본 논문에서는 5G 네트워크를 활용하여 모바일 증강현실을 구현하기 위한 조건들을 제시한다. 이를 위하여 모바일 증강현실 서비스 개요와 요구 성능, 그리고 5G 네트워크의 현재 상황과 성능, 구조 등에 대해 소개하고, 모바일 증강현실 서비스 구현을 위한 5G액세스 네트워크 추가 엔티티 및 기능들을 제안한다. 실제 디바이스와 네트워크 파라미터들을 활용하여 기존의 LTE 시스템과 제안된 5G 모바일 증강현실 시스템에서의 서비스 지연 시간을 분석한다.
본 논문에서는 5G 네트워크를 활용하여 모바일 증강현실을 구현하기 위한 조건들을 제시한다. 이를 위하여 모바일 증강현실 서비스 개요와 요구 성능, 그리고 5G 네트워크의 현재 상황과 성능, 구조 등에 대해 소개하고, 모바일 증강현실 서비스 구현을 위한 5G 액세스 네트워크 추가 엔티티 및 기능들을 제안한다. 실제 디바이스와 네트워크 파라미터들을 활용하여 기존의 LTE 시스템과 제안된 5G 모바일 증강현실 시스템에서의 서비스 지연 시간을 분석한다.
In this paper, the analysis of mobile augmented reality service using 5G network are provided. First of all, the introduction and required performance of mobile augmented reality(MAr) service are provided. After that, 5G network key features, target performance, and network architecture are analyzed...
In this paper, the analysis of mobile augmented reality service using 5G network are provided. First of all, the introduction and required performance of mobile augmented reality(MAr) service are provided. After that, 5G network key features, target performance, and network architecture are analyzed. At the end, the additional network entity and functions for the realization of mobile augmented reality service are proposed. The mobile augmented reality service time. At the end, the service delay in existing LTE system and proposed 5G MAr system by using real device and network parameters.
In this paper, the analysis of mobile augmented reality service using 5G network are provided. First of all, the introduction and required performance of mobile augmented reality(MAr) service are provided. After that, 5G network key features, target performance, and network architecture are analyzed. At the end, the additional network entity and functions for the realization of mobile augmented reality service are proposed. The mobile augmented reality service time. At the end, the service delay in existing LTE system and proposed 5G MAr system by using real device and network parameters.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 논문에서는 고품질 모바일 증강현실 서비스를 위한 5G 액세스 네트워크 구조를 제안하였다. 모바일증강현실은 모바일 디바이스의 고화질 카메라로 촬영한 이미지와 빅데이터 기반 매칭 기법을 활용하여 대상을 인식하고,이에 대한 정보를 실시간으로 전달하는 기술로 차세대핵심 서비스로 손꼽힌다.
본 논문에서는 무선 증강현실 서비스를 위한 5G 무선액세스 네트워크 구조를 제안한다. 이를 위하여 우선적으로 현재 증강현실 기술을 검토하고, 5G 네트워크 표준화 현황과 핵심 기술들을 소개한다.
제안 방법
그림 2는 5G의 코어 네트워크 구조인 NGC (Next Generation Core) 구조를 나타낸다. LTE의 EPC (Evolved Packet Core)가 디바이스부터 DN(Data Network)까지의 연결 구조를 PDN-GW (Packet Data Network Gateway), S-GW(Serving Gateway) 등의 네트워크 하드웨어 엔티티 기반으로 표현하였다. 이에 반해 5G NGC는 NFV(Network Function Virtualization), SDN (Software Defined Network)등에 기반하여 AMF (Access and Mobility Function), SMF(Session Management Function), UPF (User Plane Function),UDM (User Data Management), AUSF (Authentication Server Function), PCF (Policy and Charging Function) 등의 기능별 엔티티로 표현되었으며, 이에 추가적으로 Wi-Fi 등의 Non 3GPP 프로토콜과의 연결을 위한 N3IWF(Non-3GPP Interworking Function)을 두었다.
본 장에서는 실제 모바일 디바이스를 활용한 LTE와 5G 상황에서 SURF 알고리즘을 기반의 모바일 증강현실 서비스 종단 간 지연에 대해 비교한다. 또한, 제시한 기능들 중 오프로딩 시점 결정 엔티티와 국소 지역 캐싱 서버 기능이 추가될 때의 감소되는 서비스 지연 시간 또한 비교 분석한다.
