[논문]AR에 적용 가능한 마커리스 기반의 실내 위치 측정 기법

김재형; 이승호

doi:10.7471/ikeee.2021.25.2.243

AR에 적용 가능한 마커리스 기반의 실내 위치 측정 기법
Measurement Technique of Indoor location Based on Markerless applicable to AR 원문보기

전기전자학회논문지 = Journal of IKEEE, v.25 no.2, 2021년, pp.243 - 251

김재형 (Dept. Electronic Engineering, Hanbat National University) , 이승호 (Dept. Electronic Engineering, Hanbat National University)

초록
AI-Helper

본 논문에서는 AR에 적용 가능한 마커리스 기반의 실내 위치 측정 기법을 제안한다. 제안한 기법은 다음과 같은 독창성을 갖는다. 첫 번째는 특징점을 추출하고 이를 이용하여 지역 패치를 생성하여 전체 이미지를 학습하지 않고 주변보다 더 유용한 지역 패치만을 학습하고 사용함으로써 더 빠른 연산이 가능하도록 한다. 두 번째는 Convolution Neural Network 구조를 사용한 딥러닝을 통해 학습을 진행하여 오차율을 줄여 정확도를 향상시킨다. 세 번째는 기존의 특징점 매칭 기법과는 다르게 좌우 이동을 포함한 실내 위치 측정이 가능하도록 한다. 네 번째는 매 프레임마다 새롭게 실내 위치를 측정하기 때문에 이동 중 앞쪽에서 발생한 오차가 누적되어 발생되는 것을 방지한다. 따라서 이동 거리가 길어져도 최종 도착점과 예측 실내 위치 간의 오차가 증가하지 않는다는 장점을 갖는다. 본 논문에서 제안하는 AR에 적용 가능한 마커리스 기반의 실내 위치 측정 기법의 소요시간과 정확도를 평가하기 위해 시행한 실험결과, 실제 실내 위치와 측정된 실내 위치의 차이가 평균 12.8cm, 최대 21.2cm로 측정되어서, 기존 IEEE 논문의 결과보다 우수한 실내 위치 측정 정확도를 나타내었다. 또한, 초당 20프레임으로 측정된 결과를 나타내어서 실시간으로 사용자의 실내 위치를 측정하는 것이 가능하다고 판단되었다.

Abstract ▼ AI-Helper

In this paper, we propose a measurement technique of indoor location based on markerless applicable to AR. The proposed technique has the following originality. The first is to extract feature points and use them to generate local patches to enable faster computation by learning and using only local patches that are more useful than the surroundings without learning the entire image. Second, learning is performed through deep learning using the convolution neural network structure to improve accuracy by reducing the error rate. Third, unlike the existing feature point matching technique, it enables indoor location measurement including left and right movement. Fourth, since the indoor location is newly measured every frame, errors occurring in the front side during movement are prevented from accumulating. Therefore, it has the advantage that the error between the final arrival point and the predicted indoor location does not increase even if the moving distance increases. As a result of the experiment conducted to evaluate the time required and accuracy of the measurement technique of indoor location based on markerless applicable to AR proposed in this paper, the difference between the actual indoor location and the measured indoor location is an average of 12.8cm and a maximum of 21.2cm. As measured, the indoor location measurement accuracy was better than that of the existing IEEE paper. In addition, it was determined that it was possible to measure the user's indoor location in real time by displaying the measured result at 20 frames per second.

주제어

표/그림 (19)

