KR102619083B1

KR102619083B1 - 인공 표식의 위치 추정 방법 및 시스템

Info

Publication number: KR102619083B1
Application number: KR1020210059436A
Authority: KR
Inventors: 유수현; 연수용; 김덕화; 이동환
Original assignee: 네이버랩스 주식회사
Priority date: 2021-05-07
Filing date: 2021-05-07
Publication date: 2023-12-27
Also published as: KR20220152012A

Abstract

본 개시는 인공 표식의 위치 추정 방법에 관한 것이다. 인공 표식의 위치 추정 방법은, 이미지 센서에 의해, 제1 위치에서 제1 인공 표식을 촬영하여 제1 인공 표식이 포함된 제1 이미지를 생성하는 단계, 생성된 제1 이미지를 기초로 제1 인공 표식에 포함된 제1 식별 정보를 추출하고, 제1 식별 정보를 이용하여 이미지 센서 및 제1 인공 표식 사이의 제1 상대 위치 정보를 결정하는 단계, 제1 위치에서의 이미지 센서의 절대 위치 정보를 결정하는 단계 및 제1 상대 위치 정보 및 제1 위치에서의 이미지 센서의 절대 위치 정보를 이용하여 제1 인공 표식의 절대 위치 정보를 결정하는 단계를 포함한다.

Description

인공 표식의 위치 추정 방법 및 시스템{METHOD AND SYSTEM FOR LOCALIZATION OF ARTIFICIAL LANDMARK}

본 개시는 인공 표식의 위치 추정 방법 및 시스템에 관한 것으로, 구체적으로 카메라 등을 이용하여 인공 표식의 절대 위치를 추정하는 방법 및 시스템에 관한 것이다.

최근 증강 현실, 로보틱스 등 다양한 분야에서 카메라 캘리브레이션 또는 자세 측정을 위해 비주얼 마커가 사용되고 있다. 여기서, 비주얼 마커는 정사각형의 패턴들을 포함하는 일정한 포맷으로 만들어진 인공적인 랜드 마크를 지칭할 수 있다. 예를 들어, 카메라를 포함하는 기계 또는 전자 장치는, 카메라를 이용하여 비주얼 마커를 촬영하고, 촬영된 영상을 기초로 기준 좌표계 상의 비주얼 마커와 영상 좌표계 상의 비주얼 마커 사이의 변환 관계와 카메라의 파라미터를 산출할 수 있다. 장치는, 이와 같이 산출된 좌표계들 사이의 변환 관계 및 카메라 파라미터를 이용하여, 동작 대상이 되는 특정 위치 등을 식별하거나, 방향, 각도, 기울기 등을 포함하는 자신의 자세를 결정할 수 있다.

그러나, 기계 또는 전자 장치는, 동작 환경의 변화에 따라 비주얼 마커를 인식하고 동작 대상이 되는 특정 위치 등을 정확하게 식별하기 어려울 수 있다. 예를 들어, 카메라가 부착된 장치가 이동 중에 비주얼 마커를 촬영 및 인식하는 경우, 카메라와 비주얼 마커 사이의 거리가 멀거나, 비주얼 마커 상의 특정 포인트의 위치가 부정확한 경우, 장치는 경로 상의 주행이나 충전 도킹 장치로의 이동과 같은 동작에 필요한 특정 위치 등을 정확히 식별하기 어려울 수 있다. 이 경우, 장치 또는 그 장치에 설치된 카메라의 자세 또는 비주얼 마커의 절대 위치를 정확히 파악할 수 없어 그 자세 또는 위치에 기초하여 실행되는 동작의 결과도 부정확해질 수 있는 문제가 있다.

본 개시는 상기와 같은 문제점을 해결하기 위한 인공 표식의 위치 추정 방법, 기록매체에 저장된 컴퓨터 프로그램 및 장치(시스템)를 제공한다.

본 개시는 방법, 장치(시스템) 또는 판독 가능 저장 매체에 저장된 컴퓨터 프로그램을 포함한 다양한 방식으로 구현될 수 있다.

본 개시의 일 실시예에 따르면, 적어도 하나의 프로세서에 의해 실행되는 인공 표식의 위치 추정 방법은, 이미지 센서에 의해, 제1 위치에서 제1 인공 표식을 촬영하여 제1 인공 표식이 포함된 제1 이미지를 생성하는 단계, 생성된 제1 이미지를 기초로 제1 인공 표식에 포함된 제1 식별 정보를 추출하고, 제1 식별 정보를 이용하여 이미지 센서 및 제1 인공 표식 사이의 제1 상대 위치 정보를 결정하는 단계, 제1 위치에서의 이미지 센서의 절대 위치 정보를 결정하는 단계 및 제1 상대 위치 정보 및 제1 위치에서의 이미지 센서의 절대 위치 정보를 이용하여 제1 인공 표식의 절대 위치 정보를 결정하는 단계를 포함한다.

본 개시의 일 실시예에 따른 상술된 인공 표식의 위치 추정 방법을 컴퓨터에서 실행하기 위해 컴퓨터 판독 가능한 기록 매체에 저장된 컴퓨터 프로그램이 제공된다.

본 개시의 일 실시예에 따른 컴퓨팅 장치는, 통신 모듈, 메모리 및 메모리와 연결되고, 메모리에 포함된 컴퓨터 판독 가능한 적어도 하나의 프로그램을 실행하도록 구성된 적어도 하나의 프로세서를 포함한다. 적어도 하나의 프로그램은, 이미지 센서에 의해, 제1 위치에서 제1 인공 표식을 촬영하여 제1 인공 표식이 포함된 제1 이미지를 생성하고, 생성된 제1 이미지를 기초로 촬영된 제1 인공 표식에 포함된 제1 식별 정보를 추출하고, 제1 식별 정보를 이용하여 이미지 센서 및 제1 인공 표식 사이의 제1 상대 위치 정보를 결정하고, 제1 위치에서의 이미지 센서의 절대 위치 정보를 결정하고, 제1 상대 위치 정보 및 제1 위치에서의 이미지 센서의 절대 위치 정보를 이용하여 제1 인공 표식의 절대 위치 정보를 결정하기 위한 명령어들을 포함한다.

본 개시의 다양한 실시예에서 컴퓨팅 장치는 다양한 방법으로 인공 표식의 위치 추정의 최적화를 수행함으로써, 추정되거나 결정된 절대 위치 정보, 상대 위치 정보 등에 내포된 오차를 제거하고, 인공 표식의 절대 위치 정보를 보다 정밀하게 추정할 수 있다.

본 개시의 다양한 실시예에서 컴퓨팅 장치는 다양한 시점에서 촬영된 인공 표식의 복수의 이미지를 이용함으로써, 인공 표식의 위치 추정에 있어서 해당 인공 표식에 포함된 코너 포인트들의 투영 오차가 최소화되도록 설정할 수 있다.

본 개시의 다양한 실시예에서 컴퓨팅 장치는 특정 인공 표식의 코너 포인트들 뿐만 아니라 다른 인공 표식의 코너 포인트들을 더 이용함으로써, 특정 인공 표식의 절대 위치 정보를 더 정밀하게 추정할 수 있다.

본 개시의 다양한 실시예에서 인공 표식의 위치 추정 과정에서 산출되는 이미지 센서의 절대 위치 정보, 이미지 센서 및 인공 표식 사이의 상대 위치 정보에 내포된 오차를 최소화하고, 이미지 센서 또는 인공 표식의 방향이 잘못 추정되는 문제 등을 해결할 수 있다.

본 개시의 다양한 실시예에서 컴퓨팅 장치는 여러 위치 또는 시점에서 촬영한 인공 표식의 복수의 이미지에 대해 그래프 최적화 기법을 사용함으로써, 인공 표식의 위치 추정의 오차가 최소화되도록 인공 표식에 포함된 코너 포인트들의 정밀한 위치 등을 추정하거나 결정할 수 있다.

본 개시의 효과는 이상에서 언급한 효과로 제한되지 않으며, 언급되지 않은 다른 효과들은 청구범위의 기재로부터 본 개시가 속하는 기술분야에서 통상의 지식을 가진 자("통상의 기술자"라 함)에게 명확하게 이해될 수 있을 것이다.

본 개시의 실시예들은, 이하 설명하는 첨부 도면들을 참조하여 설명될 것이며, 여기서 유사한 참조 번호는 유사한 요소들을 나타내지만, 이에 한정되지는 않는다.
도 1은 본 개시의 일 실시예에 따른 컴퓨팅 장치가 인공 표식의 절대 위치를 결정하는 방법의 예시를 나타내는 도면이다.
도 2는 본 개시의 일 실시예에 따른 컴퓨팅 장치의 내부 구성을 나타내는 블록도이다.
도 3은 본 개시의 일 실시예에 따른 프로세서의 내부 구성을 나타내는 기능적인 블록도이다.
도 4는 본 개시의 일 실시예에 따른 프로세서가 인공 표식에 포함된 복수의 코너 포인트를 추출하는 방법의 예시를 나타내는 도면이다.
도 5는 본 개시의 일 실시예에 따른 인공 표식의 절대 위치를 추정하는 방법의 예시를 나타내는 블록도이다.
도 6은 본 개시의 일 실시예에 따른 제2 인공 표식을 이용하여 인공 표식의 절대 위치를 추정하는 방법의 예시를 나타내는 블록도이다.
도 7은 본 개시의 일 실시예에 따른 DCS를 이용하여 제1 인공 표식의 절대 위치를 추정하는 방법의 예시를 나타내는 블록도이다.
도 8은 본 개시의 일 실시예에 따른 최적화가 수행된 인공 표식의 절대 위치 정보의 예시를 나타내는 도면이다.
도 9는 본 개시의 일 실시예에 따른 인공 표식에 대한 최적화 수행 결과의 예시를 나타내는 도면이다.
도 10은 본 개시의 일 실시예에 따라 인공 표식이 활용되는 예시를 나타내는 도면이다.
도 11은 본 개시의 일 실시예에 따른 인공 표식의 위치 추정 방법의 예시를 나타내는 흐름도이다.

이하, 본 개시의 실시를 위한 구체적인 내용을 첨부된 도면을 참조하여 상세히 설명한다. 다만, 이하의 설명에서는 본 개시의 요지를 불필요하게 흐릴 우려가 있는 경우, 널리 알려진 기능이나 구성에 관한 구체적 설명은 생략하기로 한다.

첨부된 도면에서, 동일하거나 대응하는 구성요소에는 동일한 참조부호가 부여되어 있다. 또한, 이하의 실시예들의 설명에 있어서, 동일하거나 대응되는 구성요소를 중복하여 기술하는 것이 생략될 수 있다. 그러나, 구성요소에 관한 기술이 생략되어도, 그러한 구성요소가 어떤 실시예에 포함되지 않는 것으로 의도되지는 않는다.

개시된 실시예의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 개시는 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 개시가 완전하도록 하고, 본 개시가 통상의 기술자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것일 뿐이다.

본 명세서에서 사용되는 용어에 대해 간략히 설명하고, 개시된 실시예에 대해 구체적으로 설명하기로 한다. 본 명세서에서 사용되는 용어는 본 개시에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 관련 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 발명의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서, 본 개시에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 개시의 전반에 걸친 내용을 토대로 정의되어야 한다.

본 명세서에서의 단수의 표현은 문맥상 명백하게 단수인 것으로 특정하지 않는 한, 복수의 표현을 포함한다. 또한, 복수의 표현은 문맥상 명백하게 복수인 것으로 특정하지 않는 한, 단수의 표현을 포함한다. 명세서 전체에서 어떤 부분이 어떤 구성요소를 포함한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있음을 의미한다.

