SlideShare une entreprise Scribd logo
1  sur  27
1. 체감형 게임


  1-1. 체감형 게임이란?


     1)   몸소 체험하며 즐길 수 있는 게임
     2)   탁구, 테니스, 복싱, 야구 등의 스포츠를 직접 하는 것 처럼 즐길 수 있음
     3)   게임을 하는 재미뿐만 아니라 기능성까지 가미됨
     4)   유저와 게임이 상호 작용할 수 있는 기술의 발달로 대중화 되기 시작함
     5)   체감형 게임을 즐기기 위해서는 게임기 + 주변기기가 필요함




                          그림 1) 체감형 게임 플레이
1. 체감형 게임


  1-2. 체감형 게임기의 종류는?


      1) 닌텐도 Wii
        ① 체감형 게임기의 시초
        ② 컨트롤러에 내장된 가속도 센서, 센싱바를 통해 사용자의 움직임 감지
        ③ 세밀한 움직임 감지 어려움 (정확도 향상을 위해 자이로 센서 추가됨)
        ④ 전세계 7450만대 이상 판매. 한국 100만대 돌파(2009. 3)
        ⑤ 대표적 게임 : 위 스포츠, 위 핏, 젤다의 전설 등




                   그림 2) 닌텐도 Wii (좌), Wii Sports 게임 (우)
1. 체감형 게임


      2) 플레이스테이션3 무브
        ① 플레이스테이션3의 주변기기로 판매됨
        ② 닌텐도 위와 비슷한 형태의 컨트롤러 제공
        ③ 카메라를 통해 입력받은 영상을 분석하여 컨트롤러의 수평, 수직 움직임 감지
        ④ 초음파 센서를 통해 거리 감지
        ⑤ 컨트롤러에 내장된 자이로 센서, 가속도 센서를 통해 미세한 움직임 감지
        ⑥ 센서 퓨져닝을 통해 정밀한 움직임 감지 가능
        ⑦ 대표적 게임 : 킬존, 무브 피트니스, 러브 펫 등




              그림 3) 플레이스테이션3 무브 (좌), 킬존3 게임 플레이(우)
1. 체감형 게임


      3) XBox360 키넥트
        ① Xbox360의 주변기기로 판매됨
        ② 발매 5개월만에 전세계 1000만대 판매 (기네스 등재)
        ③ 3개의 영상센서 정보에 기반한 영상처리를 통해 사용자의 움직임을 감지
        ④ 궁극의 체감형 게임기라 불릴 정도로 세밀한 움직임 감지 가능
            (5000개가 넘는 사용자 움직임을 구분할 수 있다)
        ⑤ 별도의 컨트롤러가 필요없다
        ⑥ 대표적 게임 : 댄스센트럴1/2, 스타워즈, 마이클젝슨 등




                 그림 4) Xbox360 키넥트 (좌), 댄스센트럴 게임 플레이 (우)
1. 체감형 게임


  1-3. PC용 체감형 게임은?


     1)   체감형 게임을 PC에서 즐기기 위해서는 전용 주변기기가 필요함.
     2)   진동형 자동차 핸들, 조이스틱 등과 같은 특정 장르에 종속적인 인터페이스 장비가 대부분
     3)   위 컨트롤러와 같은 기능을 하는 PC 전용 제품이 나와있으나 가격이 비싸고 게임
          컨텐츠의 부재로 대중화되지 못함 (14만원)
     4)   키넥트도 PC버전이 출시되었지만 가격이 비싸고 컨텐츠가 부족해 대중화에 걸림돌이 됨




                  그림 5) PC용 드라이빙 휠 (좌) , 조이스틱 (중앙) , 아이스테이션 윙 (우)
1. 체감형 게임


  1-4. 우리 잠깐 다른 얘기 해볼까?




                  1
            15,000,000
            30,000,000
               10명중 3명이
                  2
              스마트폰 사용자!
1. 체감형 게임


  1-5. 체감형 게임과 스마트폰




            그림 6) 아이폰4 스펙   그림 7) 체감형 게임기 컨트롤러
2. 스마트 폰 내장 센서


  2-1. 내장 센서 종류 및 특징


      1) 가속도 센서
        ① X, Y, Z축에 대한 정/동적 가속도를 측정할 때 쓰임
        ② 정적 가속도 : 핸드폰이 정지해 있을 때 받는 중력 가속도 측정 (기울기 측정)
        ③ 동적 가속도 : 핸드폰이 움직일 때, 속도의 변화량 측정 (흔들기 측정)
        ④ 가속도는 짧은 시간에 측정이 가능하지만 회전각도 측정시에는 응답성이 좋지 않음
2. 스마트 폰 내장 센서


      2) 자이로 센서
        ① X, Y, Z축에 대한 회전 각속도 측정에 쓰임 (Roll, Pitch, Yaw측정)
        ② 회전 각속도는 짧은 시간에 측정이 가능하지만 그 값을 신뢰할 수 없음 (Gyro Drift)




     3) 지자계 센서
        ① 절대적인 방위 정보를 얻어올 때 사용 (나침반)
        ② 측정시 응답성이 좋지 않음




                                                            13
2. 스마트 폰 내장 센서


  2-2. 왜! 3개나 필요할까?


