스테레오비전 (Stereo Vision)
쉽게 풀면
사람의 두 눈처럼 카메라 두 대를 나란히 두고, 같은 물체가 두 사진에서 얼마나 다르게 보이는지를 비교해 거리감을 얻는 방법입니다.
왜 중요한가
별도의 능동 발광 장치 없이도 시차 정보만으로 3차원 깊이를 계산할 수 있어, 실외 환경에서도 활용 가능한 저비용 깊이 인식 기술로 자율주행과 이동로봇에 사용됩니다. 적외선을 쏘아 깊이를 재는 방식은 햇빛이 강한 실외에서는 신호가 묻혀 제대로 작동하지 않는 경우가 많은데, 스테레오비전은 빛을 스스로 쏘지 않고 두 카메라의 영상 차이만으로 거리를 계산하기 때문에 야외에서도 안정적으로 동작해 자율주행차의 핵심 깊이 인식 수단 중 하나로 다뤄집니다.
논문에서는 이렇게 쓰입니다
같은 점이 왼쪽 카메라와 오른쪽 카메라에서 얼마나 다른 위치에 찍히는지(시차)를 계산하면, 그 점이 얼마나 멀리 있는지 삼각법으로 알 수 있다는 뜻입니다.
카메라 두 대의 간격(기준선)이라는 물리적 설계 변수 하나가 원거리와 근거리 인식 성능 사이의 균형을 결정한다는 점을 보여주는 문장이다.
조금 더 깊게 보면
스테레오비전은 텍스처가 부족한 표면(흰 벽 등)에서는 시차 계산이 어려워 깊이 정확도가 떨어지는 한계가 있어, 다른 센서와의 융합이 필요한 경우가 많습니다. 두 카메라의 간격(기준선)이 넓을수록 먼 거리의 깊이 정확도는 좋아지지만 가까운 물체는 양쪽 카메라의 시야가 겹치지 않아 오히려 인식이 어려워지는 절충 관계가 있어, 로봇의 용도에 맞는 기준선 설계가 중요합니다. 최근에는 전통적인 대응점 매칭 대신 딥러닝으로 시차를 직접 추정하는 방법이 텍스처가 부족한 환경에서도 더 안정적인 성능을 보이며 널리 채택되고 있습니다. 정합 과정에서 생기는 좌우 영상의 국소적 대응 오류를 줄이기 위해 준전역(semi-global) 매칭처럼 주변 화소 간의 일관성까지 함께 고려하는 방법이 널리 쓰이며, 이는 개별 화소만 비교하는 단순 방식보다 잡음에 강합니다.
주의할 점
텍스처가 거의 없는 평평한 표면에서는 좌우 영상의 대응점을 찾기 어려워 깊이 추정이 부정확해집니다.
두 카메라의 광축이 완벽히 평행하지 않으면 정합 전에 반드시 정류(rectification) 과정을 거쳐야 하며, 이를 생략하면 시차 계산 자체가 어긋납니다.