또한, 명세서에서 사용되는 '모듈' 또는 '부'라는 용어는 소프트웨어 또는 하드웨어 구성요소를 의미하며, '모듈' 또는 '부'는 어떤 역할들을 수행한다. 그렇지만, '모듈' 또는 '부'는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. '모듈' 또는 '부'는 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서, '모듈' 또는 '부'는 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로 코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 또는 변수들 중 적어도 하나를 포함할 수 있다. 구성요소들과 '모듈' 또는 '부'들은 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 '모듈' 또는 '부'들로 결합되거나 추가적인 구성요소들과 '모듈' 또는 '부'들로 더 분리될 수 있다.

본 개시의 일 실시예에 따르면, '모듈' 또는 '부'는 프로세서 및 메모리로 구현될 수 있다. '프로세서'는 범용 프로세서, 중앙 처리 장치(CPU), 마이크로프로세서, 디지털 신호 프로세서(DSP), 제어기, 마이크로제어기, 상태 머신 등을 포함하도록 넓게 해석되어야 한다. 몇몇 환경에서, '프로세서'는 주문형 반도체(ASIC), 프로그램가능 로직 디바이스(PLD), 필드 프로그램가능 게이트 어레이(FPGA) 등을 지칭할 수도 있다. '프로세서'는, 예를 들어, DSP와 마이크로프로세서의 조합, 복수의 마이크로프로세서들의 조합, DSP 코어와 결합한 하나 이상의 마이크로프로세서들의 조합, 또는 임의의 다른 그러한 구성들의 조합과 같은 처리 디바이스들의 조합을 지칭할 수도 있다. 또한, '메모리'는 전자 정보를 저장 가능한 임의의 전자 컴포넌트를 포함하도록 넓게 해석되어야 한다. '메모리'는 임의 액세스 메모리(RAM), 판독-전용 메모리(ROM), 비-휘발성 임의 액세스 메모리(NVRAM), 프로그램가능 판독-전용 메모리(PROM), 소거-프로그램가능 판독 전용 메모리(EPROM), 전기적으로 소거가능 PROM(EEPROM), 플래쉬 메모리, 자기 또는 광학 데이터 저장장치, 레지스터들 등과 같은 프로세서-판독가능 매체의 다양한 유형들을 지칭할 수도 있다. 프로세서가 메모리로부터 정보를 판독하고/하거나 메모리에 정보를 기록할 수 있다면 메모리는 프로세서와 전자 통신 상태에 있다고 불린다. 프로세서에 집적된 메모리는 프로세서와 전자 통신 상태에 있다.

본 개시에서, '인공 표식'은 증강현실(AR: augmented reality), 로보틱스, 자율주행차 등과 같이 3차원 공간에서 특정 기능 또는 행위의 대상이 되는 객체의 위치 또는 자세를 파악하기 위해 사용되는 표시자를 지칭할 수 있다. 예를 들어, 인공 표식은 특정 패턴을 포함하는 기준 마커(fiducial marker), 비주얼 마커(visual marker), 사이니지(signage) 등을 포함할 수 있다.

본 개시에서, 인공 표식 또는 이미지 센서의 '위치'(position) 또는 '자세'(pose)는, 인공 표식 또는 이미지 센서의 자세 및 위치(예를 들어, 3차원 공간 상의 좌표)를 지칭하거나, 인공 표식 또는 이미지 센서의 방향(orientation)을 나타내는 회전(yaw) 및 기울기(pitch, roll)를 지칭할 수 있다. 예를 들어, 인공 표식 또는 이미지 센서의 위치 또는 자세는, 3차원 공간 상의 좌표(x, y, z), 앞뒤 기울기(pitch), 좌우 기울기(roll) 및 좌우 회전(yaw)을 포함하는 6 자유도(degrees of freedom)로 표현되거나, 6 자유도의 적어도 일부로 표현될 수 있다. 또한, 이미지 센서의 위치 또는 자세를 결정하기 위해 사용되는 이미지 센서의 내부 파라미터(intrinsic parameters)는 미리 결정되거나, 카메라 캘리브레이션(calibration) 등에 의해 추출될 수 있다. 또한, 본 개시에서 '이미지 센서'는 단수로 표현된 경우에도 복수인 경우도 함께 나타낼 수 있다. 즉, '이미지 센서'는 하나의 이미지 센서 또는 복수의 이미지 센서를 지칭할 수 있다.

도 1은 본 개시의 일 실시예에 따른 컴퓨팅 장치(110)가 인공 표식의 절대 위치를 결정하는 방법의 예시를 나타내는 도면이다. 일 실시예에 따르면, 컴퓨팅 장치(110)는 이미지 센서(120)를 이용하여 촬영된 이미지에 기초하여 해당 이미지 내에 포함된 하나 이상의 인공 표식(130)의 절대 위치를 결정할 수 있다. 또한, 컴퓨팅 장치(110)는 결정된 인공 표식(130)의 절대 위치를 이용하여 자신의 현재 위치를 추정할 수 있다. 여기서, 컴퓨팅 장치(110)는, 이미지 센서(120) 및/또는 라이다(LiDAR) 센서, 초음파 센서, 레이저 센서, 모션 센서 등과 같은 다양한 센서를 포함하는 임의의 기계 장치를 지칭할 수 있다. 예를 들어, 컴퓨팅 장치(110)는, 이미지 센서(카메라)(120)에 의해 촬영된 영상을 기초로 자율 주행이 가능한 주행 로봇(navigating robot) 또는 차량, 증강현실 기능을 제공하는 휴대용 컴퓨터 또는 웨어러블 컴퓨터 등과 같이, 촬영 영상을 기초로 인공 표식(130) 또는 이미지 센서(120)의 위치 또는 자세를 결정하고, 인공 표식(130) 또는 이미지 센서(120)의 위치 또는 자세에 따라 자율 주행 또는 특정 동작을 실행하도록 구성된 장치를 포함할 수 있으나, 이에 한정되는 것은 아니다.

일 실시예에 따르면, 컴퓨팅 장치(110)는 임의의 영역 내 또는 경로 상에서 이동하며, 컴퓨팅 장치(110)에 설치되거나 연결된 이미지 센서(120)를 이용하여 주변 환경 또는 물체의 영상을 촬영할 수 있다. 예를 들어, 컴퓨팅 장치(110)는, 특정 물체의 일면에 부착되거나 프린트된 비주얼 마커(visual marker) 등의 인공 표식(130)을 포함하는 이미지, 영상 등을 촬영할 수 있다. 또한, 컴퓨팅 장치(110)는 영상에 포함된 인공 표식(130)에 대한 정보를 사전 저장하거나 외부로부터 수신할 수 있다. 여기서, 인공 표식(130)은 컴퓨팅 장치(110)에 특정 위치 또는 특정 영역에 위치한 대상 또는 목적물을 안내하거나 지시하기 위한 사전 결정된 패턴 및/또는 식별 정보를 포함할 수 있다. 예를 들어, 인공 표식(130)은, ARToolKit, ARTag, AprilTag, ArUco 등과 같이 증강현실, 로보틱스 및 카메라 캘리브레이션을 위한 라이브러리 및/또는 어플리케이션 등을 기초로 생성된 시각적 기준 마커 등을 포함할 수 있다.

컴퓨팅 장치(110)는, 임의의 영역 내 또는 경로 상에서 이동하며 복수의 위치에서 하나 이상의 인공 표식(130)을 촬영하여 해당 인공 표식(130)이 포함된 복수의 이미지를 생성할 수 있다. 예를 들어, 컴퓨팅 장치(110)는, 사전 결정된 거리(예: 3cm, 5cm, 10cm 등)를 이동할 때마다 인공 표식(130)을 촬영하여 복수의 이미지를 생성할 수 있다. 다른 예에서, 컴퓨팅 장치(110)는, 사전 결정된 시간(예: 1초, 2초, 3초 등)이 경과할 때마다 인공 표식(130)을 촬영하여 복수의 이미지를 생성할 수도 있다. 일 실시예에 따르면, 컴퓨팅 장치(110)는 인공 표식(130)에 포함된 하나의 이미지만을 이용하지 않고, 동일한 인공 표식(130)이 포함된 복수의 이미지를 이용할 수 있다.

컴퓨팅 장치(110)는, 제1 동작(112)에서, 생성된 복수의 이미지를 기초로 인공 표식(130)에 포함된 식별 정보를 추출할 수 있다. 예를 들어, 컴퓨팅 장치(110)는, 인공 표식(130)의 패턴, 모양, 형태 등을 기초로 인공 표식(130)에 포함된 식별 정보를 추출할 수 있다. 여기서, 식별 정보는 임의의 영역에 부착되거나 프린트된 복수의 인공 표식 중 촬영된 인공 표식(130) 및/또는 인공 표식(130)의 위치를 구분하거나 식별하기 위한 정보로서, 인공 표식(130)의 ID, 하나 이상의 사각 패턴의 코너 포인트(corner point) 등에 대한 정보를 포함할 수 있다. 이 경우, 컴퓨팅 장치(110)는 여러 위치 또는 시점에서 촬영한 인공 표식(130)의 복수의 이미지에 대해 그래프 최적화 기법을 사용함으로써, 인공 표식(130)의 식별 정보 추출에 있어서 오차가 최소화되도록 코너 포인트들의 정밀한 위치 등을 추정하거나 결정할 수 있다.

컴퓨팅 장치(110)는, 제2 동작(114)에서, 복수의 위치에서의 이미지 센서(120)의 절대 위치 정보를 결정할 수 있다. 여기서, 이미지 센서(120)의 절대 위치 정보는 월드 좌표계(world coordinate system)에 대응하는 이미지 센서(120)의 위치 정보를 지칭할 수 있다. 예를 들어, 컴퓨팅 장치(110)는 다양한 위치 추정 알고리즘을 이용하여 복수의 위치에서의 이미지 센서(120)의 절대 위치 정보를 결정할 수 있다.

일 실시예에 따르면, 컴퓨팅 장치(110)는 시각적 측위(visual localization) 기법을 이용하여 이미지 센서(120)의 절대 위치 정보를 결정할 수 있다. 예를 들어, 컴퓨팅 장치(110)는 촬영된 하나 이상의 이미지로부터 복수의 특징점을 추출하고, 추출된 복수의 특징점을 기초로, 촬영된 이미지와 미리 저장된 지도(map) 이미지를 비교하여 이미지 센서(120)의 절대 위치 정보를 결정할 수 있다. 추가적으로 또는 대안적으로, 컴퓨팅 장치(110)는 라이다(LiDAR) 센서를 이용하여 복수의 위치에서의 이미지 센서(120)의 주변 영역 또는 그 영역 내의 다양한 객체들의 3차원 좌표값을 추출하고, 추출된 3차원 좌표값을 기초로, 촬영된 이미지와 미리 저장된 3차원 지도 이미지를 비교하여 이미지 센서(120)의 절대 위치 정보를 결정할 수도 있다. 이 경우, 컴퓨팅 장치(110)는 여러 위치 또는 시점에서 촬영한 복수의 이미지에 대해 그래프 최적화 기법을 사용함으로써, 오차가 최소화되도록 이미지 센서(120)의 절대 위치 정보를 추정하거나 결정할 수 있다.