     1)   각각의 센서로부터 얻어올 수 있는 값이 다름
     2)   센서별 응답성이 상이하고, 그 신뢰도가 다름
     3)   3개의 센서로 부터 받은 값을 조합해 짧은 시간 내에 신뢰도 높은 값을 측정할 수 있음
      (= 3개의 센서는 상호 보완적이다)




          ※ Roll, Pitch Yaw 측정
              자이로를 이용해 Roll, Pitch, Yaw를 빠른 시간 내에 얻어올 수 있지만, 신뢰도는 낮음
              가속도 센서를 통해 Roll, Pitch를 얻어오고 값이 Stable해지면 자이로 값을 보정
              지자계 센서를 통해 Yaw를 얻어오고 값이 Stable해지면 자이로 값을 보정
2. 스마트 폰 내장 센서


  2-3. 센서 값 이용의 어려움


     1)   센서신호는 기본적으로 노이즈를 포함
     2)   민감도를 조절할 필요있음
     => 필터링




                                  필터링




                          그림 8) 필터링에 따른 센서 값 변화
2. 스마트 폰 내장 센서


  2-4. 필터


     1)   센서 신호에서 필요 없는 부분을 걸러주는 역할을 함
     2)   대표적으로 로우패스 필터, 하이패스 필터가 있음


            ① 로우패스 필터
                 오랜 시간 지속되는 값들만 통과
                 짧은 시간 동안의 값 변화는 필터링


            ② 하이패스 필터
                 오랜 시간 지속되는 값들을 필터링
                 가속도 센서에서 중력 가속도를 필터링 할 때 사용
3. 체감형 게임 제작


  3-1. 구성

     1)   스마트폰 어플
     2)   모션서버
                      PC에서 실행
     3)   체감형 게임




                      체감형 게임

                    진동신호        센서값



                       모션서버                   Wi-Fi or 3G




                                                            스마트폰 어플


                           PC

                                  그림 9) 구성도
3. 체감형 게임 제작


      1) 스마트폰 어플
        ① 유저의 움직임에 따른 센서 값의 변화를 모션서버로 전송하는 역할
        ② 초당 50Hz로 신호를 전송하며, Wi-Fi / 3G망을 통해 무선으로 전송
        ③ 모션서버로부터 진동 신호를 수신하면, 일정 시간 동안 진동
        ④ 배터리 소모를 줄이기 위해 자동으로 화면밝기를 최소화함
        ⑤ 배터리 소모를 줄이기 위해 각종 필터링 연산은 모션서버에서 수행
        ⑥ 지속적인 신호 전송을 위해 Auto Lock 기능 Off
        ⑦ 패킷이 뭉쳐 전송되는 것을 방지하기 위해 Nagle알고리즘 Off
        ⑧ 네트워크 트래픽 : (40 + 72) Byte * 50 Hz = 5600 Byte = 5.6K / sec 트래픽 유발
        ⑨ 배터리 소모 : 30분 사용시 7%감소 ( 60%->53%, 2년사용 핸드폰)
3. 체감형 게임 제작


      2) 모션서버
        ① 각종 센서 값의 변화를 그래프 형태로 볼 수 있으며 이를 이용해 게임 제작시 활용
        ② 스마트폰으로부터 전송 받은 센서 값을 가공하는 역할 (필터링)
        ③ 체감형 게임으로부터 진동신호를 받아 스마트폰으로 전달
        ④ 센서 값을 체감형 게임으로 전달 (IPC이용)
        ⑤ 센서 값을 분석하여, 사용자의 특정 모션을 감지
        ⑥ 자이로의 값을 가속도 센서, 지자계 센서를 이용해 보정하는 역할 (Sensor Fusion)
        ⑦ 각도 범위 보정 수행
        ⑧ 좌표 Calibration 및 좌표 보간 작업
        ⑨ CPU점유율 : 10% 미만, 메모리 : 2800KByte 미만
3. 체감형 게임 제작


      3) 체감형 게임
        ① Cocos2d-X로 게임 제작
        ② Cocos2d-X의 OS Layer를 수정하여 모션 서버로 부터 센서신호를 수신할 수 있도록 수정
        ③ 각종 센서 신호를 수신하여 게임에 활용.
        ④ 유저에게 진동 피드백을 보내야 할 경우, 모션 서버로 명령
3. 체감형 게임 제작


  3-2. 게임 시연




           게임 시연
4. 서비스 적용


  4-1. 기존 게임 적용

     1)   레이싱 게임
     2)   각종 스포츠 게임
     3)   리듬 액션 게임
4. 서비스 적용


  4-2. 신규 게임 제작


  “체감형 게임이 그 자체로 독립 가능한 시장을 형성하기 위해서는 무엇보다 체감형 게임만이
   구현할 수 있는 독특한 컨텐츠의 확보가 절실함. 일반 게임과 확실한 차별성을 부여하면서도
   초기의 체감형 게임이 지녔던 한계를 극복할 수 있는 컨텐츠가 개발되어야 함”


             - ‘한국 콘텐츠 진흥원’에서 발간한 ‘체감형 콘솔게임의 기술 및 시장동향’ 中 -
[E3]deview 2012 스마트폰 내장 센서를 이용한 체감형 게임제작
[E3]deview 2012 스마트폰 내장 센서를 이용한 체감형 게임제작

Contenu connexe

En vedette

안드로이드 플랫폼 설명
안드로이드 플랫폼 설명안드로이드 플랫폼 설명
안드로이드 플랫폼 설명Peter YoungSik Yun
 
[드론] 펌웨어 분석 [2015.5.23]
[드론] 펌웨어 분석 [2015.5.23][드론] 펌웨어 분석 [2015.5.23]
[드론] 펌웨어 분석 [2015.5.23]chcbaram
 
Android ndk jni 설치및 연동
Android ndk jni 설치및 연동Android ndk jni 설치및 연동
Android ndk jni 설치및 연동Sangon Lee
 
스마트 디바이스의 이해와 활용
스마트 디바이스의 이해와 활용스마트 디바이스의 이해와 활용
스마트 디바이스의 이해와 활용지훈 정
 
Titanium 소개 - 당신이 알고 있는 타이타늄 rev.201310
Titanium 소개 - 당신이 알고 있는 타이타늄 rev.201310Titanium 소개 - 당신이 알고 있는 타이타늄 rev.201310
Titanium 소개 - 당신이 알고 있는 타이타늄 rev.201310JongEun Lee
 
