 있어서,
    상기 적어도 하나의 프로세서에 의해, 상기 제3 전역 포즈와 상기 제4 전역 포즈에 가중 이동평균을 적용하여 제5 전역 포즈를 결정하는 단계
    를 더 포함하는 위치 인식 방법.
  7. 제5항에 있어서,
    상기 변화를 추적하는 단계는,
    비쥬얼 이너셜 오도메트리(Visual Inertial Odometry)를 이용하여 또는 상기 제1 전역 포즈에 상기 카메라의 변화량을 누적하여 상기 제3 전역 포즈를 추정하는 것을 특징으로 하는 위치 인식 방법.
  8. 적어도 하나의 프로세서를 포함하는 컴퓨터 장치의 위치 인식 방법에 있어서,
    상기 적어도 하나의 프로세서에 의해, 오브젝트들을 대응하는 전역 포즈와 연관하여 데이터베이스에 등록하는 단계;
    상기 적어도 하나의 프로세서에 의해, 모바일 기기로부터 쿼리 이미지를 수신하는 단계;
    상기 적어도 하나 프로세서에 의해, 상기 쿼리 이미지를 분석하여 상기 모바일 기기의 카메라와 상기 쿼리 이미지가 포함하는 대상 오브젝트와의 상대 포즈를 계산하는 단계;
    상기 적어도 하나 프로세서에 의해, 상기 대상 오브젝트의 전역 포즈를 상기 데이터베이스에서 검색하는 단계;
    상기 적어도 하나 프로세서에 의해, 상기 검색된 전역 포즈를 상기 계산된 상대 포즈만큼 변환시켜 상기 모바일 기기의 카메라에 대한 전역 포즈를 결정하는 단계; 및
    상기 결정된 전역 포즈를 상기 모바일 기기로 전달하는 단계
    를 포함하는 것을 특징으로 하는 위치 인식 방법.
  9. 제8항에 있어서,
    상기 전달하는 단계는,
    상기 결정된 전역 포즈로서의 제1 전역 포즈, 상기 제1 전역 포즈에 대응하는 제1 신뢰도 값, 글로벌 로컬라이제이션에 기반하여 추정되는 상기 모바일 기기의 제2 전역 포즈 및 상기 제2 전역 포즈에 대응하는 제2 신뢰도 값을 상기 모바일 기기로 전송하는 것을 특징으로 하는 위치 인식 방법.
  10. 제9항에 있어서,
    상기 모바일 기기에서 상기 제1 신뢰도 값 및 상기 제2 신뢰도 값에 기반한 서로 다른 가중치를 상기 제1 전역 포즈 및 상기 제2 전역 포즈에 부여하여 제3 전역 포즈가 결정되는 것을 특징으로 하는 위치 인식 방법.
  11. 컴퓨터 장치와 결합되어 제1항 내지 제10항 중 어느 한 항의 방법을 컴퓨터 장치에 실행시키기 위해 컴퓨터 판독 가능한 기록매체에 저장된 컴퓨터 프로그램.
  12. 제1항 내지 제10항 중 어느 한 항의 방법을 컴퓨터 장치에 실행시키기 위한 컴퓨터 프로그램이 기록되어 있는 컴퓨터 판독 가능한 기록매체.
  13. 컴퓨터에서 판독 가능한 명령을 실행하도록 구현되는 적어도 하나의 프로세서
    를 포함하고,
    상기 적어도 하나의 프로세서에 의해,
    오브젝트들을 대응하는 전역 포즈와 연관하여 데이터베이스에 등록하고,
    모바일 기기로부터 쿼리 이미지를 수신하고,
    상기 쿼리 이미지를 분석하여 상기 모바일 기기의 카메라와 상기 쿼리 이미지가 포함하는 대상 오브젝트와의 상대 포즈를 계산하고,
    상기 대상 오브젝트의 전역 포즈를 상기 데이터베이스에서 검색하고,
    상기 검색된 전역 포즈를 상기 계산된 상대 포즈만큼 변환시켜 상기 모바일 기기의 카메라에 대한 전역 포즈를 결정하고,
    상기 결정된 전역 포즈를 상기 모바일 기기로 전달하는 것
    을 특징으로 하는 컴퓨터 장치.
  14. 제13항에 있어서,
    상기 적어도 하나의 프로세서에 의해,
    상기 결정된 전역 포즈로서의 제1 전역 포즈, 상기 제1 전역 포즈에 대응하는 제1 신뢰도 값, 글로벌 로컬라이제이션에 기반하여 추정되는 상기 모바일 기기의 제2 전역 포즈 및 상기 제2 전역 포즈에 대응하는 제2 신뢰도 값을 상기 모바일 기기로 전송하는 것
    을 특징으로 하는 컴퓨터 장치.
PCT/KR2020/016271 2019-12-16 2020-11-18 시각 정보 처리 기반의 위치 인식 방법 및 시스템 WO2021125578A1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US17/712,849 US20220230350A1 (en) 2019-12-16 2022-04-04 Position recognition method and system based on visual information processing