그림 5는 기존의 LTE 시스템과, 제안된 5G 기반의 모바일 증강현실 시스템의 종단 간 서비스 시간을 비교한 그래프이다. 위 데이터는 표4에서 제시된 실제 디바이스와 서버를 활용한 특징점 추출 프로세스 시간과 LTE와 5G의 네트워크 파라미터[5], 캐싱 서버 지연과 데이터베이스 매칭 지연 값을 활용하여 산출하였다[8,9]. 가로 640픽셀, 세로 480 픽셀 크기를 이미지 기존 LTE 시스템을 활용하여 서비스 시에는 특징점 추출부터 산출 데이터전송까지 약 930.
본 논문에서는 무선 증강현실 서비스를 위한 5G 무선액세스 네트워크 구조를 제안한다. 이를 위하여 우선적으로 현재 증강현실 기술을 검토하고, 5G 네트워크 표준화 현황과 핵심 기술들을 소개한다.
LTE의 EPC (Evolved Packet Core)가 디바이스부터 DN(Data Network)까지의 연결 구조를 PDN-GW (Packet Data Network Gateway), S-GW(Serving Gateway) 등의 네트워크 하드웨어 엔티티 기반으로 표현하였다. 이에 반해 5G NGC는 NFV(Network Function Virtualization), SDN (Software Defined Network)등에 기반하여 AMF (Access and Mobility Function), SMF(Session Management Function), UPF (User Plane Function),UDM (User Data Management), AUSF (Authentication Server Function), PCF (Policy and Charging Function) 등의 기능별 엔티티로 표현되었으며, 이에 추가적으로 Wi-Fi 등의 Non 3GPP 프로토콜과의 연결을 위한 N3IWF(Non-3GPP Interworking Function)을 두었다.
위치 정보를 활용하거나, 국소 지역 캐싱 서버(Localized Caching Server)를 활용하면 라이브러리 크기를 축소시킬 수 있어 매칭 지연을 감소시킬 수 있다. 이후 인식된 대상 정보, 어플리케이션 정보, 사용자 상황 정보 등이 병합되어 서버에서 특정 필요 정보를 검색하고 추출한다. 추출된 정보는 출력을 위해 디바이스에 전송된다.
대상 데이터
표 3은 그림 4를 다양한 해상도로 변환된 이미지를 SURF 알고리즘을 통해 특징점을 추출 할 때 추출된 특징점의 크기, 서버와 디바이스의 JPEG 압축 이미지의 해상도 별 특징점 추출 시간을 보여준다. SURF 알고리즘 구동 시간 측정을 위한 모바일 디바이스로는 삼성전자의SHV-E330S가 사용되었으며, 서버로는 데스크탑 PC(I5-2500)가 사용되었다. 추출된 특징점의 데이터 크기가 원본 이미지의 데이터 사이즈의 약 1/300로 줄어들기 때문에, 특징점 추출 프로세스를 모바일 디바이스에서 모두 처리함으로써 전송 데이터 크기 축소로 인해 전송 시간 감소의 이점이 있다.
데이터처리
본 장에서는 실제 모바일 디바이스를 활용한 LTE와 5G 상황에서 SURF 알고리즘을 기반의 모바일 증강현실 서비스 종단 간 지연에 대해 비교한다. 또한, 제시한 기능들 중 오프로딩 시점 결정 엔티티와 국소 지역 캐싱 서버 기능이 추가될 때의 감소되는 서비스 지연 시간 또한 비교 분석한다.
성능/효과
14%의 지연시간 감소를 보였다. 가로 1,024 픽셀, 세로 768 픽셀의 이미지 서비스 시에도, 기존 LTE 시스템은 1,660.93 ms, 제안된 시스템은 1045.76 ms 의 서비스 시간이 산출되어 약 37.04%의 지연 시간 감소를 보였다. 다른 크기의 이미지에서도 비슷한 수준의 서비스 지연 감소를 보여, 제안된 시스템이 기존의 LTE 시스템 대비 평균 30.
위 데이터는 표4에서 제시된 실제 디바이스와 서버를 활용한 특징점 추출 프로세스 시간과 LTE와 5G의 네트워크 파라미터[5], 캐싱 서버 지연과 데이터베이스 매칭 지연 값을 활용하여 산출하였다[8,9]. 가로 640픽셀, 세로 480 픽셀 크기를 이미지 기존 LTE 시스템을 활용하여 서비스 시에는 특징점 추출부터 산출 데이터전송까지 약 930.78 ms가 소요되었으나, 제안된 5G 기반 시스템의 경우 631.65 ms 가 소요되어 약 32.14%의 지연시간 감소를 보였다. 가로 1,024 픽셀, 세로 768 픽셀의 이미지 서비스 시에도, 기존 LTE 시스템은 1,660.