유니티 데이드림 (DayDream) 튜토리얼
유니티 데이드림 (DayDream) 튜토리얼유니티 데이드림 (DayDream) 튜토리얼
유니티 데이드림 (DayDream) 튜토리얼Jemin Lee
 
유니티로 flappy brid 만들기(Unity 5.1)
유니티로 flappy brid 만들기(Unity 5.1)유니티로 flappy brid 만들기(Unity 5.1)
유니티로 flappy brid 만들기(Unity 5.1)Changwon National University
 
삼성 스마트Tv 제일기획
삼성 스마트Tv 제일기획삼성 스마트Tv 제일기획
삼성 스마트Tv 제일기획Doubleight
 
온라인세미나: 처음 만나는 RAD Studio XE8
온라인세미나: 처음 만나는 RAD Studio XE8온라인세미나: 처음 만나는 RAD Studio XE8
온라인세미나: 처음 만나는 RAD Studio XE8Devgear
 
로봇청소기 수정
로봇청소기 수정로봇청소기 수정
로봇청소기 수정moonjiye
 
센서와 액츄에이터
센서와 액츄에이터센서와 액츄에이터
센서와 액츄에이터경배 이
 
130723 robot
130723 robot130723 robot
130723 robotgilforum
 

En vedette (16)

안드로이드 플랫폼 설명
안드로이드 플랫폼 설명안드로이드 플랫폼 설명
안드로이드 플랫폼 설명
 
[드론] 펌웨어 분석 [2015.5.23]
[드론] 펌웨어 분석 [2015.5.23][드론] 펌웨어 분석 [2015.5.23]
[드론] 펌웨어 분석 [2015.5.23]
 
Android ndk jni 설치및 연동
Android ndk jni 설치및 연동Android ndk jni 설치및 연동
Android ndk jni 설치및 연동
 
스마트 디바이스의 이해와 활용
스마트 디바이스의 이해와 활용스마트 디바이스의 이해와 활용
스마트 디바이스의 이해와 활용
 
Ffmpeg for android
Ffmpeg for androidFfmpeg for android
Ffmpeg for android
 
Titanium 소개 - 당신이 알고 있는 타이타늄 rev.201310
Titanium 소개 - 당신이 알고 있는 타이타늄 rev.201310Titanium 소개 - 당신이 알고 있는 타이타늄 rev.201310
Titanium 소개 - 당신이 알고 있는 타이타늄 rev.201310
 
유니티 데이드림 (DayDream) 튜토리얼
유니티 데이드림 (DayDream) 튜토리얼유니티 데이드림 (DayDream) 튜토리얼
유니티 데이드림 (DayDream) 튜토리얼
 
유니티로 flappy brid 만들기(Unity 5.1)
유니티로 flappy brid 만들기(Unity 5.1)유니티로 flappy brid 만들기(Unity 5.1)
유니티로 flappy brid 만들기(Unity 5.1)
 
FreeRTOS
FreeRTOSFreeRTOS
FreeRTOS
 
삼성 스마트Tv 제일기획
삼성 스마트Tv 제일기획삼성 스마트Tv 제일기획
삼성 스마트Tv 제일기획
 
Beyond screen, New experience
Beyond screen, New experienceBeyond screen, New experience
Beyond screen, New experience
 
온라인세미나: 처음 만나는 RAD Studio XE8
온라인세미나: 처음 만나는 RAD Studio XE8온라인세미나: 처음 만나는 RAD Studio XE8
온라인세미나: 처음 만나는 RAD Studio XE8
 
로봇청소기 수정
로봇청소기 수정로봇청소기 수정
로봇청소기 수정
 
Android Wear Development
Android Wear DevelopmentAndroid Wear Development
Android Wear Development
 
센서와 액츄에이터
센서와 액츄에이터센서와 액츄에이터
센서와 액츄에이터
 
130723 robot
130723 robot130723 robot
130723 robot
 

Similaire à [E3]deview 2012 스마트폰 내장 센서를 이용한 체감형 게임제작

증강현실을 통한 두더지잡기 게임
증강현실을 통한 두더지잡기 게임증강현실을 통한 두더지잡기 게임
증강현실을 통한 두더지잡기 게임Junhee Han
 
증강현실을 통한 두더지잡기 게임
증강현실을 통한 두더지잡기 게임증강현실을 통한 두더지잡기 게임
증강현실을 통한 두더지잡기 게임Junhee Han
 
증강현실을 통한 두더지잡기 게임
증강현실을 통한 두더지잡기 게임증강현실을 통한 두더지잡기 게임
증강현실을 통한 두더지잡기 게임Junhee Han
 
안드로이드
안드로이드안드로이드
안드로이드teamoelly
 
웨어러블 디바이스 트렌드 20180330
웨어러블 디바이스 트렌드 20180330 웨어러블 디바이스 트렌드 20180330
웨어러블 디바이스 트렌드 20180330 Neo Kim (김석기)
 
2006 kwisf widef technique conference imo
2006 kwisf widef technique conference imo2006 kwisf widef technique conference imo
2006 kwisf widef technique conference imoSangbum Oh
 
20110304 introduction to kinect
20110304 introduction to kinect20110304 introduction to kinect
20110304 introduction to kinectSeongahn Kim
 
Duroom_SaraNagi_BusinessPlan
Duroom_SaraNagi_BusinessPlanDuroom_SaraNagi_BusinessPlan
Duroom_SaraNagi_BusinessPlan진영 최
 
Iot 비즈니스 기회
Iot 비즈니스 기회Iot 비즈니스 기회
Iot 비즈니스 기회Kim jeehyun
 
[법무법인 민후 | 김경환변호사] 게임저작권과 게임특허
[법무법인 민후 | 김경환변호사] 게임저작권과 게임특허[법무법인 민후 | 김경환변호사] 게임저작권과 게임특허
[법무법인 민후 | 김경환변호사] 게임저작권과 게임특허MINWHO Law Group
 