컴퓨팅 장치(110)는, 제3 동작(116)에서, 인공 표식(130)의 식별 정보 및 복수의 위치에서의 이미지 센서(120)의 절대 위치 정보를 이용하여 인공 표식(130)의 절대 위치 정보를 결정할 수 있다. 예를 들어, 컴퓨팅 장치(110)는, 인공 표식(130)의 절대 위치를 추정하도록 미리 정해진 알고리즘, 기계학습 모델 등을 이용하여 이미지 센서(120)의 절대 위치 정보와 인공 표식(130)의 식별 정보에 기초하여 인공 표식(130)의 절대 위치 정보를 결정할 수 있다. 이와 같이 추정된 인공 표식(130)의 절대 위치를 이용하여, 컴퓨팅 장치(110)는 특정 경로 상의 주행, 물건의 배송, 충전기 도킹 등과 같이 정밀한 위치 정확성을 요구하는 작업을 수행할 수 있다.

일 실시예에 따르면, 인공 표식(130)은 다른 하나 이상의 인공 표식과 연관되어 임의의 영역 또는 객체의 표면에 부착되거나 프린트될 수 있다. 이 경우, 컴퓨팅 장치(110)는 인공 표식(130)과 연관된 다른 인공 표식에 대한 정보를 추가적으로 이용하여, 인공 표식(130)의 절대 위치 정보를 결정할 수 있다. 상술된 것과 유사하게, 컴퓨팅 장치(110)는 복수의 위치에서 다른 인공 표식을 촬영하여 다른 인공 표식이 포함된 복수의 이미지를 추가로 생성할 수 있다. 또한, 컴퓨팅 장치(110)는 생성된 복수의 이미지를 기초로 촬영된 다른 인공 표식에 포함된 식별 정보를 추출하고, 다른 인공 표식을 촬영한 복수의 위치에서의 이미지 센서(120)의 절대 위치 정보를 결정할 수 있다. 그리고 나서, 컴퓨팅 장치(110)는 추출된 다른 인공 표식의 식별 정보, 다른 인공 표식을 촬영한 위치에서의 이미지 센서(120)의 절대 위치 정보 등을 추가적으로 이용하여 인공 표식(130)의 절대 위치 정보를 결정할 수 있다. 즉, 컴퓨팅 장치(110)는 하나의 인공 표식(130)의 절대 위치를 추정하기 위해, 인공 표식(130)과 인접하여 설치되거나 표시된 하나 이상의 다른 인공 표식에 대한 정보를 추가적으로 이용함으로써, 인공 표식(130)의 위치 추정 정밀도를 크게 향상시킬 수 있다.

추가적으로, 컴퓨팅 장치(110)는, 제4 동작(118)에서, 인공 표식(130)과 다른 인공 표식 사이의 상대 위치 정보를 결정하고, 결정된 상대 위치 정보를 추가적으로 이용하여, 인공 표식(130)의 절대 위치 정보를 추정하거나 결정할 수 있다. 예를 들어, 컴퓨팅 장치(110)는 복수의 인공 표식 사이의 상대 위치 정보를 추정하도록 미리 결정된 알고리즘을 이용하여 인공 표식(130)과 다른 인공 표식 사이의 상대 위치 정보를 추정하거나 결정할 수 있다. 추가적으로 또는 대안적으로, 인공 표식(130)과 다른 인공 표식 사이의 상대 위치 정보는 사전에 미리 결정되어 저장되거나 실시간으로 결정되어 저장될 수도 있다. 즉, 컴퓨팅 장치(110)는 인공 표식 사이의 상대 위치 정보를 추가적으로 이용함으로써, 인공 표식(130)의 위치 추정 정밀도를 크게 향상시킬 수 있다.

일 실시예에 따르면, 컴퓨팅 장치(110)는 이미지 센서(120) 및 인공 표식(130) 사이의 상대 위치 정보를 결정하고, 이미지 센서(120) 및 인공 표식(130) 사이의 상대 위치 정보를 이용하여 결정된 인공 표식(130)의 절대 위치 정보를 최적화할 수 있다. 여기서, 이미지 센서(120) 및 인공 표식(130) 사이의 상대 위치 정보는 해당 인공 표식(130)과 이미지 센서(120) 사이의 상대적인 거리, 인공 표식(130)에 대한 이미지 센서(120)의 상대적인 자세(예: 6 자유도 자세) 등을 포함할 수 있다. 이 경우, 컴퓨팅 장치(110)는 PnP(Perspective n-Point) 알고리즘을 이용하여, 이미지 센서(120) 및 인공 표식(130) 사이의 상대 위치 정보를 결정할 수 있다. 예를 들어, PnP 알고리즘은 아래와 같은 수학식 1로 표현될 수 있다.

여기서, 는 스케일 상수이고, 는 인공 표식(130)의 코너 포인트의 영상 내의 좌표이며, 는 인공 표식(130)의 코너 포인트의 가상 평면 상의 좌표일 수 있다. 또한, 는 이미지 센서(120)의 고유 행렬 또는 내부 파라미터를 나타내는 행렬로 카메라 캘리브레이션에 의해 사전 결정될 수 있으며, 은 코너 포인트의 가상 평면 상의 좌표 및 영상 내의 좌표 사이의 변환 관계를 나타내는 회전 및 이동 변환 행렬일 수 있다. 즉, PnP 알고리즘에 의해 결정되는 이미지 센서(120) 및 인공 표식(130) 사이의 상대 위치 정보는 인공 표식(130)의 코너 포인트의 가상 평면 상의 좌표 및 영상 내의 좌표 사이의 변환 관계를 나타내는 회전 및 이동 변환 행렬 등을 포함할 수 있다. 다시 말해, 컴퓨팅 장치(110)는 이와 같이 결정된 이미지 센서(120)와 인공 표식(130) 사이의 회전 및 이동 변환 행렬 등을 이용하여 결정된 인공 표식(130)의 절대 위치 정보에 대한 오차를 감소시키는 것과 같은 최적화를 수행할 수 있다.

일 실시예에 따르면, 컴퓨팅 장치(110)는 DCS(Dynamic Covariance Scaling)를 이용하여, 이미지 센서(120) 및 인공 표식(130) 사이의 상대 위치 정보를 보정할 수 있다. 즉, 컴퓨팅 장치(110)는 DCS를 적용하여, 추정된 이미지 센서(120) 및 인공 표식(130) 사이의 상대 위치에 오차가 최소화되도록 설정할 수 있다. 이와 같은 구성에 의해, 컴퓨팅 장치(110)는 다양한 방법으로 인공 표식(130)의 위치 추정의 최적화를 수행함으로써, 추정되거나 결정된 이미지 센서(120) 또는 인공 표식(130)의 절대 위치 정보, 상대 위치 정보 등에 내포된 오차를 제거하고, 인공 표식(130)의 절대 위치 정보를 보다 정밀하게 추정할 수 있다.

도 2는 본 개시의 일 실시예에 따른 컴퓨팅 장치(110)의 내부 구성을 나타내는 블록도이다. 컴퓨팅 장치(110)는 메모리(210), 프로세서(220), 통신 모듈(230) 및 입출력 인터페이스(240)를 포함할 수 있다. 도 2에 도시된 바와 같이, 컴퓨팅 장치(110)는 통신 모듈(230)을 이용하여 네트워크를 통해 정보 및/또는 데이터를 통신할 수 있도록 구성될 수 있다.

메모리(210)는 비-일시적인 임의의 컴퓨터 판독 가능한 기록매체를 포함할 수 있다. 일 실시예에 따르면, 메모리(210)는 RAM(random access memory), ROM(read only memory), 디스크 드라이브, SSD(solid state drive), 플래시 메모리(flash memory) 등과 같은 비소멸성 대용량 저장 장치(permanent mass storage device)를 포함할 수 있다. 다른 예로서, ROM, SSD, 플래시 메모리, 디스크 드라이브 등과 같은 비소멸성 대용량 저장 장치는 메모리와는 구분되는 별도의 영구 저장 장치로서 컴퓨팅 장치(110)에 포함될 수 있다. 또한, 메모리(210)에는 운영체제와 적어도 하나의 프로그램 코드(예를 들어, 컴퓨팅 장치(110)에 설치되어 구동되는 식별 정보 추출, 이미지 센서의 절대 위치 정보 결정, 인공 표식의 절대 위치 정보 결정 등을 위한 코드)가 저장될 수 있다.

이러한 소프트웨어 구성요소들은 메모리(210)와는 별도의 컴퓨터에서 판독 가능한 기록매체로부터 로딩될 수 있다. 이러한 별도의 컴퓨터에서 판독 가능한 기록매체는 이러한 컴퓨팅 장치(110)에 직접 연결가능한 기록 매체를 포함할 수 있는데, 예를 들어, 플로피 드라이브, 디스크, 테이프, DVD/CD-ROM 드라이브, 메모리 카드 등의 컴퓨터에서 판독 가능한 기록매체를 포함할 수 있다. 다른 예로서, 소프트웨어 구성요소들은 컴퓨터에서 판독 가능한 기록매체가 아닌 통신 모듈(230)을 통해 메모리(210)에 로딩될 수도 있다. 예를 들어, 적어도 하나의 프로그램은 개발자들 또는 어플리케이션의 설치 파일을 배포하는 파일 배포 시스템이 통신 모듈(230)을 통해 제공하는 파일들에 의해 설치되는 컴퓨터 프로그램(예를 들어, 식별 정보 추출, 이미지 센서의 절대 위치 정보 결정, 인공 표식의 절대 위치 정보 결정, 인공 표식들 사이의 상대 위치 결정, 이미지 센서와 인공 표식 사이의 상대 위치 결정 등을 위한 프로그램 등)에 기반하여 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 모듈(230)에 의해 사용자 단말(미도시) 또는 다른 외부 시스템으로 제공될 수 있다. 예를 들어, 프로세서(220)는 이미지 센서에 의해, 제1 위치에서 제1 인공 표식을 촬영하여 제1 인공 표식이 포함된 제1 이미지를 생성하고, 생성된 제1 이미지를 기초로 제1 인공 표식에 포함된 제1 식별 정보를 추출하고, 제1 식별 정보를 이용하여 이미지 센서 및 제1 인공 표식 사이의 제1 상대 위치 정보를 결정할 수 있다. 또한, 프로세서(220)는 제1 위치에서의 이미지 센서의 절대 위치 정보를 결정하고, 제1 상대 위치 정보 및 제1 위치에서의 이미지 센서의 절대 위치 정보를 이용하여 제1 인공 표식의 절대 위치 정보를 결정할 수 있다. 여기서, 제1 위치는 복수의 위치를 포함하고, 제1 이미지는 복수의 이미지를 포함할 수 있다.

통신 모듈(230)은 네트워크를 통해 사용자 단말(미도시)과 컴퓨팅 장치(110)가 서로 통신하기 위한 구성 또는 기능을 제공할 수 있으며, 컴퓨팅 장치(110)가 외부 시스템(일례로 별도의 클라우드 시스템 등)과 통신하기 위한 구성 또는 기능을 제공할 수 있다. 일례로, 컴퓨팅 장치(110)의 프로세서(220)의 제어에 따라 제공되는 제어 신호, 명령, 데이터 등이 통신 모듈(230)과 네트워크를 거쳐 사용자 단말 및/또는 외부 시스템의 통신 모듈을 통해 사용자 단말 및/또는 외부 시스템으로 전송될 수 있다. 예를 들어, 사용자 단말 및/또는 외부 시스템은 컴퓨팅 장치(110)로부터 수신된 인공 표식의 절대 위치 정보 등을 전달받을 수 있다.