04%의 지연 시간 감소를 보였다. 다른 크기의 이미지에서도 비슷한 수준의 서비스 지연 감소를 보여, 제안된 시스템이 기존의 LTE 시스템 대비 평균 30.37%의 서비스 지연 감소를 이루는 것을 볼 수 있었다. 산출된 서비스 지연 시간은 모바일 증강현실 서비스의 요구조건에 미치지 못하는 수준이나, 최신 디바이스의 활용 및 최적화를 통해 추가적인 성능 개선이 가능할 것으로 사료된다.
후속연구
혼합현실(MR: Mixed Reality)은 현실과 유사한 가상의 이미지를 활용하는 기술로, 가상 이미지만을 활용하는 가상현실(VR: Virtual Reality)과 현실 이미지에 가상 이미지를 혼합하는 증강현실로 나눌 수 있다. 그 중 증강현실은 실제 이미지에 가상의 정보를 덧입혀 고품질 멀티미디어콘텐츠 및 추가 정보를 제공할 수 있으며 모바일 증강현실 서비스는 상황 인식을 기반으로 하여 개별 사용자를 위한 맞춤형 정보를 실시간으로 제공 할 수 있어 다양한 서비스들에 이를 추가적으로 활용하면 기존 서비스들의 부가가치를 높일 수 있을 것으로 기대된다. 모바일 증강현실 서비스의 주된 적용 분야로는 관광, 네비게이션, 재난대응, 게임, 광고, 학습, 건설 등이 있으며 현재 페이스북, 구글, 애플, 삼성전자, LG전자 등의 세계적 기업에서 전용 디바이스(Google Glass, Oculus Lift, Microsoft HoloLens,Samsung Gear VR 등) 혹은 소프트웨어 플랫폼(Apple ARKit, Google VR, magicleap 등)을 개발 및 출시하였다.
본 논문에서 제안한 오프로딩 시점 결정 엔티티, 국소지역 캐싱 서버, 기계 학습 엔티티, 이동성 지원 기능 등이 디바이스 및 5G 무선 액세스 기능들과 결합된다면 실제 서비스 제공 가능 요구 조건을 만족 시킬 수 있어, 모바일 증강현실 서비스가 일반 사용자를 위한 5G의 핵심서비스로 자리매김 할 수 있을 것으로 기대된다.
37%의 서비스 지연 감소를 이루는 것을 볼 수 있었다. 산출된 서비스 지연 시간은 모바일 증강현실 서비스의 요구조건에 미치지 못하는 수준이나, 최신 디바이스의 활용 및 최적화를 통해 추가적인 성능 개선이 가능할 것으로 사료된다.
표 2는 앞에서 언급한 오프로딩 시점 결정 엔티티,국소 지역 캐싱 서버, 이동성 지원 기능 등의 필요 기능과 이의 위치, 기능 설명, 주요 기술을 정리한다. 제시된 추가적인 기능 및 엔티티들이 5G의 향상된 무선액세스 기술과 결합되어야 고품질 증강현실 서비스를 위한 높은 전송속도와 낮은 종단 간 전송지연을 만족시킬 수 있다.
질의응답
핵심어
질문
논문에서 추출한 답변
증강현실이란 무엇인가?
증강현실(AR: Augmented Reality)은 현실과 유사한 가상의 이미지를 사용자에게 보여주는 기술로, 실제 이미지에 가상의 영상 이미지를 합성하여 사용자에게 제공하는 기술이다. 머리 착용 디스플레이(HMD: Head Mounted Display) 등의 증강 현실 구현 하드웨어를 활용하여 실제 이미지에 가상 이미지를 결합한 고품질 멀티미디어 서비스를 제공 할 수 있어 차세대 핵심 서비스로 손꼽힌다.
모바일 디바이스에서 증강현실 서비스 구현이 가능해진 이유는 무엇인가?