Korea game market 20151202
Korea game market 20151202Korea game market 20151202
Korea game market 20151202진일 최
 
IoT/웨어러블 디바이스에서의 동작인식 기술 및 활용분야 (2014년)
IoT/웨어러블 디바이스에서의 동작인식 기술 및 활용분야 (2014년)IoT/웨어러블 디바이스에서의 동작인식 기술 및 활용분야 (2014년)
IoT/웨어러블 디바이스에서의 동작인식 기술 및 활용분야 (2014년)훈주 윤
 
유니티 게임 그래픽스 아트 개발 사례 분석
유니티 게임 그래픽스 아트 개발 사례 분석유니티 게임 그래픽스 아트 개발 사례 분석
유니티 게임 그래픽스 아트 개발 사례 분석SangYun Yi
 
kgc2010 - 차세대 모바일 게임 전략과 WP7
kgc2010 - 차세대 모바일 게임 전략과 WP7kgc2010 - 차세대 모바일 게임 전략과 WP7
kgc2010 - 차세대 모바일 게임 전략과 WP7Seo Jinho
 
웨어러블 디바이스 산업의 성공 가능성 진단
 웨어러블 디바이스 산업의 성공 가능성 진단 웨어러블 디바이스 산업의 성공 가능성 진단
웨어러블 디바이스 산업의 성공 가능성 진단Soomin(Simon) Shim
 
2014년 창원대학교 정보통신공학과 졸업논문집 Gateway
2014년 창원대학교 정보통신공학과 졸업논문집 Gateway2014년 창원대학교 정보통신공학과 졸업논문집 Gateway
2014년 창원대학교 정보통신공학과 졸업논문집 GatewayChangwon National University
 
[IGC2018] 유니티 함영호 - 디바이스를 통해 본 모바일 게임 마켓 인사이트
[IGC2018] 유니티 함영호 - 디바이스를 통해 본 모바일 게임 마켓 인사이트[IGC2018] 유니티 함영호 - 디바이스를 통해 본 모바일 게임 마켓 인사이트
[IGC2018] 유니티 함영호 - 디바이스를 통해 본 모바일 게임 마켓 인사이트강 민우
 
Rhea smart product130316
Rhea smart product130316Rhea smart product130316
Rhea smart product130316Rhea Strike
 

Similaire à [E3]deview 2012 스마트폰 내장 센서를 이용한 체감형 게임제작 (20)

증강현실을 통한 두더지잡기 게임
증강현실을 통한 두더지잡기 게임증강현실을 통한 두더지잡기 게임
증강현실을 통한 두더지잡기 게임
 
증강현실을 통한 두더지잡기 게임
증강현실을 통한 두더지잡기 게임증강현실을 통한 두더지잡기 게임
증강현실을 통한 두더지잡기 게임
 
증강현실을 통한 두더지잡기 게임
증강현실을 통한 두더지잡기 게임증강현실을 통한 두더지잡기 게임
증강현실을 통한 두더지잡기 게임
 
안드로이드
안드로이드안드로이드
안드로이드
 
웨어러블 디바이스 트렌드 20180330
웨어러블 디바이스 트렌드 20180330 웨어러블 디바이스 트렌드 20180330
웨어러블 디바이스 트렌드 20180330
 
2006 kwisf widef technique conference imo
2006 kwisf widef technique conference imo2006 kwisf widef technique conference imo
2006 kwisf widef technique conference imo
 
20110304 introduction to kinect
20110304 introduction to kinect20110304 introduction to kinect
20110304 introduction to kinect
 
NUI와 Kinect
NUI와 KinectNUI와 Kinect
NUI와 Kinect
 
Duroom_SaraNagi_BusinessPlan
Duroom_SaraNagi_BusinessPlanDuroom_SaraNagi_BusinessPlan
Duroom_SaraNagi_BusinessPlan
 
Iot 비즈니스 기회
Iot 비즈니스 기회Iot 비즈니스 기회
Iot 비즈니스 기회
 
[법무법인 민후 | 김경환변호사] 게임저작권과 게임특허
[법무법인 민후 | 김경환변호사] 게임저작권과 게임특허[법무법인 민후 | 김경환변호사] 게임저작권과 게임특허
[법무법인 민후 | 김경환변호사] 게임저작권과 게임특허
 
Korea game market 20151202
Korea game market 20151202Korea game market 20151202
Korea game market 20151202
 
IoT/웨어러블 디바이스에서의 동작인식 기술 및 활용분야 (2014년)
IoT/웨어러블 디바이스에서의 동작인식 기술 및 활용분야 (2014년)IoT/웨어러블 디바이스에서의 동작인식 기술 및 활용분야 (2014년)
IoT/웨어러블 디바이스에서의 동작인식 기술 및 활용분야 (2014년)
 
유니티 게임 그래픽스 아트 개발 사례 분석
유니티 게임 그래픽스 아트 개발 사례 분석유니티 게임 그래픽스 아트 개발 사례 분석
유니티 게임 그래픽스 아트 개발 사례 분석
 
Vr 기술
Vr 기술Vr 기술
Vr 기술
 
kgc2010 - 차세대 모바일 게임 전략과 WP7
kgc2010 - 차세대 모바일 게임 전략과 WP7kgc2010 - 차세대 모바일 게임 전략과 WP7
kgc2010 - 차세대 모바일 게임 전략과 WP7
 
웨어러블 디바이스 산업의 성공 가능성 진단
 웨어러블 디바이스 산업의 성공 가능성 진단 웨어러블 디바이스 산업의 성공 가능성 진단
웨어러블 디바이스 산업의 성공 가능성 진단
 