그림 Fig. 1. A complete overview of the proposed method in this paper. 그림 1. 본 논문에서 제안한 기법의 전체 개요도
그림 Fig. 2. Full flowchart of the proposed method in this paper. 그림 2. 본 논문에서 제안한 기법의 전체 흐름도
그림 Fig. 3. A complete overview of database construction. 그림 3. 데이터베이스 구축 전체 개요도
그림 Fig. 4. Result image showing the extracted feature points. 그림 4. 추출된 특징점이 표시된 결과 이미지
그림 Fig. 5. Process for creating local patch candidate groups. 그림 5. 지역 패치 후보군 생성 과정
그림 Fig. 6. Overview of local patch selection process. 그림 6. 지역 패치 선택 과정 개요도
그림 Fig. 7. About x-coordinates, y-coordinates, and classification labeling for local patches. 그림 7. 지역 패치의 x좌표, y좌표와 분류 라벨링 정보
그림 Fig. 8. CNN structure applied to this paper. 그림 8. 본 논문에 적용한 CNN 구조
그림 Fig. 9. Overview of backpropagation processing. 그림 9. Bacpropagation 과정의 진행 개요도
그림 Fig. 10. Graph of loss changes with epoch. 그림 10. Epoch에 따른 Loss의 변화 그래프
그림 Fig. 11. Overview of correction algorithm for indoor location prediction results. 그림 11. 실내 위치 예측 결과 보정 알고리즘 개요도
그림 Fig. 12. Database description constructed for the experiment. 그림 12. 실험을 위해 구축한 데이터베이스 설명도
그림 Fig. 13. Indoor location measurement methods including left and right movement. 그림 13. 좌우 이동을 포함한 실내 위치 측정 방식
그림 Fig. 14. Measure the new indoor location in each frame. 그림 14. 매 프레임마다 새롭게 실내 위치를 측정
그림 Fig. 15. Process for calculating indoor lacation measurement error. 그림 15. 실내 위치 측정 오차 계산 과정
그림 Fig. 16. Display Results of Actual and Measured Indoor Locations. 그림 16. 실제 실내 위치와 측정된 실내 위치의 표시 결과
그림 Fig. 18. Mean error graph of measured by the proposed method in this paper. 그림 18. 본 논문에서 제안한 기법으로 측정한 평균 오차 그래프
그림 Fig. 17. (a) Maximum error graph of measured by the proposed method in this paper. (b) Maximum error graph of Sonxiang Yang and 3 others. 그림 17. (a) 본 논문에서 제안한 기법으로 측정한 최대 오차 그래프 (b) Songxiang Yang 외 3명의 최대 오차 그래프
표 Table 1. Experimental results. 표 1. 실험 결과

참고문헌 (8)

Miyashita, Tsutomu, et al. "An augmented reality museum guide," 2008 7th IEEE/ACM International Symposium on Mixed and Augmented Reality. IEEE, 2008. DOI: 10.1109/ISMAR.2008.4637334
M. L. Yuan, S. K. Ong and A. Y. C. Nee, "Registration using natural features for augmented reality systems," in IEEE Transactions on Visualization and Computer Graphics, vol.12, no.4, pp.569-580, 2006. DOI: 10.1109/TVCG.2006.79

상세보기
X. Yang, Z. Liu, W. Nie, W. He and Q. Pu, "AP Optimization for Wi-Fi Indoor Positioning-Based on RSS Feature Fuzzy Mapping and Clustering," in IEEE Access, vol.8, pp.153599-153609, 2020. DOI: 10.1109/ACCESS.2020.3018147

상세보기
Jae-Hyeong Kim, Seung-Ho Lee. "Intelligent face recognition and tracking system to distribute GPU resources using CUDA," Journal of IKEEE, vol.22, no.2, 281-288, 2018. DOI: 10.7471/ikeee.2018.22.2.281

원문보기 상세보기
Cubuk, Ekin D., et al. "Autoaugment: Learning augmentation strategies from data," Proceedings of the IEEE conference on computer vision and pattern recognition. 2019. DOI: 10.1109/CVPR.2019.00020
Viswanathan, Deepak Geetha. "Features from accelerated segment test (fast)," Proceedings of the 10th workshop on Image Analysis for Multimedia Interactive Services, 2009.
Ioffe, Sergey, and Christian Szegedy. "Batch normalization: Accelerating deep network training by reducing internal covariate shift," arXiv preprint arXiv:1502.03167 (2015). DOI: 10.5555/3045118.3045167
LeCun, Yann, Yoshua Bengio, and Geoffrey Hinton. "Deep learning," nature, Vol.521, pp.436-444, 2015. DOI: 10.1038/nature14539.

상세보기

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증