| 1 |
1
이미지 데이터를 획득하는 제1 센서;관성 데이터를 획득하는 제2 센서; 및이미지의 특징점들로부터 상기 제1 센서의 초기 포즈를 추정하고, 상기 초기 포즈로부터 가속도와 각속도를 획득하여 관찰치와 상기 제1 센서의 초기 포즈의 관계를 반복하여 최적화하여 단말기의 위치에 관한 상기 제1 센서의 궤적을 추적하여 상기 단말기의 모션 또는 포즈에 관한 데이터를 처리하는 제어부를 포함하는 단말기
|
| 2 |
2
제1항에 있어서,상기 관찰치는,바이어스, 상기 이미지의 특징점, 또는 상기 제2 센서 측정치들 중 적어도 하나를 포함하는 것을 특징으로 하는 단말기
|
| 3 |
3
제1항에 있어서,상기 제1 센서의 초기 포즈는,상기 제1 센서를 통해 획득되는 이미지의 특징점들 중 바이어스의 영향이 미리 정의된 범위 이내의 특징점에 기반하여 추정되는 것을 특징으로 하는 단말기
|
| 4 |
4
제1항에 있어서,상기 제어부는,제1 센서 데이터와 제2 센서 데이터를 위해 개별 필터들(separate filters)을 구동하지 않고, 상기 필터들을 정의되지 않은 비선형 최적화 프레임워크(undefined non-linear optimization framework)에 포함하여 구동하는 것을 특징으로 하는 단말기
|
| 5 |
5
제4항에 있어서,상기 정의되지 않은 비선형 최적화 프레임워크는, 카메라 포즈들로부터 가속도와 각속도 비용들(acceleration and angular velocity costs), 센서 바이어스(sensor bias), 상기 카메라 포즈들과 시각 랜드마크 포지션들(visual landmark positions) 상에 정의된 예상되는 재투영 비용들(perspective reprojection costs)을 포함하는 것을 특징으로 하는 단말기
|
| 6 |
6
제5항에 있어서,상기 제어부는,공개되고 이용 가능한 비선형 최적화 라이브러리를 상기 최적화에 이용하는 것을 특징으로 하는 단말기
|
| 7 |
7
제4항에 있어서,상기 비선형 최적화 프레임워크를 위해 상기 제2 센서 데이터의 포착 주파수(acquisition frequency)는, 비디오 프레임 레이트보다 높은 것을 특징으로 하는 단말기
|
| 8 |
8
제4항에 있어서,상기 비선형 최적화 프레임워크를 위해 상기 제2 센서의 관성 측정치들은 비디오 프레임들과 동기화되고, 상기 비디오 프레임들 사이의 평균값을 이용하는 것을 특징으로 하는 단말기
|
| 9 |
9
제4항에 있어서,상기 비선형 최적화 프레임워크를 위해 상기 제2 센서 데이터는 개별적인 글로벌 파라미터로 바이어스를 모델링하고 노이즈는 시각 특징점들로부터 제한하여 억제하는 것을 특징으로 하는 단말기
|
| 10 |
10
제1항에 있어서,상기 제어부는,초기화 및 최적화 동안에 제1 센서 포즈들과 랜드마크 포지션들은 거리 공간(metric space) 내에서 추정하고, 상기 추정은 재투영 에러들(reprojection errors)과 가속도 차이들(acceleration differences) 둘 모두를 최소화하도록 제어하는 것을 특징으로 하는 단말기
|
| 11 |
11
제10항에 있어서,상기 제어부는,로 IMU 가속도 데이터(raw IMU acceleration data)는 중력 성분 벡터(gravity component)를 포함하고, 중력 취소를 씸리스하게 상기 비선형 최적화 프로세스에 포함하는 것을 특징으로 하는 단말기
|
| 12 |
12
제1항에 있어서,상기 제1 센서는 카메라 센서이고, 상기 제2 센서는 IMU 센서인 것을 특징으로 하는 단말기
|
| 13 |
13
제1항에 있어서,상기 최적화는, VIO(Visual-Inatial Odometry) 기법을 이용하여 이루어지는 것을 특징으로 하는 단말기
|