2014년 창원대학교 정보통신공학과 졸업논문집 Gateway
2014년 창원대학교 정보통신공학과 졸업논문집 Gateway2014년 창원대학교 정보통신공학과 졸업논문집 Gateway
2014년 창원대학교 정보통신공학과 졸업논문집 Gateway
 
[IGC2018] 유니티 함영호 - 디바이스를 통해 본 모바일 게임 마켓 인사이트
[IGC2018] 유니티 함영호 - 디바이스를 통해 본 모바일 게임 마켓 인사이트[IGC2018] 유니티 함영호 - 디바이스를 통해 본 모바일 게임 마켓 인사이트
[IGC2018] 유니티 함영호 - 디바이스를 통해 본 모바일 게임 마켓 인사이트
 
Rhea smart product130316
Rhea smart product130316Rhea smart product130316
Rhea smart product130316
 

Plus de NAVER D2

[211] 인공지능이 인공지능 챗봇을 만든다
[211] 인공지능이 인공지능 챗봇을 만든다[211] 인공지능이 인공지능 챗봇을 만든다
[211] 인공지능이 인공지능 챗봇을 만든다NAVER D2
 
[233] 대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing: Maglev Hashing Scheduler i...
[233] 대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing: Maglev Hashing Scheduler i...[233] 대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing: Maglev Hashing Scheduler i...
[233] 대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing: Maglev Hashing Scheduler i...NAVER D2
 
[215] Druid로 쉽고 빠르게 데이터 분석하기
[215] Druid로 쉽고 빠르게 데이터 분석하기[215] Druid로 쉽고 빠르게 데이터 분석하기
[215] Druid로 쉽고 빠르게 데이터 분석하기NAVER D2
 
[245]Papago Internals: 모델분석과 응용기술 개발
[245]Papago Internals: 모델분석과 응용기술 개발[245]Papago Internals: 모델분석과 응용기술 개발
[245]Papago Internals: 모델분석과 응용기술 개발NAVER D2
 
[236] 스트림 저장소 최적화 이야기: 아파치 드루이드로부터 얻은 교훈
[236] 스트림 저장소 최적화 이야기: 아파치 드루이드로부터 얻은 교훈[236] 스트림 저장소 최적화 이야기: 아파치 드루이드로부터 얻은 교훈
[236] 스트림 저장소 최적화 이야기: 아파치 드루이드로부터 얻은 교훈NAVER D2
 
[235]Wikipedia-scale Q&A
[235]Wikipedia-scale Q&A[235]Wikipedia-scale Q&A
[235]Wikipedia-scale Q&ANAVER D2
 
[244]로봇이 현실 세계에 대해 학습하도록 만들기
[244]로봇이 현실 세계에 대해 학습하도록 만들기[244]로봇이 현실 세계에 대해 학습하도록 만들기
[244]로봇이 현실 세계에 대해 학습하도록 만들기NAVER D2
 
[243] Deep Learning to help student’s Deep Learning
[243] Deep Learning to help student’s Deep Learning[243] Deep Learning to help student’s Deep Learning
[243] Deep Learning to help student’s Deep LearningNAVER D2
 
[234]Fast & Accurate Data Annotation Pipeline for AI applications
[234]Fast & Accurate Data Annotation Pipeline for AI applications[234]Fast & Accurate Data Annotation Pipeline for AI applications
[234]Fast & Accurate Data Annotation Pipeline for AI applicationsNAVER D2
 
Old version: [233]대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing
Old version: [233]대형 컨테이너 클러스터에서의 고가용성 Network Load BalancingOld version: [233]대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing
Old version: [233]대형 컨테이너 클러스터에서의 고가용성 Network Load BalancingNAVER D2
 
[226]NAVER 광고 deep click prediction: 모델링부터 서빙까지
[226]NAVER 광고 deep click prediction: 모델링부터 서빙까지[226]NAVER 광고 deep click prediction: 모델링부터 서빙까지
[226]NAVER 광고 deep click prediction: 모델링부터 서빙까지NAVER D2
 
[225]NSML: 머신러닝 플랫폼 서비스하기 & 모델 튜닝 자동화하기
[225]NSML: 머신러닝 플랫폼 서비스하기 & 모델 튜닝 자동화하기[225]NSML: 머신러닝 플랫폼 서비스하기 & 모델 튜닝 자동화하기
[225]NSML: 머신러닝 플랫폼 서비스하기 & 모델 튜닝 자동화하기NAVER D2
 
[224]네이버 검색과 개인화
[224]네이버 검색과 개인화[224]네이버 검색과 개인화
[224]네이버 검색과 개인화NAVER D2
 
[216]Search Reliability Engineering (부제: 지진에도 흔들리지 않는 네이버 검색시스템)
[216]Search Reliability Engineering (부제: 지진에도 흔들리지 않는 네이버 검색시스템)[216]Search Reliability Engineering (부제: 지진에도 흔들리지 않는 네이버 검색시스템)
[216]Search Reliability Engineering (부제: 지진에도 흔들리지 않는 네이버 검색시스템)NAVER D2
 
[214] Ai Serving Platform: 하루 수 억 건의 인퍼런스를 처리하기 위한 고군분투기
[214] Ai Serving Platform: 하루 수 억 건의 인퍼런스를 처리하기 위한 고군분투기[214] Ai Serving Platform: 하루 수 억 건의 인퍼런스를 처리하기 위한 고군분투기
[214] Ai Serving Platform: 하루 수 억 건의 인퍼런스를 처리하기 위한 고군분투기NAVER D2
 
[213] Fashion Visual Search
[213] Fashion Visual Search[213] Fashion Visual Search
[213] Fashion Visual SearchNAVER D2
 
[232] TensorRT를 활용한 딥러닝 Inference 최적화
[232] TensorRT를 활용한 딥러닝 Inference 최적화[232] TensorRT를 활용한 딥러닝 Inference 최적화
[232] TensorRT를 활용한 딥러닝 Inference 최적화NAVER D2
 