또한, 컴퓨팅 장치(110)의 입출력 인터페이스(240)는 컴퓨팅 장치(110)와 연결되거나 컴퓨팅 장치(110)가 포함할 수 있는 입력 또는 출력을 위한 장치(미도시)와의 인터페이스를 위한 수단일 수 있다. 도 2에서는 입출력 인터페이스(240)가 프로세서(220)와 별도로 구성된 요소로서 도시되었으나, 이에 한정되지 않으며, 입출력 인터페이스(240)가 프로세서(220)에 포함되도록 구성될 수 있다. 컴퓨팅 장치(110)는 도 2의 구성요소들보다 더 많은 구성요소들을 포함할 수 있다. 그러나, 대부분의 종래기술적 구성요소들을 명확하게 도시할 필요성은 없다.

컴퓨팅 장치(110)의 프로세서(220)는 복수의 사용자 단말 및/또는 복수의 외부 시스템으로부터 수신된 정보 및/또는 데이터를 관리, 처리 및/또는 저장하도록 구성될 수 있다. 일 실시예에 따르면, 프로세서(220)는 사용자 단말 및/또는 외부 시스템으로부터 제1 인공 표식이 포함된 제1 이미지를 수신할 수도 있다. 이 경우, 프로세서는 수신된 영상을 기초로 제1 인공 표식에 포함된 제1 식별 정보를 추출하고, 제1 식별 정보를 이용하여 이미지 센서 및 제1 인공 표식 사이의 제1 상대 위치 정보를 결정하고, 제1 위치에서의 이미지 센서의 절대 위치 정보를 결정하고, 제1 상대 위치 정보 및 제1 위치에서의 이미지 센서의 절대 위치 정보를 이용하여 제1 인공 표식의 절대 위치 정보를 결정할 수 있다.

도 3은 본 개시의 일 실시예에 따른 프로세서(220)의 내부 구성을 나타내는 기능적인 블록도이다. 도시된 바와 같이, 프로세서(220)는 촬영부(310), 상대 위치 결정부(320), 절대 위치 결정부(330), 위치 최적화부(340) 등을 포함할 수 있다. 일 실시예에 따르면, 촬영부(310)는, 컴퓨팅 장치(도 1의 110)에 설치된 이미지 센서(카메라)를 제어하여 외부 영역의 영상을 지속적으로 또는 간헐적으로 촬영할 수 있다. 예를 들어, 촬영부(310)의 제어에 따라 이미지 센서에 의해 촬영된 영상은 외부 영역의 일부에 부착되거나 표시된 하나 이상의 인공 표식을 포함할 수 있다.

일 실시예에 따르면, 컴퓨팅 장치가 임의의 영역을 이동하는 동안, 촬영부(310)(예를 들어, 이미지 센서와 연관되거나, 이미지 센서에 포함된 촬영부)는 제1 위치에서 제1 인공 표식을 촬영하여 제1 인공 표식이 포함된 제1 이미지를 생성할 수 있다. 즉, 촬영부(310)는 제1 인공 표식을 복수의 위치의 다양한 시점에서 촬영하여 제1 인공 표식이 포함된 제1 이미지를 생성할 수 있다. 그리고 나서, 프로세서(220)는 제1 세트의 이미지를 기초로 제1 인공 표식에 포함된 제1 식별 정보(예: ID, 코너 포인트 등)를 추출할 수 있다. 이와 같이, 프로세서(220)는 다양한 시점에서 촬영된 인공 표식의 복수의 이미지를 이용함으로써, 예를 들어, 제1 인공 표식의 위치 추정에 있어서 제1 인공 표식에 포함된 코너 포인트들의 투영 오차가 최소화되도록 설정할 수 있다.

일 실시예에 따르면, 촬영부(310)는 제2 위치에서 제2 인공 표식을 촬영하여 제2 인공 표식이 포함된 제2 이미지를 생성할 수 있다. 그리고 나서, 프로세서(220)는 제2 이미지를 기초로 제2 인공 표식에 포함된 제2 식별 정보를 추출할 수 있다. 여기서, 제2 위치는 복수의 위치를 포함할 수 있으며, 제2 이미지는 복수의 이미지를 포함할 수 있다. 또한, 제2 위치는 제1 위치와 동일한 위치이거나, 상이한 위치일 수 있다. 이 경우, 제2 인공 표식은 제1 인공 표식과 인접하여 표시되거나, 제1 인공 표식의 미리 정해진 근방 이내에 표시된 인공 표식을 지칭할 수 있다. 즉, 프로세서(220)는 제1 인공 표식의 코너 포인트들 뿐만 아니라 제2 인공 표식의 코너 포인트들을 더 이용함으로써, 제1 인공 표식의 절대 위치 정보를 더 정밀하게 추정할 수 있다. 도 2에서는 제1 이미지(또는 제1 세트의 이미지)는 제1 인공 표식을 포함하고, 제2 이미지(또는 제2 세트의 이미지)는 제2 인공 표식을 포함하는 것으로 상술되었으나, 이에 한정되지 않으며, 제1 이미지 및/또는 제2 이미지는 제1 인공 표식, 제2 인공 표식을 포함하는 복수의 인공 표식을 포함할 수 있다.

일 실시예에 따르면, 상대 위치 결정부(320)는 제1 인공 표식 및 제2 인공 표식 사이의 상대 위치 정보를 결정할 수 있다. 예를 들어, 제1 인공 표식 및 제2 인공 표식 사이의 상대 위치 정보는 사전에 미리 결정되어 저장되거나 실시간으로 결정되어 저장될 수 있다. 여기서, 제1 인공 표식 및 제2 인공 표식 사이의 상대 위치 정보는 제1 인공 표식의 위치 및 제2 인공 표식의 위치 사이의 관계를 나타내는 임의의 정보로서, 예를 들어, 제1 인공 표식 및 제2 인공 표식 사이의 거리, 제1 인공 표식으로부터 제2 인공 표식이 위치한 방향 등에 대한 정보를 포함할 수 있다. 그리고 나서, 프로세서(220)는 이와 같이 결정된 제1 인공 표식 및 제2 인공 표식 사이의 상대 위치 정보를 제1 인공 표식의 절대 위치를 추정하거나 결정하기 위해 사용할 수 있다.

추가적으로 또는 대안적으로, 상대 위치 결정부(320)는 이미지 센서 및 제1 인공 표식 사이의 상대 위치 정보를 결정할 수 있다. 예를 들어, 상대 위치 결정부(320)는 PnP 알고리즘을 이용하여, 이미지 센서 및 제1 인공 표식 사이의 상대 위치 정보를 결정할 수 있다. 여기서, 이미지 센서 및 제1 인공 표식 사이의 상대 위치 정보는, 제1 인공 표식과 이미지 센서 사이의 상대적인 거리, 제1 인공 표식에 대한 이미지 센서의 상대적인 자세 등을 포함할 수 있다. 그리고 나서, 프로세서(220)는 이와 같이 결정된 이미지 센서 및 제1 인공 표식 사이의 상대 위치 정보를 제1 인공 표식의 절대 위치를 추정하거나 결정하기 위해 사용하거나, 추정된 제1 인공 표식의 절대 위치의 오차를 보정하기 위한 최적화 과정에 사용할 수 있다.

절대 위치 결정부(330)는 제1 세트의 위치에서의 이미지 센서의 절대 위치 정보를 결정할 수 있다. 일 실시예에 따르면, 절대 위치 결정부(330)는 이미지 센서의 절대 위치 정보를 결정하기 위한 미리 정해진 위치 추정 알고리즘, 기계학습 모델 등을 이용하여, 이미지 센서의 절대 위치 정보를 결정할 수 있으나, 이에 한정되지 않는다. 여기서, 이미지 센서의 절대 위치 정보는 월드 좌표계에 대응하는 이미지 센서의 실제 위치를 지칭할 수 있다. 예를 들어, 절대 위치 결정부(330)는 라이다(LiDAR) 센서를 이용하여 제1 세트의 위치에서의 이미지 센서와 연관된 영역의 3차원 좌표값을 추출하고, 라이다 센서에 의해 추출된 3차원 좌표값을 기초로 미리 정해진 위치 추정 알고리즘을 이용하여 제1 세트의 위치에서의 이미지 센서의 절대 위치 정보를 결정할 수 있다. 다른 예에서, 절대 위치 결정부(330)는 이미지 센서에 의해 촬영된 하나 이상의 이미지로부터 복수의 특징점을 추출하고, 추출된 복수의 특징점을 기초로 미리 정해진 위치 추정 알고리즘을 이용하여 제1 세트의 위치에서의 이미지 센서의 절대 위치 정보를 결정할 수 있다.

일 실시예에 따르면, 절대 위치 결정부(330)는 제1 인공 표식의 절대 위치 정보를 결정할 수 있다. 예를 들어, 절대 위치 결정부(330)는 인공 표식의 절대 위치 정보를 결정하기 위한 미리 정해진 알고리즘, 기계학습 모델 등을 이용하여, 제1 인공 표식의 절대 위치 정보를 결정할 수 있다. 여기서, 제1 인공 표식의 절대 위치 정보는 월드 좌표계에 대응하는 제1 인공 표식의 실제 위치를 지칭할 수 있다. 절대 위치 결정부(330)는 제1 식별 정보, 제1 세트의 위치에서의 이미지 센서의 절대 위치 정보, 제2 식별 정보, 제2 세트의 위치에서의 이미지 센서의 절대 위치 정보, 제1 인공 표식 및 제2 인공 표식 사이의 상대 위치 정보 등을 이용하여 제1 인공 표식의 절대 위치 정보를 추정하거나 결정할 수 있다.

위치 최적화부(340)는 이미지 센서 및 제1 인공 표식 사이의 상대 위치 정보를 이용하여 결정된 제1 인공 표식의 절대 위치 정보를 최적화할 수 있다. 또한, 위치 최적화부(340)는 DCS를 이용하여, 이미지 센서 및 제1 인공 표식 사이의 상대 위치 정보를 보정하고, DCS를 이용하여 보정된 이미지 센서 및 제1 인공 표식 사이의 상대 위치 정보를 이용하여 결정된 제1 인공 표식의 절대 위치 정보를 최적화할 수 있다. 이와 같이 최적화를 이용하여, 위치 최적화부(340)는 제1 인공 표식의 절대 위치 정보에 포함될 수 있는 오류를 최소화하여, 제1 인공 표식의 절대 위치 정보를 더 정밀하게 추정할 수 있다.

도 3에서는 제1 인공 표식, 제2 인공 표식 및 이미지 센서의 식별 정보, 상대 위치 정보, 절대 위치 정보 등을 이용하여 제1 인공 표식의 절대 위치 정보가 결정되는 것으로 상술되었으나, 이에 한정되지 않는다. 예를 들어, 3 개 이상의 인공 표식 사이의 상대 위치 정보, 식별 정보 등을 더 이용하여 제1 인공 표식의 절대 위치 정보가 결정될 수도 있다. 또한, 도 3에서는 프로세서(220)의 구성을 각각의 기능별로 구분하여 설명하였으나, 반드시 물리적으로 구분되는 것을 의미하지 않는다. 예를 들어, 상대 위치 결정부(320)와 절대 위치 결정부(330)는 구분되어 상술되었으나, 이는 발명의 이해를 돕기 위한 것일 뿐이며, 프로세서(220)에 설치된 하나의 연산 장치에서 둘 이상의 기능을 수행할 수도 있다. 이와 같은 구성에 의해, 인공 표식의 위치 추정 과정에서 산출되는 이미지 센서의 절대 위치 정보, 이미지 센서 및 제1 인공 표식 사이의 상대 위치 정보에 내포된 오차를 최소화하고, 이미지 센서 또는 인공 표식의 방향이 잘못 추정되는 문제 등을 해결할 수 있다.