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2019-0168100 2019-12-16
KR1020190168100A KR102383567B1 (ko) 2019-12-16 2019-12-16 시각 정보 처리 기반의 위치 인식 방법 및 시스템

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US17/712,849 Continuation US20220230350A1 (en) 2019-12-16 2022-04-04 Position recognition method and system based on visual information processing

Publications (1)

Publication Number Publication Date
WO2021125578A1 true WO2021125578A1 (ko) 2021-06-24

Family

ID=76477707

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2020/016271 WO2021125578A1 (ko) 2019-12-16 2020-11-18 시각 정보 처리 기반의 위치 인식 방법 및 시스템

Country Status (3)

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

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114310951A (zh) * 2021-12-31 2022-04-12 北京航空航天大学杭州创新研究院 位姿优化方法、装置、抓取设备和计算机可读存储介质
CN116664684A (zh) * 2022-12-13 2023-08-29 荣耀终端有限公司 定位方法、电子设备及计算机可读存储介质

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11989343B2 (en) * 2022-01-05 2024-05-21 Nokia Technologies Oy Pose validity for XR based services

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140136016A (ko) * 2012-03-02 2014-11-27 퀄컴 인코포레이티드 장면 구조-기반 자가-포즈 추정
KR20150024351A (ko) * 2012-05-31 2015-03-06 퀄컴 인코포레이티드 주변 정보에 기초한 포즈 추정
KR20180112374A (ko) * 2017-04-03 2018-10-12 한국과학기술원 영상 특징점 기반의 실시간 카메라 자세 추정 방법 및 그 장치
KR20180123558A (ko) * 2016-04-11 2018-11-16 폭스바겐 악티엔 게젤샤프트 제1 랜드마크의 글로벌 위치를 결정하는 방법 및 시스템
KR20190114652A (ko) * 2018-03-30 2019-10-10 한국전자통신연구원 Slam 기반 카메라 추적에서 라벨된 키프레임을 이용한 이미지 특징 매칭 방법 및 장치

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103968846B (zh) * 2014-03-31 2017-02-08 小米科技有限责任公司 定位导航方法和装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140136016A (ko) * 2012-03-02 2014-11-27 퀄컴 인코포레이티드 장면 구조-기반 자가-포즈 추정
KR20150024351A (ko) * 2012-05-31 2015-03-06 퀄컴 인코포레이티드 주변 정보에 기초한 포즈 추정
KR20180123558A (ko) * 2016-04-11 2018-11-16 폭스바겐 악티엔 게젤샤프트 제1 랜드마크의 글로벌 위치를 결정하는 방법 및 시스템
KR20180112374A (ko) * 2017-04-03 2018-10-12 한국과학기술원 영상 특징점 기반의 실시간 카메라 자세 추정 방법 및 그 장치
KR20190114652A (ko) * 2018-03-30 2019-10-10 한국전자통신연구원 Slam 기반 카메라 추적에서 라벨된 키프레임을 이용한 이미지 특징 매칭 방법 및 장치