[242]컴퓨터 비전을 이용한 실내 지도 자동 업데이트 방법: 딥러닝을 통한 POI 변화 탐지
[242]컴퓨터 비전을 이용한 실내 지도 자동 업데이트 방법: 딥러닝을 통한 POI 변화 탐지[242]컴퓨터 비전을 이용한 실내 지도 자동 업데이트 방법: 딥러닝을 통한 POI 변화 탐지
[242]컴퓨터 비전을 이용한 실내 지도 자동 업데이트 방법: 딥러닝을 통한 POI 변화 탐지NAVER D2
 
[212]C3, 데이터 처리에서 서빙까지 가능한 하둡 클러스터
[212]C3, 데이터 처리에서 서빙까지 가능한 하둡 클러스터[212]C3, 데이터 처리에서 서빙까지 가능한 하둡 클러스터
[212]C3, 데이터 처리에서 서빙까지 가능한 하둡 클러스터NAVER D2
 
[223]기계독해 QA: 검색인가, NLP인가?
[223]기계독해 QA: 검색인가, NLP인가?[223]기계독해 QA: 검색인가, NLP인가?
[223]기계독해 QA: 검색인가, NLP인가?NAVER D2
 

Plus de NAVER D2 (20)

[211] 인공지능이 인공지능 챗봇을 만든다
[211] 인공지능이 인공지능 챗봇을 만든다[211] 인공지능이 인공지능 챗봇을 만든다
[211] 인공지능이 인공지능 챗봇을 만든다
 
[233] 대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing: Maglev Hashing Scheduler i...
[233] 대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing: Maglev Hashing Scheduler i...[233] 대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing: Maglev Hashing Scheduler i...
[233] 대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing: Maglev Hashing Scheduler i...
 
[215] Druid로 쉽고 빠르게 데이터 분석하기
[215] Druid로 쉽고 빠르게 데이터 분석하기[215] Druid로 쉽고 빠르게 데이터 분석하기
[215] Druid로 쉽고 빠르게 데이터 분석하기
 
[245]Papago Internals: 모델분석과 응용기술 개발
[245]Papago Internals: 모델분석과 응용기술 개발[245]Papago Internals: 모델분석과 응용기술 개발
[245]Papago Internals: 모델분석과 응용기술 개발
 
[236] 스트림 저장소 최적화 이야기: 아파치 드루이드로부터 얻은 교훈
[236] 스트림 저장소 최적화 이야기: 아파치 드루이드로부터 얻은 교훈[236] 스트림 저장소 최적화 이야기: 아파치 드루이드로부터 얻은 교훈
[236] 스트림 저장소 최적화 이야기: 아파치 드루이드로부터 얻은 교훈
 
[235]Wikipedia-scale Q&A
[235]Wikipedia-scale Q&A[235]Wikipedia-scale Q&A
[235]Wikipedia-scale Q&A
 
[244]로봇이 현실 세계에 대해 학습하도록 만들기
[244]로봇이 현실 세계에 대해 학습하도록 만들기[244]로봇이 현실 세계에 대해 학습하도록 만들기
[244]로봇이 현실 세계에 대해 학습하도록 만들기
 
[243] Deep Learning to help student’s Deep Learning
[243] Deep Learning to help student’s Deep Learning[243] Deep Learning to help student’s Deep Learning
[243] Deep Learning to help student’s Deep Learning
 
[234]Fast & Accurate Data Annotation Pipeline for AI applications
[234]Fast & Accurate Data Annotation Pipeline for AI applications[234]Fast & Accurate Data Annotation Pipeline for AI applications
[234]Fast & Accurate Data Annotation Pipeline for AI applications
 
Old version: [233]대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing
Old version: [233]대형 컨테이너 클러스터에서의 고가용성 Network Load BalancingOld version: [233]대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing
Old version: [233]대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing
 
[226]NAVER 광고 deep click prediction: 모델링부터 서빙까지
[226]NAVER 광고 deep click prediction: 모델링부터 서빙까지[226]NAVER 광고 deep click prediction: 모델링부터 서빙까지
[226]NAVER 광고 deep click prediction: 모델링부터 서빙까지
 
[225]NSML: 머신러닝 플랫폼 서비스하기 & 모델 튜닝 자동화하기
[225]NSML: 머신러닝 플랫폼 서비스하기 & 모델 튜닝 자동화하기[225]NSML: 머신러닝 플랫폼 서비스하기 & 모델 튜닝 자동화하기
[225]NSML: 머신러닝 플랫폼 서비스하기 & 모델 튜닝 자동화하기
 
[224]네이버 검색과 개인화
[224]네이버 검색과 개인화[224]네이버 검색과 개인화
[224]네이버 검색과 개인화
 
[216]Search Reliability Engineering (부제: 지진에도 흔들리지 않는 네이버 검색시스템)
[216]Search Reliability Engineering (부제: 지진에도 흔들리지 않는 네이버 검색시스템)[216]Search Reliability Engineering (부제: 지진에도 흔들리지 않는 네이버 검색시스템)
[216]Search Reliability Engineering (부제: 지진에도 흔들리지 않는 네이버 검색시스템)
 
[214] Ai Serving Platform: 하루 수 억 건의 인퍼런스를 처리하기 위한 고군분투기
[214] Ai Serving Platform: 하루 수 억 건의 인퍼런스를 처리하기 위한 고군분투기[214] Ai Serving Platform: 하루 수 억 건의 인퍼런스를 처리하기 위한 고군분투기
[214] Ai Serving Platform: 하루 수 억 건의 인퍼런스를 처리하기 위한 고군분투기
 
[213] Fashion Visual Search
[213] Fashion Visual Search[213] Fashion Visual Search
[213] Fashion Visual Search
 