도 4는 본 개시의 일 실시예에 따른 프로세서(220)가 인공 표식(410)에 포함된 복수의 코너 포인트(420)를 추출하는 방법의 예시를 나타내는 도면이다. 일 실시예에 따르면, 프로세서(220)는 이미지 센서에 의해, 복수의 위치에서 인공 표식(410)을 촬영하여 인공 표식(410)이 포함된 복수의 이미지를 생성할 수 있다. 그리고 나서, 프로세서(220)는 생성된 복수의 이미지를 기초로 인공 표식(410)에 포함된 식별 정보를 추출할 수 있다. 예를 들어, 프로세서(220)는 인공 표식(410)과 연관된 식별 정보로서 복수의 코너 포인트(420)를 추출할 수 있다.

일 실시예에 따르면, 복수의 코너 포인트(420)는 인공 표식(410)에 포함된 정사각형(즉, 인공 표식의 미리 정해진 포맷/규격에 의해 정해진 사각형)의 꼭짓점에 대응하는 4개의 가상 평면 상의 코너 포인트(420_1, 420_2, 420_3, 420_4)를 포함할 수 있다. 여기서, 복수의 코너 포인트(420)의 가상 평면 상의 좌표는 이미지 내의 인공 표식(410)을 가상 평면 상에 투영하여 결정된 임의의 좌표를 나타낼 수 있다.

프로세서(220)는 인공 표식(410)으로부터 복수의 코너 포인트를 추출할 수 있는 미리 정해진 알고리즘을 이용하여, 복수의 코너 포인트(420)를 추출할 수 있다. 추가적으로 또는 대안적으로, 프로세서(220)는 복수의 이미지에 포함된 인공 표식(410)과 동일하고, 컴퓨팅 장치에 미리 저장된 가상 평면 상의 인공 표식의 정보로부터 복수의 코너 포인트(420)를 추출할 수 있다. 여기서, 복수의 코너 포인트(420) 사이의 가상 평면 상의 거리는 인공 표식(410)의 포맷에 의해 미리 정해질 수 있다. 즉, 프로세서(220)는 복수의 코너 포인트(420)의 이미지 내의 위치를 식별하고, 식별된 이미지 내의 복수의 코너 포인트(420)의 위치와 미리 정해진 복수의 코너 포인트 사이의 거리를 이용하여 복수의 코너 포인트(420)의 이미지 내의 좌표를 결정할 수 있다.

이와 같이 결정된 복수의 코너 포인트(420)의 가상 평면 상의 좌표, 이미지 내의 좌표 등은 인공 표식(410)의 절대 위치를 추정하기 위해 사용될 수 있다. 예를 들어, 프로세서(220)는 인공 표식(410)을 식별하고, 컴퓨팅 장치 상에 미리 저장된 정보를 기초로 인공 표식(410)이 표시된 대략적인(coarse) 위치 정보를 추출할 수 있다. 그리고 나서, 프로세서(220)는 인공 표식(410)의 식별 정보, 이미지 센서의 절대 위치 정보 등을 이용하여 인공 표식(410)이 표시된 정밀한(fine) 위치 정보를 추출할 수 있다.

도 4에서는 인공 표식(410)이 비주얼 마커(visual marker)인 것으로 도시되었으나, 이에 한정되지 않으며, 인공 표식은 특정 글자 등을 포함하는 사이니지 등을 포함할 수 있다. 또한, 도 4에서는 인공 표식(410)의 식별 정보로서 코너 포인트가 추출되는 것으로 상술되었으나, 이에 한정되지 않으며, 인공 표식(410)의 ID 등이 식별 정보로서 추출될 수도 있다.

도 5는 본 개시의 일 실시예에 따른 인공 표식의 절대 위치(522)를 추정하는 방법의 예시를 나타내는 블록도이다. 도시된 바와 같이, 프로세서(도 2의 220)는 이미지 센서 좌표(510) 및 인공 표식 좌표(520) 사이의 관계 등을 기초로 인공 표식의 절대 위치(522)를 추정하거나 결정할 수 있다. 상술된 것과 같이, 프로세서는 인공 표식의 식별 정보, 이미지 센서의 절대 위치(512), 이미지 센서와 인공 표식 사이의 상대 위치(514) 등을 기초로 인공 표식의 절대 위치(522)를 추정하거나 결정할 수 있다.

일 실시예에 따르면, 프로세서는 이미지 센서의 절대 위치(512)를 추정하거나 결정할 수 있다. 여기서, 이미지 센서의 절대 위치(512)는 월드 좌표(530)에 대응하는 이미지 센서의 좌표(510)를 지칭할 수 있다. 즉, 이미지 센서의 절대 위치(512)는 월드 좌표계 상의 이미지 센서의 위치와 연관된 정보 등을 포함할 수 있다. 프로세서는 미리 정해진 위치 추정 알고리즘을 이용하여 인공 표식을 촬영한 복수의 위치에서의 이미지 센서의 절대 위치(512)를 결정할 수 있다. 예를 들어, 프로세서는 임의의 시각적 측위(visual localization) 기법, 라이다(LiDAR) 측위 기법 등을 이용하여 이미지 센서의 절대 위치(512)를 결정할 수 있다.

일 실시예에 따르면, 프로세서는 이미지 센서 및 인공 표식 사이의 상대 위치(514)를 추정하거나 결정할 수 있다. 여기서, 이미지 센서 및 인공 표식 사이의 상대 위치(514)는 이미지 센서의 좌표(510)에 대응하는 인공 표식의 좌표(520) 및/또는 인공 표식의 좌표(520)에 대응하는 이미지 센서의 좌표(510)를 지칭할 수 있다. 예를 들어, 프로세서는 PnP 알고리즘을 이용하여, 이미지 센서 및 인공 표식 사이의 상대 위치(514)를 결정할 수 있다.

일 실시예에 따르면, 프로세서는 결정된 이미지 센서의 절대 위치(512), 이미지 센서 및 인공 표식 사이의 상대 위치(514) 등을 이용하여 인공 표식의 절대 위치(522)를 결정하거나 최적화할 수 있다. 여기서, 인공 표식의 절대 위치(522)는 월드 좌표(530)에 대응하는 인공 표식의 좌표(520)를 지칭할 수 있다. 즉, 인공 표식의 절대 위치(522)는 월드 좌표계 상의 인공 표식의 위치와 연관된 정보 등을 포함할 수 있다.

도 6은 본 개시의 일 실시예에 따른 제2 인공 표식을 이용하여 인공 표식의 절대 위치(630)를 추정하는 방법의 예시를 나타내는 블록도이다. 도시된 바와 같이, 프로세서(도 2의 220)는 이미지 센서 좌표(510), 제1 인공 표식 좌표(520) 및 제2 인공 표식 좌표(610) 사이의 관계 등을 기초로 제1 인공 표식의 절대 위치(630)를 추정하거나 결정할 수 있다. 상술된 것과 같이, 프로세서는 제1 인공 표식의 식별 정보, 이미지 센서의 절대 위치(512), 이미지 센서와 제1 인공 표식 사이의 상대 위치(514), 제1 인공 표식과 제2 인공 표식 사이의 상대 위치(620) 등을 기초로 제1 인공 표식의 절대 위치(630)를 추정하거나 결정할 수 있다.

도 5에서 상술된 것과 같이, 월드 좌표(530)에 대응하는 이미지 센서의 좌표(510)를 기초로 이미지 센서의 절대 위치(512)가 결정될 수 있다. 마찬가지로, 이미지 센서의 좌표(510)에 대응하는 제1 인공 표식의 좌표(520) 및/또는 제1 인공 표식의 좌표(520)에 대응하는 이미지 센서의 좌표(510)를 기초로 이미지 센서와 제1 인공 표식 사이의 상대 위치(514)가 결정될 수 있다.

일 실시예에 따르면, 프로세서는 제1 인공 표식 및 제2 인공 표식 사이의 상대 위치(620)를 추정하거나 결정할 수 있다. 여기서, 제1 인공 표식 및 제2 인공 표식 사이의 상대 위치(620)는 제1 인공 표식의 좌표(520)에 대응하는 제2 인공 표식의 좌표(610) 및/또는 제2 인공 표식의 좌표(610)에 대응하는 제1 인공 표식의 좌표(520)를 지칭할 수 있다. 예를 들어, 프로세서는 인공 표식의 좌표 사이의 상대 위치를 추정하도록 미리 정해진 알고리즘, 기계학습 모델 등을 이용하여, 제1 인공 표식 및 제2 인공 표식 사이의 상대 위치(620)를 추정하거나 결정할 수 있다. 다른 예에서, 프로세서는 인공 표식들에 대한 정보를 포함하도록 미리 결정된 임의의 데이터베이스 등으로부터 제1 인공 표식의 좌표(520) 및 제2 인공 표식의 좌표(610)를 추출하고, 제1 인공 표식 및 제2 인공 표식 사이의 상대 위치(620)를 추정할 수도 있다.

일 실시예에 따르면, 프로세서는 결정된 이미지 센서의 절대 위치(512), 이미지 센서 및 인공 표식 사이의 상대 위치(514), 제1 인공 표식 및 제2 인공 표식 사이의 상대 위치(620) 등을 이용하여 제1 인공 표식의 절대 위치(630)를 결정하거나 최적화할 수 있다. 상술된 것과 마찬가지로, 제1 인공 표식의 절대 위치(630)는 월드 좌표(530)에 대응하는 제1 인공 표식의 좌표(520)를 지칭할 수 있다. 즉, 제1 인공 표식의 절대 위치(630)는 월드 좌표계 상의 인공 표식의 위치와 연관된 정보 등을 포함할 수 있다.

도 7은 본 개시의 일 실시예에 따른 DCS를 이용하여 제1 인공 표식의 절대 위치(720)를 추정하는 방법의 예시를 나타내는 블록도이다. 도시된 바와 같이, 프로세서(도 2의 220)는 이미지 센서 좌표(510), 제1 인공 표식 좌표(520) 및 제2 인공 표식 좌표(610) 사이의 관계 등을 기초로 제1 인공 표식의 절대 위치(720)를 추정하거나 결정할 수 있다. 이 경우, 프로세서는 제1 인공 표식의 식별 정보, 이미지 센서의 절대 위치(512), DCS가 적용된 이미지 센서와 제1 인공 표식 사이의 상대 위치(710), 제1 인공 표식과 제2 인공 표식 사이의 상대 위치(620) 등을 기초로 제1 인공 표식의 절대 위치(720)를 결정하거나 최적화할 수 있다.

도 5 및 도 6에서 상술된 것과 같이, 월드 좌표(530)에 대응하는 이미지 센서의 좌표(510)를 기초로 이미지 센서의 절대 위치(512)가 결정될 수 있다. 마찬가지로, 이미지 센서의 좌표(510)에 대응하는 제1 인공 표식의 좌표(520) 및/또는 제1 인공 표식의 좌표(520)에 대응하는 이미지 센서의 좌표(510)를 기초로 이미지 센서와 제1 인공 표식 사이의 상대 위치가 결정될 수 있다. 또한, 제1 인공 표식의 좌표(520)에 대응하는 제2 인공 표식의 좌표(610) 및/또는 제2 인공 표식의 좌표(610)에 대응하는 제1 인공 표식의 좌표(520)를 기초로 제1 인공 표식 및 제2 인공 표식 사이의 상대 위치(620)가 결정될 수 있다.