따라서 고성능 컴퓨팅 성능을 가진 거치형 대형 서버와 유선 통신망을 활용할 수 있는 제한적인 환경을 갖춘 상황에서만 증강현실 서비스는 제공 될 수 있었다. 그런데 휴대용 스마트 폰, 타블렛 등의 모바일 디바이스(UE: User Equipment) 컴퓨팅 능력 향상, 내장 카메라의 화소 수 증가로 인한 인식률 향상 등의 성능 향상에 의해 모바일 디바이스에서 증강현실 서비스(MAr: Mobile Augmented Reality) 구현이 가능해졌다. 모바일 증강현실 서비스는 유선 증강현실 서비스의 치명적인 약점이었던 공간 제약성을 개선시켜 이용자의 장소, 상황 맞춤형 정보를 제공할 수 있으며 HMD, 스마트카 등의 다양한 형태의 디바이스와 연계하여 기존에 불가능하였던 서비스를 제공하고 고부가가치를 발생시킬 수 있으므로 세계 유수의 기업들에서 서비스를 제공하고 있다.
고품질 모바일 증강현실 서비스가 기존 LTE 네트워크로 구현이 어려웠던 이유는 무엇인가?
모바일증강현실은 모바일 디바이스의 고화질 카메라로 촬영한 이미지와 빅데이터 기반 매칭 기법을 활용하여 대상을 인식하고,이에 대한 정보를 실시간으로 전달하는 기술로 차세대핵심 서비스로 손꼽힌다. 하지만 고품질 서비스를 제공하기 위해서는 높은 전송속도와 낮은 전송지연이 필수적이기 때문에 기존의 LTE 네트워크로는 구현이 어려웠다. LTE 네트워크 대비 높은 성능을 목표로 하고 있는 5G 네트워크의 등장으로 모바일 증강현실 구현 가능성이 높아졌으나, 서비스를 위한 과정이 복잡하고 연산량이 많아 5G 네트워크상에서 서비스를 제공하더라도 긴 지연시간에 따른 사용자 성능 체감은 피할 수 없다.
참고문헌 (9)
D. Chatzopoulos, C. Bermejo, Z. Huang and P. Hui, "Mobile Augmented Reality Survey: From Where We Are to Where We Go," IEEE Access, vol. 5, pp. 6917-6950, Apr. 2017. https://doi.org/10.1109/ACCESS.2017.2698164
M. H. Pirenne, Vision and the Eye, Chapman & Hall, vol. 47, 1967
E. Bastug, M. Bennis, M. Medard, and M. Debbah, "Toward Interconnected Virtual Reality: Opportunities, Challenges, and Enablers," IEEE Comm. Mag. vol. 55, no.6, pp.110-117 June 2017. https://doi.org/10.1109/MCOM.2017.1601089
M. C. Potter, B. Wyble, C. E. Hagmann E. S. McCourt, "Detecting Meaning in RSVP at 13 ms per Picture," Attention, Perception, & Psychophysics, vol. 76, no.2, 2014, pp.270-279 http://dx.doi.org/10.3758/s13414-013-0605-z
3GPP TR 38.913 v14.2.0 "Study on Scenarios and Requirements for Next Generation Access Technologies," Mar. 2017. http://www.3gpp.org/DynaReport/38913.htm
J.-M. Chung, Y.-S. Park, J.-H. Park, and H. Cho, "Adaptive Cloud Offloading of Augmented Reality Applications on Smart Devices for Minimum Energy Consumption," KSII Trans. on Intern. and Info. Sys. vol. 9, no. 8, pp. 3099-3111, Aug. 2015. https://doi.org/110.3837/tiis.2015.08.020
Y. Nam, S. Song, and J.-M. Chung, "Clustered NFV Service Chaining optimization in Mobile Edge Clouds," IEEE Comm. Lett., vol. 21, no. 2, pp. 350-353, Feb. 2017. https://doi.org/10.1109/LCOMM.2016.2618788
A. Ceselli, M. Premoli, and S. Secci, "Mobile Edge Cloud Network Design Optimization." IEEE/ACM Trans. Netw. vol. 25, no. 3, pp. 1818-1831, June 2017. https://doi.org/10.1109/TNET.2017.2652850
B. P. Rimal, D. P. Van, and M. Maier, "Mobile Edge Computing Empowered Fiber-Wireless Access Networks in the 5G Era," IEEE Comm. Mag. vol. 55, no. 2, pp. 192-200, Feb. 2017. https://doi.org/10.1109/MCOM.2017.1600156CM
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.