[232] TensorRT를 활용한 딥러닝 Inference 최적화
[232] TensorRT를 활용한 딥러닝 Inference 최적화[232] TensorRT를 활용한 딥러닝 Inference 최적화
[232] TensorRT를 활용한 딥러닝 Inference 최적화
 
[242]컴퓨터 비전을 이용한 실내 지도 자동 업데이트 방법: 딥러닝을 통한 POI 변화 탐지
[242]컴퓨터 비전을 이용한 실내 지도 자동 업데이트 방법: 딥러닝을 통한 POI 변화 탐지[242]컴퓨터 비전을 이용한 실내 지도 자동 업데이트 방법: 딥러닝을 통한 POI 변화 탐지
[242]컴퓨터 비전을 이용한 실내 지도 자동 업데이트 방법: 딥러닝을 통한 POI 변화 탐지
 
[212]C3, 데이터 처리에서 서빙까지 가능한 하둡 클러스터
[212]C3, 데이터 처리에서 서빙까지 가능한 하둡 클러스터[212]C3, 데이터 처리에서 서빙까지 가능한 하둡 클러스터
[212]C3, 데이터 처리에서 서빙까지 가능한 하둡 클러스터
 
[223]기계독해 QA: 검색인가, NLP인가?
[223]기계독해 QA: 검색인가, NLP인가?[223]기계독해 QA: 검색인가, NLP인가?
[223]기계독해 QA: 검색인가, NLP인가?
 