일 실시예에 따르면, 프로세서는 추정된 이미지 센서와 제1 인공 표식 사이의 상대 위치(710) 상에 DCS를 적용할 수 있다. 예를 들어, DCS는 제1 인공 표식이 촬영된 복수의 위치 각각에서의 이미지 센서와 제1 인공 표식 사이의 상대 위치(710)와 연관된 값들 중 너무 크거나, 너무 작은 값의 범위를 임의의 범위 내의 값으로 변경시키기 위한 데이터 스케일링(data scaling) 기법을 지칭할 수 있다. 즉, 프로세서는 추정된 이미지 센서와 제1 인공 표식 사이의 상대 위치(710) 상에 DCS를 적용하여 이미지 센서와 제1 인공 표식 사이의 상대 위치(710)에 포함된 오류를 손쉽게 감소시킬 수 있다.

일 실시예에 따르면, 프로세서는 제1 인공 표식의 식별 정보, 이미지 센서의 절대 위치(512), DCS가 적용된 이미지 센서와 제1 인공 표식 사이의 상대 위치(710), 제1 인공 표식과 제2 인공 표식 사이의 상대 위치(620) 등을 이용하여 제1 인공 표식의 절대 위치(720)를 결정하거나 최적화할 수 있다. 상술된 것과 마찬가지로, 제1 인공 표식의 절대 위치(720)는 월드 좌표(530)에 대응하는 제1 인공 표식의 좌표(520)를 지칭할 수 있다. 즉, 제1 인공 표식의 절대 위치(720)는 월드 좌표계 상의 인공 표식의 위치와 연관된 정보 등을 포함할 수 있다.

도 8은 본 개시의 일 실시예에 따른 최적화가 수행된 인공 표식의 절대 위치 정보(820)의 예시를 나타내는 도면이다. 상술된 바와 같이, 프로세서(도 2의 220)는 인공 표식의 식별 정보 등을 이용하여 인공 표식의 절대 위치 정보(810)를 추정하거나 결정할 수 있다. 일 실시예에 따르면, 추정된 인공 표식의 절대 위치 정보(810)에 포함된 방향 등이 잘못 추정될 수 있다. 예를 들어, 도시된 것과 같이, 인공 표식의 절대 위치를 나타내는 x 축, y 축, z 축 사이의 거리, 각도 등이 실제 인공 표식의 절대 위치와 상이하게 표시될 수 있다.

일 실시예에 따르면, 프로세서는 최적화를 수행하여 잘못 추정된 인공 표식의 절대 위치 정보(810)를 보정할 수 있다. 프로세서는 이미지 센서 및 인공 표식 사이의 상대 위치 정보를 결정할 수 있다. 그리고 나서, 프로세서는 결정된 이미지 센서 및 인공 표식 사이의 상대 위치 정보를 이용하여 인공 표식의 절대 위치 정보(810)에 대한 1단계 최적화를 수행할 수 있다. 추가적으로 또는 대안적으로, 프로세서는 DCS를 이용하여, 이미지 센서 및 인공 표식 사이의 상대 위치 정보를 보정하고, 보정된 상대 위치 정보를 이용하여 인공 표식의 절대 위치 정보(810)에 대한 2단계 최적화를 수행할 수 있다. 이와 같은 2단계 최적화를 통해, 프로세서는 최적화가 수행된 인공 표식의 절대 위치 정보(820)를 결정할 수 있다. 도시된 것과 같이, 최적화가 수행된 인공 표식의 절대 위치를 나타내는 x 축, y 축, z 축 사이의 거리, 각도 등이 실제 인공 표식의 절대 위치와 동일하거나 근접하도록 보정될 수 있다.

도 9는 본 개시의 일 실시예에 따른 인공 표식에 대한 최적화 수행 결과의 예시를 나타내는 도면이다. 일 실시예에 따르면, 제1 이미지(910)는 최적화가 수행되지 않은 경우의 복수의 인공 표식의 절대 위치를 나타낼 수 있다. 또한, 제2 이미지(920)는 1단계 최적화가 수행된 후의 복수의 인공 표식의 절대 위치를 나타낼 수 있다. 마찬가지로, 제3 이미지(930)는 2단계 최적화가 수행된 후의 복수의 인공 표식의 절대 위치를 나타낼 수 있다. 이 경우, 제1 이미지(910), 제2 이미지(920) 및 제3 이미지(930)는, 임의의 영역에 천장에 부착된 복수의 인공 표식을 컴퓨팅 장치가 복수의 위치에서 촬영한 경우, 해당 컴퓨팅 장치의 변화되는 위치, 추정된 각 인공 표식의 절대 위치 등을 포함할 수 있다.

도시된 것과 같이, 제1 이미지(910)는 5개의 인공 표식의 절대 위치를 포함하는 제1 세트의 인공 표식의 절대 위치(910_1)와 7개의 인공 표식의 절대 위치를 포함하는 제2 세트의 인공 표식의 절대 위치(910_2)를 포함할 수 있다. 이 경우, 제1 이미지(910)에 포함된 인공 표식의 절대 위치 중 적어도 일부는 오류를 포함할 수 있다. 예를 들어, 제2 세트의 인공 표식의 절대 위치(910_2)에 포함된 인공 표식 중 2 번째 인공 표식의 절대 위치는 다른 인공 표식들과 확연히 구분되도록 잘못 추정될 수 있다.

일 실시예에 따르면, 프로세서는 추정된 복수의 인공 표식의 절대 위치에 대한 1단계 최적화를 수행하여 잘못 추정된 인공 표식의 절대 위치를 보정할 수 있다. 예를 들어, 1단계 최적화는 이미지 센서와 인공 표식 사이의 상대 위치 정보를 이용하여 수행될 수 있다. 즉, 프로세서는 기존의 인공 표식의 절대 위치를 추정하기 위해 사용된 식별 정보, 이미지 센서의 절대 위치 정보, 인공 표식 간의 상대 위치 정보 등과 함께 이미지 센서와 인공 표식 사이의 상대 위치 정보를 더 이용하여 절대 위치 추정의 정밀도를 향상시킬 수 있다. 이와 같이 1단계 최적화가 수행된 경우, 제2 이미지(920)와 같이 인공 표식의 절대 위치가 실제 절대 위치와 대응되도록 보정될 수 있다.

일 실시예에 따르면, 프로세서는 2단계 최적화를 수행하여 추정된 인공 표식의 절대 위치의 정밀도를 더욱 향상시킬 수 있다. 예를 들어, 프로세서는 DCS를 이용하여 인공 표식의 절대 위치에 대한 2단계 최적화를 수행할 수 있다. 이와 같이, 2단계 최적화가 수행된 경우, 제3 이미지(930)와 같이 인공 표식의 절대 위치가 실제 절대 위치와 더욱 정밀하게 대응되도록 보정될 수 있다. 도 9에서는 1단계 최적화가 수행된 후, 2단계 최적화가 수행되는 것으로 상술되었으나, 이에 한정되지 않으며, 2단계 최적화가 먼저 수행된 후 1단계 최적화가 수행될 수도 있다. 이와 같은 구성에 의해, 프로세서는 도킹 등과 같은 인공 표식의 정밀한 위치가 필요한 환경에서, 추정된 인공 표식의 절대 위치 정보를 최적화하여 보다 인공 표식의 절대 위치 추정의 정확도를 향상시킬 수 있다.

도 10은 본 개시의 일 실시예에 따라 인공 표식(1020)이 활용되는 예시를 나타내는 도면이다. 일 실시예에 따르면, 컴퓨팅 장치(1010)는 내장된 이미지 센서(카메라)에 의해 촬영된 인공 표식(1020)의 절대 위치 정보를 결정할 수 있는 장치일 수 있다. 예를 들어, 컴퓨팅 장치(1010)는, 이미지 센서에 의해 촬영된 이미지, 영상 등을 기초로 자율 주행이 가능한 로봇일 수 있다. 또한, 인공 표식(1020)은 컴퓨팅 장치(1010)에 충전을 위한 어댑터(1030)의 위치 및 방향을 안내하기 위한 기준 표시자일 수 있으며, 어댑터(1030)와 인접하여 표시될 수 있다.

도시된 바와 같이, 컴퓨팅 장치(1010)는, 충전을 위한 어댑터(1030)에 접근하여 컴퓨팅 장치(1010)에 연결된 충전용 플러그를 어댑터(1030)에 결합하기 위해, 인공 표식(1020)을 포함하는 영상을 촬영하고, 수신할 수 있다. 예를 들어, 컴퓨팅 장치(1010)는 특정 영역을 이동하거나 주행하며, 인공 표식(1020)을 복수 회에 걸쳐 촬영할 수 있다. 그리고 나서, 컴퓨팅 장치(1010)는 촬영되거나 생성된 복수의 이미지를 기초로 인공 표식(1020)에 포함된 식별 정보를 추출할 수 있다. 예를 들어, 식별 정보는 인공 표식(1020)의 ID, 코너 포인트 등을 포함할 수 있다.

또한, 컴퓨팅 장치(1010)는 인공 표식(1020)을 촬영한 복수의 위치에서의 이미지 센서의 절대 위치 정보를 결정할 수 있다. 예를 들어, 컴퓨팅 장치(1010)는 임의의 시각적 측위 방법, 라이다(LiDAR) 측위 방법 등을 이용하여 복수의 위치에서의 이미지 센서의 절대 위치 정보를 결정할 수 있다. 그리고 나서, 컴퓨팅 장치(1010)는 인공 표식(1020)의 식별 정보 및 이미지 센서의 절대 위치 정보를 이용하여 월드 좌표계에 대응하는 인공 표식(1020)의 절대 위치를 추정할 수 있다.

일 실시예에 따르면, 컴퓨팅 장치(1010)는 추정된 인공 표식(1020)의 절대 위치에 대한 최적화를 수행하여 더 정밀한 절대 위치를 추정할 수 있다. 예를 들어, 컴퓨팅 장치(1010)는 이미지 센서 및 인공 표식(1020) 사이의 상대 위치 정보를 결정하고, 결정된 상대 위치 정보를 이용하여 인공 표식(1020)의 절대 위치에 대한 보정 및/또는 최적화를 수행할 수 있다. 추가적으로, 컴퓨팅 장치(1010)는 DCS를 이용하여, 이미지 센서 및 인공 표식 사이의 상대 위치 정보를 보정하고, 보정된 상대 위치 정보를 이용하여 인공 표식(1020)의 절대 위치에 대한 추가적인 보정 및/또는 최적화를 수행할 수 있다.

일 실시예에 따르면, 컴퓨팅 장치(1010)는 결정되거나 최적화된 인공 표식(1020)의 절대 위치 정보를 기초로, 충전용 플러그를 어댑터(1030)에 결합하기 위한 이동 및 회전 동작을 결정할 수 있다. 예를 들어, 컴퓨팅 장치(1010)는 충전용 플러그를 어댑터(1030)에 결합하기 위해, 이미지 센서의 자세 정보 중 이동 변환 행렬에 따라 컴퓨팅 장치(1010)에 연결된 충전용 플러그를 어댑터(1030)를 향해 이동시키고, 카메라의 자세 정보 중 회전 변환 행렬에 따라 충전용 플러그의 기울기 또는 회전 각도를 조절하거나 위치를 수정할 수 있다. 그리고 나서, 컴퓨팅 장치(1010)는 결정된 동작을 기초로 충전용 플러그를 어댑터(1030)와 결합하고, 충전을 수행할 수 있다. 이와 같은 구성에 의해, 컴퓨팅 장치(1010)는 다양한 추가 정보 및 스케일링 기법 등을 이용하여 인공 표식(1020)의 절대 위치를 최적화함으로써, 발생 가능한 오류 등을 최소화하고, 결정된 인공 표식(1020)의 절대 위치를 기초로 목적하는 정확한 동작을 수행하도록 제어할 수 있다.