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114310951A (zh) * 2021-12-31 2022-04-12 北京航空航天大学杭州创新研究院 位姿优化方法、装置、抓取设备和计算机可读存储介质
CN114310951B (zh) * 2021-12-31 2024-04-26 北京航空航天大学杭州创新研究院 位姿优化方法、装置、抓取设备和计算机可读存储介质
CN116664684A (zh) * 2022-12-13 2023-08-29 荣耀终端有限公司 定位方法、电子设备及计算机可读存储介质
CN116664684B (zh) * 2022-12-13 2024-04-05 荣耀终端有限公司 定位方法、电子设备及计算机可读存储介质

Also Published As

Publication number Publication date
US20220230350A1 (en) 2022-07-21
KR102383567B1 (ko) 2022-04-06
KR20210076668A (ko) 2021-06-24

Similar Documents

Publication Publication Date Title
WO2021125578A1 (ko) 시각 정보 처리 기반의 위치 인식 방법 및 시스템
US11127203B2 (en) Leveraging crowdsourced data for localization and mapping within an environment
CN110246182B (zh) 基于视觉的全局地图定位方法、装置、存储介质和设备
WO2019240452A1 (ko) 실 공간에서 관심지점 관련 정보를 자동으로 수집 및 업데이트하는 방법 및 시스템
CN109461208B (zh) 三维地图处理方法、装置、介质和计算设备
WO2015014018A1 (zh) 移动终端基于图像识别技术的室内定位与导航方法
EP2989481A1 (en) Localization systems and methods
CN112258567A (zh) 物体抓取点的视觉定位方法、装置、存储介质及电子设备
JP2018128314A (ja) 移動***置推定システム、移動***置推定端末装置、情報格納装置、及び移動***置推定方法
WO2019017582A1 (ko) 클라우드 소싱 기반의 ar 컨텐츠 템플릿을 수집하여 ar 컨텐츠를 자동으로 생성하는 방법 및 시스템
WO2021075772A1 (ko) 복수 영역 검출을 이용한 객체 탐지 방법 및 그 장치
WO2019198868A1 (ko) 무인기와 무선단말기 간의 상호 인식 방법
WO2021025364A1 (ko) 라이다와 카메라를 이용하여 이미지 특징점의 깊이 정보를 향상시키는 방법 및 시스템
CN113910224B (zh) 机器人跟随的方法、装置及电子设备
KR20200012379A (ko) 이미지 기반 실내위치 검출장치 및 검출방법
EP3746744A1 (en) Methods and systems for determining geographic orientation based on imagery
WO2019221340A1 (ko) 관심 영역의 공간 좌표를 산출하는 방법, 시스템 및 비일시성의 컴퓨터 판독 가능 기록 매체
KR20200002219A (ko) 실내 길안내 장치 및 그 방법
CN113587928B (zh) 导航方法、装置、电子设备、存储介质及计算机程序产品
WO2021206200A1 (ko) 점군 정보 가공 장치 및 방법
WO2020235740A1 (ko) 이미지 기반 실내 측위 서비스 시스템 및 방법
US20190272426A1 (en) Localization system and method and computer readable storage medium
WO2021210725A1 (ko) 점군 정보 가공 장치 및 방법
US10735902B1 (en) Method and computer program for taking action based on determined movement path of mobile devices
WO2023136495A1 (ko) 시각적 측위방법, 이를 이용하는 제어서버 및 건물

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 20904035

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 20904035

Country of ref document: EP

Kind code of ref document: A1

122 Ep: pct application non-entry in european phase

Ref document number: 20904035

Country of ref document: EP

Kind code of ref document: A1

32PN Ep: public notification in the ep bulletin as address of the adressee cannot be established

Free format text: NOTING OF LOSS OF RIGHTS PURSUANT TO RULE 112(1) EPC (EPO FORM 1205A DATED 19.12.2022)

122 Ep: pct application non-entry in european phase

Ref document number: 20904035

Country of ref document: EP

Kind code of ref document: A1