[E3]deview 2012 스마트폰 내장 센서를 이용한 체감형 게임제작

  • 1.
  • 2.
  • 3.
  • 4. 1. 체감형 게임 1-1. 체감형 게임이란? 1) 몸소 체험하며 즐길 수 있는 게임 2) 탁구, 테니스, 복싱, 야구 등의 스포츠를 직접 하는 것 처럼 즐길 수 있음 3) 게임을 하는 재미뿐만 아니라 기능성까지 가미됨 4) 유저와 게임이 상호 작용할 수 있는 기술의 발달로 대중화 되기 시작함 5) 체감형 게임을 즐기기 위해서는 게임기 + 주변기기가 필요함 그림 1) 체감형 게임 플레이
  • 5. 1. 체감형 게임 1-2. 체감형 게임기의 종류는? 1) 닌텐도 Wii ① 체감형 게임기의 시초 ② 컨트롤러에 내장된 가속도 센서, 센싱바를 통해 사용자의 움직임 감지 ③ 세밀한 움직임 감지 어려움 (정확도 향상을 위해 자이로 센서 추가됨) ④ 전세계 7450만대 이상 판매. 한국 100만대 돌파(2009. 3) ⑤ 대표적 게임 : 위 스포츠, 위 핏, 젤다의 전설 등 그림 2) 닌텐도 Wii (좌), Wii Sports 게임 (우)
  • 6. 1. 체감형 게임 2) 플레이스테이션3 무브 ① 플레이스테이션3의 주변기기로 판매됨 ② 닌텐도 위와 비슷한 형태의 컨트롤러 제공 ③ 카메라를 통해 입력받은 영상을 분석하여 컨트롤러의 수평, 수직 움직임 감지 ④ 초음파 센서를 통해 거리 감지 ⑤ 컨트롤러에 내장된 자이로 센서, 가속도 센서를 통해 미세한 움직임 감지 ⑥ 센서 퓨져닝을 통해 정밀한 움직임 감지 가능 ⑦ 대표적 게임 : 킬존, 무브 피트니스, 러브 펫 등 그림 3) 플레이스테이션3 무브 (좌), 킬존3 게임 플레이(우)
  • 7. 1. 체감형 게임 3) XBox360 키넥트 ① Xbox360의 주변기기로 판매됨 ② 발매 5개월만에 전세계 1000만대 판매 (기네스 등재) ③ 3개의 영상센서 정보에 기반한 영상처리를 통해 사용자의 움직임을 감지 ④ 궁극의 체감형 게임기라 불릴 정도로 세밀한 움직임 감지 가능 (5000개가 넘는 사용자 움직임을 구분할 수 있다) ⑤ 별도의 컨트롤러가 필요없다 ⑥ 대표적 게임 : 댄스센트럴1/2, 스타워즈, 마이클젝슨 등 그림 4) Xbox360 키넥트 (좌), 댄스센트럴 게임 플레이 (우)
  • 8. 1. 체감형 게임 1-3. PC용 체감형 게임은? 1) 체감형 게임을 PC에서 즐기기 위해서는 전용 주변기기가 필요함. 2) 진동형 자동차 핸들, 조이스틱 등과 같은 특정 장르에 종속적인 인터페이스 장비가 대부분 3) 위 컨트롤러와 같은 기능을 하는 PC 전용 제품이 나와있으나 가격이 비싸고 게임 컨텐츠의 부재로 대중화되지 못함 (14만원) 4) 키넥트도 PC버전이 출시되었지만 가격이 비싸고 컨텐츠가 부족해 대중화에 걸림돌이 됨 그림 5) PC용 드라이빙 휠 (좌) , 조이스틱 (중앙) , 아이스테이션 윙 (우)
  • 9. 1. 체감형 게임 1-4. 우리 잠깐 다른 얘기 해볼까? 1 15,000,000 30,000,000 10명중 3명이 2 스마트폰 사용자!
  • 10. 1. 체감형 게임 1-5. 체감형 게임과 스마트폰 그림 6) 아이폰4 스펙 그림 7) 체감형 게임기 컨트롤러
  • 11.
  • 12. 2. 스마트 폰 내장 센서 2-1. 내장 센서 종류 및 특징 1) 가속도 센서 ① X, Y, Z축에 대한 정/동적 가속도를 측정할 때 쓰임 ② 정적 가속도 : 핸드폰이 정지해 있을 때 받는 중력 가속도 측정 (기울기 측정) ③ 동적 가속도 : 핸드폰이 움직일 때, 속도의 변화량 측정 (흔들기 측정) ④ 가속도는 짧은 시간에 측정이 가능하지만 회전각도 측정시에는 응답성이 좋지 않음
  • 13. 2. 스마트 폰 내장 센서 2) 자이로 센서 ① X, Y, Z축에 대한 회전 각속도 측정에 쓰임 (Roll, Pitch, Yaw측정) ② 회전 각속도는 짧은 시간에 측정이 가능하지만 그 값을 신뢰할 수 없음 (Gyro Drift) 3) 지자계 센서 ① 절대적인 방위 정보를 얻어올 때 사용 (나침반) ② 측정시 응답성이 좋지 않음 13
  • 14. 2. 스마트 폰 내장 센서 2-2. 왜! 3개나 필요할까? 1) 각각의 센서로부터 얻어올 수 있는 값이 다름 2) 센서별 응답성이 상이하고, 그 신뢰도가 다름 3) 3개의 센서로 부터 받은 값을 조합해 짧은 시간 내에 신뢰도 높은 값을 측정할 수 있음 (= 3개의 센서는 상호 보완적이다) ※ Roll, Pitch Yaw 측정  자이로를 이용해 Roll, Pitch, Yaw를 빠른 시간 내에 얻어올 수 있지만, 신뢰도는 낮음  가속도 센서를 통해 Roll, Pitch를 얻어오고 값이 Stable해지면 자이로 값을 보정  지자계 센서를 통해 Yaw를 얻어오고 값이 Stable해지면 자이로 값을 보정
  • 15. 2. 스마트 폰 내장 센서 2-3. 센서 값 이용의 어려움 1) 센서신호는 기본적으로 노이즈를 포함 2) 민감도를 조절할 필요있음 => 필터링 필터링 그림 8) 필터링에 따른 센서 값 변화
  • 16. 2. 스마트 폰 내장 센서 2-4. 필터 1) 센서 신호에서 필요 없는 부분을 걸러주는 역할을 함 2) 대표적으로 로우패스 필터, 하이패스 필터가 있음 ① 로우패스 필터  오랜 시간 지속되는 값들만 통과  짧은 시간 동안의 값 변화는 필터링 ② 하이패스 필터  오랜 시간 지속되는 값들을 필터링  가속도 센서에서 중력 가속도를 필터링 할 때 사용
  • 17.
  • 18. 3. 체감형 게임 제작 3-1. 구성 1) 스마트폰 어플 2) 모션서버 PC에서 실행 3) 체감형 게임 체감형 게임 진동신호 센서값 모션서버 Wi-Fi or 3G 스마트폰 어플 PC 그림 9) 구성도
  • 19. 3. 체감형 게임 제작 1) 스마트폰 어플 ① 유저의 움직임에 따른 센서 값의 변화를 모션서버로 전송하는 역할 ② 초당 50Hz로 신호를 전송하며, Wi-Fi / 3G망을 통해 무선으로 전송 ③ 모션서버로부터 진동 신호를 수신하면, 일정 시간 동안 진동 ④ 배터리 소모를 줄이기 위해 자동으로 화면밝기를 최소화함 ⑤ 배터리 소모를 줄이기 위해 각종 필터링 연산은 모션서버에서 수행 ⑥ 지속적인 신호 전송을 위해 Auto Lock 기능 Off ⑦ 패킷이 뭉쳐 전송되는 것을 방지하기 위해 Nagle알고리즘 Off ⑧ 네트워크 트래픽 : (40 + 72) Byte * 50 Hz = 5600 Byte = 5.6K / sec 트래픽 유발 ⑨ 배터리 소모 : 30분 사용시 7%감소 ( 60%->53%, 2년사용 핸드폰)
  • 20. 3. 체감형 게임 제작 2) 모션서버 ① 각종 센서 값의 변화를 그래프 형태로 볼 수 있으며 이를 이용해 게임 제작시 활용 ② 스마트폰으로부터 전송 받은 센서 값을 가공하는 역할 (필터링) ③ 체감형 게임으로부터 진동신호를 받아 스마트폰으로 전달 ④ 센서 값을 체감형 게임으로 전달 (IPC이용) ⑤ 센서 값을 분석하여, 사용자의 특정 모션을 감지 ⑥ 자이로의 값을 가속도 센서, 지자계 센서를 이용해 보정하는 역할 (Sensor Fusion) ⑦ 각도 범위 보정 수행 ⑧ 좌표 Calibration 및 좌표 보간 작업 ⑨ CPU점유율 : 10% 미만, 메모리 : 2800KByte 미만
  • 21. 3. 체감형 게임 제작 3) 체감형 게임 ① Cocos2d-X로 게임 제작 ② Cocos2d-X의 OS Layer를 수정하여 모션 서버로 부터 센서신호를 수신할 수 있도록 수정 ③ 각종 센서 신호를 수신하여 게임에 활용. ④ 유저에게 진동 피드백을 보내야 할 경우, 모션 서버로 명령
  • 22. 3. 체감형 게임 제작 3-2. 게임 시연 게임 시연
  • 23.
  • 24. 4. 서비스 적용 4-1. 기존 게임 적용 1) 레이싱 게임 2) 각종 스포츠 게임 3) 리듬 액션 게임
  • 25. 4. 서비스 적용 4-2. 신규 게임 제작 “체감형 게임이 그 자체로 독립 가능한 시장을 형성하기 위해서는 무엇보다 체감형 게임만이 구현할 수 있는 독특한 컨텐츠의 확보가 절실함. 일반 게임과 확실한 차별성을 부여하면서도 초기의 체감형 게임이 지녔던 한계를 극복할 수 있는 컨텐츠가 개발되어야 함” - ‘한국 콘텐츠 진흥원’에서 발간한 ‘체감형 콘솔게임의 기술 및 시장동향’ 中 -