도 11은 본 개시의 일 실시예에 따른 인공 표식의 위치 추정 방법(1100)의 예시를 나타내는 흐름도이다. 일 실시예에 따르면, 인공 표식의 위치 추정 방법(1100)은 컴퓨팅 장치(예를 들어, 컴퓨팅 장치의 적어도 하나의 프로세서)에 의해 수행될 수 있다. 인공 표식의 위치 추정 방법(1100)은 프로세서가 이미지 센서에 의해, 제1 위치에서 제1 인공 표식을 촬영하여 제1 인공 표식이 포함된 제1 이미지를 생성함으로써 개시될 수 있다(S1110). 예를 들어, 프로세서는 하나의 시점이 아닌 복수의 시점에서 제1 인공 표식을 촬영하고, 복수의 시점에서 촬영된 복수의 이미지를 이용할 수 있다.

프로세서는 생성된 제1 이미지를 기초로 제1 인공 표식에 포함된 제1 식별 정보를 추출하고, 제1 식별 정보를 이용하여 이미지 센서 및 제1 인공 표식 사이의 제1 상대 위치 정보를 결정할 수 있다(S1120). 또한, 프로세서는 제1 위치에서의 이미지 센서의 절대 위치 정보를 결정할 수 있다(S1130). 이 경우, 프로세서는 이미지 센서와 연관된 공간 영역에 대한 정보를 기초로 위치 추정 알고리즘을 이용하여 제1 위치에서의 이미지 센서의 절대 위치 정보를 결정할 수 있다.

일 실시예에 따르면, 프로세서는 라이다(LiDAR) 센서를 이용하여 제1 세트의 위치에서의 이미지 센서와 연관된 영역의 3차원 좌표값을 추출하고, 라이다 센서에 의해 추출된 3차원 좌표값을 기초로 위치 추정 알고리즘을 이용하여 제1 위치에서의 이미지 센서의 절대 위치 정보를 결정할 수 있다. 추가적으로 또는 대안적으로, 프로세서는 이미지 센서를 이용하여 이미지 센서와 연관된 영역의 하나 이상의 이미지를 촬영하고, 촬영된 하나 이상의 이미지를 나타내는 복수의 특징점을 추출할 수 있다. 그리고 나서, 프로세서는 추출된 복수의 특징점을 기초로 위치 추정 알고리즘을 이용하여 제1 위치에서의 이미지 센서의 절대 위치 정보를 결정할 수 있다.

프로세서는 제1 상대 위치 정보 및 제1 위치에서의 이미지 센서의 절대 위치 정보를 이용하여 제1 인공 표식의 절대 위치 정보를 결정할 수 있다(S1140). 이 경우, 프로세서는 이미지 센서 및 제1 인공 표식 사이의 상대 위치 정보를 결정하고, 이미지 센서 및 제1 인공 표식 사이의 상대 위치 정보를 이용하여 결정된 제1 인공 표식의 절대 위치 정보를 최적화할 수 있다. 추가적으로 또는 대안적으로, 프로세서는 DCS(Dynamic Covariance Scaling)를 이용하여, 이미지 센서 및 제1 인공 표식 사이의 제1 상대 위치 정보를 보정하고, DCS를 이용하여 보정된 이미지 센서 및 제1 인공 표식 사이의 제1 상대 위치 정보를 이용하여 결정된 제1 인공 표식의 절대 위치 정보를 최적화할 수도 있다.

상술한 방법은 컴퓨터에서 실행하기 위해 컴퓨터 판독 가능한 기록 매체에 저장된 컴퓨터 프로그램으로 제공될 수 있다. 매체는 컴퓨터로 실행 가능한 프로그램을 계속 저장하거나, 실행 또는 다운로드를 위해 임시 저장하는 것일 수도 있다. 또한, 매체는 단일 또는 수개 하드웨어가 결합된 형태의 다양한 기록수단 또는 저장수단일 수 있는데, 어떤 컴퓨터 시스템에 직접 접속되는 매체에 한정되지 않고, 네트워크 상에 분산 존재하는 것일 수도 있다. 매체의 예시로는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD 와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium), 및 ROM, RAM, 플래시 메모리 등을 포함하여 프로그램 명령어가 저장되도록 구성된 것이 있을 수 있다. 또한, 다른 매체의 예시로, 애플리케이션을 유통하는 앱 스토어나 기타 다양한 소프트웨어를 공급 내지 유통하는 사이트, 서버 등에서 관리하는 기록매체 내지 저장매체도 들 수 있다.

본 개시의 방법, 동작 또는 기법들은 다양한 수단에 의해 구현될 수도 있다. 예를 들어, 이러한 기법들은 하드웨어, 펌웨어, 소프트웨어, 또는 이들의 조합으로 구현될 수도 있다. 본원의 개시와 연계하여 설명된 다양한 예시적인 논리적 블록들, 모듈들, 회로들, 및 알고리즘 단계들은 전자 하드웨어, 컴퓨터 소프트웨어, 또는 양자의 조합들로 구현될 수도 있음을 통상의 기술자들은 이해할 것이다. 하드웨어 및 소프트웨어의 이러한 상호 대체를 명확하게 설명하기 위해, 다양한 예시적인 구성요소들, 블록들, 모듈들, 회로들, 및 단계들이 그들의 기능적 관점에서 일반적으로 위에서 설명되었다. 그러한 기능이 하드웨어로서 구현되는지 또는 소프트웨어로서 구현되는지의 여부는, 특정 애플리케이션 및 전체 시스템에 부과되는 설계 요구사항들에 따라 달라진다. 통상의 기술자들은 각각의 특정 애플리케이션을 위해 다양한 방식들로 설명된 기능을 구현할 수도 있으나, 그러한 구현들은 본 개시의 범위로부터 벗어나게 하는 것으로 해석되어서는 안된다.

하드웨어 구현에서, 기법들을 수행하는 데 이용되는 프로세싱 유닛들은, 하나 이상의 ASIC들, DSP들, 디지털 신호 프로세싱 디바이스들(digital signal processing devices; DSPD들), 프로그램가능 논리 디바이스들(programmable logic devices; PLD들), 필드 프로그램가능 게이트 어레이들(field programmable gate arrays; FPGA들), 프로세서들, 제어기들, 마이크로제어기들, 마이크로프로세서들, 전자 디바이스들, 본 개시에 설명된 기능들을 수행하도록 설계된 다른 전자 유닛들, 컴퓨터, 또는 이들의 조합 내에서 구현될 수도 있다.

따라서, 본 개시와 연계하여 설명된 다양한 예시적인 논리 블록들, 모듈들, 및 회로들은 범용 프로세서, DSP, ASIC, FPGA나 다른 프로그램 가능 논리 디바이스, 이산 게이트나 트랜지스터 로직, 이산 하드웨어 컴포넌트들, 또는 본원에 설명된 기능들을 수행하도록 설계된 것들의 임의의 조합으로 구현되거나 수행될 수도 있다. 범용 프로세서는 마이크로프로세서일 수도 있지만, 대안으로, 프로세서는 임의의 종래의 프로세서, 제어기, 마이크로제어기, 또는 상태 머신일 수도 있다. 프로세서는 또한, 컴퓨팅 디바이스들의 조합, 예를 들면, DSP와 마이크로프로세서, 복수의 마이크로프로세서들, DSP 코어와 연계한 하나 이상의 마이크로프로세서들, 또는 임의의 다른 구성의 조합으로서 구현될 수도 있다.

펌웨어 및/또는 소프트웨어 구현에 있어서, 기법들은 랜덤 액세스 메모리(random access memory; RAM), 판독 전용 메모리(read-only memory; ROM), 비휘발성 RAM(non-volatile random access memory; NVRAM), PROM(programmable read-only memory), EPROM(erasable programmable read-only memory), EEPROM(electrically erasable PROM), 플래시 메모리, 컴팩트 디스크(compact disc; CD), 자기 또는 광학 데이터 스토리지 디바이스 등과 같은 컴퓨터 판독가능 매체 상에 저장된 명령들로서 구현될 수도 있다. 명령들은 하나 이상의 프로세서들에 의해 실행 가능할 수도 있고, 프로세서(들)로 하여금 본 개시에 설명된 기능의 특정 양태들을 수행하게 할 수도 있다.

이상 설명된 실시예들이 하나 이상의 독립형 컴퓨터 시스템에서 현재 개시된 주제의 양태들을 활용하는 것으로 기술되었으나, 본 개시는 이에 한정되지 않고, 네트워크나 분산 컴퓨팅 환경과 같은 임의의 컴퓨팅 환경과 연계하여 구현될 수도 있다. 또 나아가, 본 개시에서 주제의 양상들은 복수의 프로세싱 칩들이나 장치들에서 구현될 수도 있고, 스토리지는 복수의 장치들에 걸쳐 유사하게 영향을 받게 될 수도 있다. 이러한 장치들은 PC들, 네트워크 서버들, 및 휴대용 장치들을 포함할 수도 있다.

본 명세서에서는 본 개시가 일부 실시예들과 관련하여 설명되었지만, 본 개시의 발명이 속하는 기술분야의 통상의 기술자가 이해할 수 있는 본 개시의 범위를 벗어나지 않는 범위에서 다양한 변형 및 변경이 이루어질 수 있다. 또한, 그러한 변형 및 변경은 본 명세서에 첨부된 특허청구의 범위 내에 속하는 것으로 생각되어야 한다.

