딥러닝을 활용한 AR Navigation
Full presentation video on YouTube
증강현실 기법과 영상의 실시간 분석 기술을 결합하여 만든 어플리케이션으로, 도보 이용자에게 최적 이동경로를 AR 지표로 안내하는 내비게이션
- 국내 지원이 불가했던 기존 타사 앱과 달리 국내 사용 지원
- 국내 보급율이 높은 Android 스마트폰 카메라만을 이용하기에 높은 접근성과 쉬운 사용성
- 실제 시야와 동일한 영상의 실시간 분석과 AR지표를 통한 이용자의 위치와 지도의 직관적인 맵핑
- 프랜차이즈 매장의 간판을 탐지하여 딥러닝을 활용한 즉각적인 안내 정보 개선
- 주변 지형지물 인식에 어려움을 겪는 이나 길눈이 어두운 이들에게도 효과적인 길안내
총 제작 일정 (졸업 작품 기간)
2019.09.07 ~ 2020.06.10
- 애플리케이션을 구동하여 목적지를 설정합니다.
- Map view에서 길찾기를 위한 AR 모드로 전환합니다.
- 사용자의 현재 위치와 목적지까지의 경로에 AR 지표를 뿌려줍니다.
- 사용자의 현재 위치와 GPS 상의 위치가 불일치한다면
좌측 상단에 스티커의 색상이 붉은 색으로 변합니다. - 만일 GPS와 현 위치가 불일치하거나, 복잡한 골목과 같이 헷갈리기 쉬운 길에서 사용자가 이동에 어려움을 겪는다면
우측 상단의 위치 보정 버튼을 클릭합니다. - 주변에서 쉽게 발견되는 프랜차이즈 간판을 화면상의 안내 칸에 맞추어 촬영합니다.
- 서버는 전체 이미지에서 사용자가 맞춘 칸에 해당하는 첫 번째 이미지를 크롭하여 추출합니다.
- 동시에 전체 이미지에서 간판에 해당하는 부분을 직접 찾아서 크롭 후, 두 번째 이미지로 추출합니다.
- 위 두 이미지를 딥러닝 모델에 입력하여 가장 높은 정확도를 가진 브랜드명을 반환해줍니다.
- 서버는 브랜드명을 이용하여 현재 사용자의 위치를 찾아낸 다음, 다시 AR 지표를 생성합니다.
- 사용자는 새로운 AR 지표와 함께 다시금 경로 안내를 받습니다.
제작 당시에 사용한 간판 브랜드는 많은 점포를 가지고 있는 프랜차이즈 브랜드 중 5개로,
CU
,GS25
,롯데리아
,맥도날드
,베스킨라빈스
를 선택했습니다.
- Python 3.7
- opencv
- git
- T Map API
- AR Core
- CNN VGG16
- numpy
- json
pip install numpy
pip install opencv-python
pip install keras
참고 문헌
- 권상일, 김의명 "딥러닝을 이용한 판류형 간판의 인식", Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography (한국측량학회지), pp. 2019-231, 2019
- 김명성, 김성조, 김동현. "AR을 활용한 실내 내비게이션의 설계", 한국컴퓨터정보학회 하계학술대회, pp. 129-132, 2019.
- 김경호, 조성익, 이재식, 원광연, "증강현실 내비게이션의 인지적·행동적 영향에 관한 연구", 한국시뮬레이션학회 논문지, 제18권, 제4호, pp. 9-20, 2009.
- 하다윤, 반영환. "모바일 증강현실 네비게이션 디자인을 위한 정보요소 분석 및 사용성 조사", 한국HCI학회 학술대회, 783-785, 2011.
- 장시경, 원광연, "RealNavi: 위치기반 증강현실 기술을 이용한 자동차 네비게이션 시스템”, 한국HCI학회 학술대회, pp. 292-297, 2005
- 박새록, 이정민, “국내 증강현실 활용 교육 연구 동향", 학습자중심교과교육연구, 제20권, 제11호, pp. 1-23, 2020.
- 김정희, "가상, 증강현실 콘텐츠의 동향파악을 위한 국내외 선진 현황 분석", 한국게임학회 논문지, 제17권, 제4호, pp. 7-15, 2017.
- 김분희, 이재영. "증강현실 적용 기술 동향" , 한국콘텐츠학지, 14(4), 17-21, 2016.
- 한국편의점산업협회. 편의점 사업의 거래 공정화를 위한 자율 규약. 20019년 1월 28일
- "Building powerful image classification models using very little data." The Keras Blog. 2016년 6월 5일 수정, 2020년 1월 20일 접속, https://blog.keras.io/building-powerful-image-classification-models-using-very-little-data.html.