110: 컴퓨팅 장치 112: 제1 동작
114: 제2 동작 116: 제3 동작
118: 제4 동작 120: 이미지 센서
130: 인공 표식

Claims

적어도 하나의 프로세서에 의해 실행되는 인공 표식의 위치 추정 방법에 있어서,
이미지 센서에 의해, 제1 위치에서 제1 인공 표식을 촬영하여 상기 제1 인공 표식이 포함된 제1 이미지를 생성하는 단계;
상기 생성된 제1 이미지를 기초로 상기 제1 인공 표식에 포함된 제1 식별 정보를 추출하고, 상기 제1 식별 정보를 이용하여 상기 이미지 센서 및 상기 제1 인공 표식 사이의 제1 상대 위치 정보를 결정하는 단계;
상기 제1 위치에서의 상기 이미지 센서의 절대 위치 정보를 결정하는 단계; 및
상기 제1 상대 위치 정보 및 상기 제1 위치에서의 상기 이미지 센서의 절대 위치 정보를 이용하여 상기 제1 인공 표식의 절대 위치 정보를 결정하는 단계
를 포함하고,
상기 제1 상대 위치 정보 및 상기 제1 위치에서의 상기 이미지 센서의 절대 위치 정보를 이용하여 상기 제1 인공 표식의 절대 위치 정보를 결정하는 단계는,
상기 제1 상대 위치 정보를 기초로 최적화되어 오차가 보정된 상기 제1 인공 표식의 절대 위치 정보를 결정하는 단계
를 포함하는, 인공 표식의 위치 추정 방법.
적어도 하나의 프로세서에 의해 실행되는 인공 표식의 위치 추정 방법에 있어서,
이미지 센서에 의해, 제1 위치에서 제1 인공 표식을 촬영하여 상기 제1 인공 표식이 포함된 제1 이미지를 생성하는 단계;
상기 생성된 제1 이미지를 기초로 상기 제1 인공 표식에 포함된 제1 식별 정보를 추출하고, 상기 제1 식별 정보를 이용하여 상기 이미지 센서 및 상기 제1 인공 표식 사이의 제1 상대 위치 정보를 결정하는 단계;
상기 제1 위치에서의 상기 이미지 센서의 절대 위치 정보를 결정하는 단계;
상기 제1 상대 위치 정보 및 상기 제1 위치에서의 상기 이미지 센서의 절대 위치 정보를 이용하여 상기 제1 인공 표식의 절대 위치 정보를 결정하는 단계;
상기 이미지 센서에 의해, 제2 위치에서 제2 인공 표식을 촬영하여 상기 제2 인공 표식이 포함된 제2 이미지를 생성하는 단계;
상기 생성된 제2 이미지를 기초로 상기 촬영된 제2 인공 표식에 포함된 제2 식별 정보를 추출하고, 상기 제2 식별 정보를 이용하여 상기 이미지 센서 및 상기 제2 인공 표식 사이의 제2 상대 위치 정보를 결정하는 단계; 및
상기 제2 위치에서의 상기 이미지 센서의 절대 위치 정보를 결정하는 단계
를 포함하고,
상기 제1 상대 위치 정보 및 상기 제1 위치에서의 상기 이미지 센서의 절대 위치 정보를 이용하여 상기 제1 인공 표식의 절대 위치 정보를 결정하는 단계는,
상기 제1 상대 위치 정보, 상기 제1 위치에서의 상기 이미지 센서의 절대 위치 정보, 상기 제2 상대 위치 정보 및 상기 제2 위치에서의 상기 이미지 센서의 절대 위치 정보를 이용하여 상기 제1 인공 표식의 절대 위치 정보를 결정하는 단계
를 포함하는, 인공 표식의 위치 추정 방법.
제2항에 있어서,
상기 제1 인공 표식 및 상기 제2 인공 표식 사이의 제3 상대 위치 정보를 결정하는 단계를 더 포함하고,
상기 제1 상대 위치 정보 및 상기 제1 위치에서의 상기 이미지 센서의 절대 위치 정보를 이용하여 상기 제1 인공 표식의 절대 위치 정보를 결정하는 단계는,
상기 제1 상대 위치 정보, 상기 제1 위치에서의 상기 이미지 센서의 절대 위치 정보, 상기 제2 상대 위치 정보, 상기 제2 위치에서의 상기 이미지 센서의 절대 위치 정보 및 상기 제3 상대 위치 정보를 이용하여 상기 제1 인공 표식의 절대 위치 정보를 결정하는 단계
를 포함하는, 인공 표식의 위치 추정 방법.
삭제
제1항에 있어서,
DCS(Dynamic Covariance Scaling)를 이용하여, 상기 제1 상대 위치 정보를 보정하는 단계
를 더 포함하고,
상기 제1 상대 위치 정보 및 상기 제1 위치에서의 상기 이미지 센서의 절대 위치 정보를 이용하여 상기 제1 인공 표식의 절대 위치 정보를 결정하는 단계는,
상기 DCS를 이용하여 보정된 상기 제1 상대 위치 정보를 기초로 최적화되어 오차가 보정된 상기 제1 인공 표식의 절대 위치 정보를 결정하는 단계
를 포함하는, 인공 표식의 위치 추정 방법.
제1항에 있어서,
상기 제1 상대 위치 정보는, PnP(Perspective n-Point) 알고리즘을 이용하여 결정되는, 인공 표식의 위치 추정 방법.
제1항에 있어서,
상기 제1 위치에서의 상기 이미지 센서의 절대 위치 정보를 결정하는 단계는,
상기 이미지 센서와 연관된 공간 영역에 대한 정보를 기초로 위치 추정 알고리즘을 이용하여 상기 제1 위치에서의 상기 이미지 센서의 절대 위치 정보를 결정하는 단계
를 포함하는, 인공 표식의 위치 추정 방법.
제7항에 있어서,
상기 이미지 센서와 연관된 공간 영역에 대한 정보는, 라이다(LiDAR) 센서를 이용하여 추출된 상기 제1 위치에서의 상기 이미지 센서와 연관된 공간 영역의 3차원 좌표값인, 인공 표식의 위치 추정 방법.
제7항에 있어서,
상기 이미지 센서와 연관된 공간 영역에 대한 정보는, 상기 이미지 센서에 의해 상기 제1 위치에서 촬영된 하나 이상의 이미지로부터 추출된, 상기 이미지 센서와 연관된 공간 영역의 특징점(feature point)인, 인공 표식의 위치 추정 방법.
제1항 내지 제3항 또는 제5항 내지 제9항 중 어느 한 항에 따른 인공 표식의 위치 추정 방법을 컴퓨터에서 실행하기 위해 컴퓨터 판독 가능한 기록 매체에 저장된 컴퓨터 프로그램.
컴퓨팅 장치로서,
통신 모듈;
메모리; 및
상기 메모리와 연결되고, 상기 메모리에 포함된 컴퓨터 판독 가능한 적어도 하나의 프로그램을 실행하도록 구성된 적어도 하나의 프로세서
를 포함하고,
상기 적어도 하나의 프로그램은,
이미지 센서에 의해, 제1 위치에서 제1 인공 표식을 촬영하여 상기 제1 인공 표식이 포함된 제1 이미지를 생성하고,
상기 생성된 제1 이미지를 기초로 상기 촬영된 제1 인공 표식에 포함된 제1 식별 정보를 추출하고,
상기 제1 식별 정보를 이용하여 상기 이미지 센서 및 상기 제1 인공 표식 사이의 제1 상대 위치 정보를 결정하고,
상기 제1 위치에서의 상기 이미지 센서의 절대 위치 정보를 결정하고,
상기 제1 상대 위치 정보 및 상기 제1 위치에서의 상기 이미지 센서의 절대 위치 정보를 이용하여 상기 제1 인공 표식의 절대 위치 정보를 결정하기 위한 명령어들을 포함하고,
상기 제1 상대 위치 정보 및 상기 제1 위치에서의 상기 이미지 센서의 절대 위치 정보를 이용하여 상기 제1 인공 표식의 절대 위치 정보를 결정하는 것은,
상기 제1 상대 위치 정보를 기초로 최적화되어 오차가 보정된 상기 제1 인공 표식의 절대 위치 정보를 결정하는 것을 포함하는, 컴퓨팅 장치.
컴퓨팅 장치로서,
통신 모듈;
메모리; 및
상기 메모리와 연결되고, 상기 메모리에 포함된 컴퓨터 판독 가능한 적어도 하나의 프로그램을 실행하도록 구성된 적어도 하나의 프로세서
를 포함하고,
상기 적어도 하나의 프로그램은,
이미지 센서에 의해, 제1 위치에서 제1 인공 표식을 촬영하여 상기 제1 인공 표식이 포함된 제1 이미지를 생성하고,
상기 생성된 제1 이미지를 기초로 상기 촬영된 제1 인공 표식에 포함된 제1 식별 정보를 추출하고,
상기 제1 식별 정보를 이용하여 상기 이미지 센서 및 상기 제1 인공 표식 사이의 제1 상대 위치 정보를 결정하고,
상기 제1 위치에서의 상기 이미지 센서의 절대 위치 정보를 결정하고,
상기 제1 상대 위치 정보 및 상기 제1 위치에서의 상기 이미지 센서의 절대 위치 정보를 이용하여 상기 제1 인공 표식의 절대 위치 정보를 결정하고,
상기 이미지 센서에 의해, 제2 위치에서 제2 인공 표식을 촬영하여 상기 제2 인공 표식이 포함된 제2 이미지를 생성하고,
상기 생성된 제2 이미지를 기초로 상기 촬영된 제2 인공 표식에 포함된 제2 식별 정보를 추출하고,
상기 제2 식별 정보를 이용하여 상기 이미지 센서 및 상기 제2 인공 표식 사이의 제2 상대 위치 정보를 결정하고,
상기 제2 위치에서의 상기 이미지 센서의 절대 위치 정보를 결정하기 위한 명령어들을 포함하고,
상기 제1 상대 위치 정보 및 상기 제1 위치에서의 이미지 센서의 절대 위치 정보를 이용하여 상기 제1 인공 표식의 절대 위치 정보를 결정하는 것은,
상기 제1 상대 위치 정보, 상기 제1 위치에서의 상기 이미지 센서의 절대 위치 정보, 상기 제2 상대 위치 정보 및 상기 제2 위치에서의 상기 이미지 센서의 절대 위치 정보를 이용하여 상기 제1 인공 표식의 절대 위치 정보를 결정하는 것을 포함하는, 컴퓨팅 장치.
제12항에 있어서,
상기 적어도 하나의 프로그램은,
상기 제1 인공 표식 및 상기 제2 인공 표식 사이의 제3 상대 위치 정보를 결정하기 위한 명령어들을 더 포함하고,
상기 제1 상대 위치 정보 및 상기 제1 위치에서의 이미지 센서의 절대 위치 정보를 이용하여 상기 제1 인공 표식의 절대 위치 정보를 결정하는 것은,
상기 제1 상대 위치 정보, 상기 제1 위치에서의 상기 이미지 센서의 절대 위치 정보, 상기 제2 상대 위치 정보, 상기 제2 위치에서의 상기 이미지 센서의 절대 위치 정보 및 상기 제3 상대 위치 정보를 이용하여 상기 제1 인공 표식의 절대 위치 정보를 결정하는 것을 포함하는, 컴퓨팅 장치.
삭제
제11항에 있어서,
상기 적어도 하나의 프로그램은,
DCS를 이용하여, 상기 제1 상대 위치 정보를 보정하기 위한 명령어들을 더 포함하고,
상기 제1 상대 위치 정보 및 상기 제1 위치에서의 상기 이미지 센서의 절대 위치 정보를 이용하여 상기 제1 인공 표식의 절대 위치 정보를 결정하는 것은,
상기 DCS를 이용하여 보정된 상기 제1 상대 위치 정보를 기초로 최적화되어 오차가 보정된 상기 제1 인공 표식의 절대 위치 정보를 결정하는 것을 포함하는, 컴퓨팅 장치.
제11항에 있어서,
상기 제1 상대 위치 정보는, PnP 알고리즘을 이용하여 결정되는, 컴퓨팅 장치.
제11항에 있어서,
상기 제1 위치에서의 상기 이미지 센서의 절대 위치 정보를 결정하는 것은,
상기 이미지 센서와 연관된 공간 영역에 대한 정보를 기초로 위치 추정 알고리즘을 이용하여 상기 제1 위치에서의 상기 이미지 센서의 절대 위치 정보를 결정하는 것을 포함하는, 컴퓨팅 장치.
제17항에 있어서,
상기 이미지 센서와 연관된 공간 영역에 대한 정보는, 라이다(LiDAR) 센서를 이용하여 추출된 상기 제1 위치에서의 상기 이미지 센서와 연관된 공간 영역의 3차원 좌표값인, 컴퓨팅 장치.
제17항에 있어서,
상기 이미지 센서와 연관된 공간 영역에 대한 정보는, 상기 이미지 센서에 의해 상기 제1 위치에서 촬영된 하나 이상의 이미지로부터 추출된, 상기 이미지 센서와 연관된 공간 영역의 특징점(feature point)인, 컴퓨팅 장치.