컴퓨터 비전

컴퓨터 비전 September 27, 2026 Lab

이미지 밝기·휘도 Lab — 노출, 감마, 클리핑 비교

합성 회색조 이미지의 히스토그램과 기울기로 선형 노출과 인코딩 값 조정을 비교합니다.

Hands-on · 3 분 읽기 컴퓨터 비전 September 27, 2026 Lab

특징점 추출 Lab — Harris와 Shi–Tomasi 비교

합성 영상의 회전, 크기, 밝기를 바꾸고 검출된 코너와 알려진 변환으로 얻은 참조 위치를 비교합니다.

Hands-on · 3 분 읽기 컴퓨터 비전 September 27, 2026 Lab

특징점 매칭 Lab — 기술자 필터, 기하 인라이어와 참값 구분

영상 패치를 비교하고 대응 후보를 걸러, 기하적으로 일치해도 올바른 매칭이 아닐 수 있음을 확인합니다.

Hands-on · 3 분 읽기 컴퓨터 비전 September 27, 2026 Lab

광류 Lab: 두 프레임 사이의 움직임 추적

영상 특징점의 이동을 추정하고 알려진 합성 변환과 비교합니다. 밝기 변화, 가림, 개구 문제에 따른 실패를 살펴봅니다.

Hands-on · 4 분 읽기 컴퓨터 비전 September 13, 2026

단안식 깊이 추정 - 상대적 순서에서 미터법 거리까지

단안 심도에 대한 기본 설명: 상대적 심도와 미터법 심도, 척도 모호성, 평가 프로토콜 및 고장 조건

학습 가이드 · 4 분 읽기 컴퓨터 비전 September 13, 2026

뉴럴 3D — 새로운 시점 합성 및 시각적/기하학적 평가 분리

신경망을 이용한 장면 표현, 새로운 시점 합성, 검증된 시점, 그리고 시각적 평가와 기하학적 평가의 분리에 대한 입문서.

학습 가이드 · 4 분 읽기 컴퓨터 비전 September 7, 2026

특징점 추적 기초 — 프레임 간 동일한 지점을 놓치지 않는 방법

특징점 추적은 비디오 시퀀스의 여러 프레임에서 동일한 물리적 지점을 매칭하는 과정입니다. 이 글에서는 템플릿 추적, 루카스-카나데 광류, 디스크립터 매칭, RANSAC, 이상치 제거, 칼만 필터 예측을 공식과 구현 단계와 함께 정리하고, 시각 주행 거리 측정법(Visual Odometry)과 SLAM이 제대로 작동하지 않는 조건과 그 해결 방안을 설명합니다.

Fundamentals · 10 분 읽기 컴퓨터 비전 September 7, 2026

루프 클로저 기본 가이드 — 루프 구간에서 SLAM 시스템의 드리프트 현상을 한 번에 해결하는 방법

루프 클로저는 로봇이 이전에 방문했던 장소로 돌아왔음을 인식하고 누적된 자기 위치 추정 오차를 전체 지도에 분산시키는 과정입니다. 본 논문에서는 장소 인식, 이미지 검색, 기하학적 검증, 포즈 그래프 최적화, 오탐 방지, 그리고 현재의 SLAM 구현 및 연구에 대해 체계적으로 설명합니다.

Fundamentals · 8 분 읽기 컴퓨터 비전 September 7, 2026

광학 흐름 입문 — 이미지 움직임에서 속도와 구조 읽기

광학 흐름(Optical Flow)은 일련의 이미지에서 각 픽셀이 이동한 방향을 나타내는 벡터장입니다. 이 글에서는 밝기 항상성 제약 조건, 루카스-카나데(Lucas-Kanade) 및 혼-슌크(Horn-Schunck) 알고리즘, 피라미드 구조, 밀집 흐름과 희소 특징 추적, RAFT와 같은 학습 기반 방법, 카메라 움직임, 동적 객체, 평가 방법론 등을 기본 수학적 원리와 함께 다룹니다.

Fundamentals · 8 분 읽기 컴퓨터 비전 September 7, 2026

PnP 기초 — 3D 포인트와 이미지만으로 카메라 포즈 복원하기

Perspective-n-Point(PnP)는 알려진 3D 점과 해당 이미지 점을 이용하여 카메라의 위치와 방향을 추정하는 기하학적 문제입니다. 이 글에서는 투영 방정식, P3P/AP3P, EPnP, 반복 최적화, RANSAC, 평면 퇴화, 그리고 Visual SLAM, AR, 측량 분야에서 PnP가 어떻게 활용되는지 수학적 원리와 구현 체크리스트를 통해 살펴봅니다.

Fundamentals · 9 분 읽기 컴퓨터 비전 September 7, 2026

Visual-SLAM 입문 — 카메라가 "내가 어디에 있지?"를 학습하는 방법"

GPS도 없고 지도도 없는 로봇이라도 카메라 이미지만으로 자신의 위치를 파악하고 주변 환경의 지도를 만들 수 있습니다. 특징점 추적부터 에피폴라 기하학, 비주얼 오도메트리와 SLAM의 차이점, ORB-SLAM에서 LSD-SLAM, DSO에 이르는 랜드마크 알고리즘의 계보, 그리고 번들 조정까지, 비주얼 SLAM의 작동 원리를 체계적으로 살펴봅니다.

Fundamentals · 26 분 읽기 컴퓨터 비전 September 4, 2026

번들 조정 입문 — 카메라 포즈와 3D 포인트를 완벽하게 결합하는 비선형 최소 제곱법

번들 조정(Bundle Adjustment)은 여러 카메라 포즈와 3D 포인트를 한 번에 이동시켜 모든 관측값에 걸쳐 재투영 오차를 최소화하는 비선형 최소제곱 문제입니다. 이 글에서는 야코비 행렬이 희소 행렬인 이유, 슈어 보완 행렬이 대규모 문제를 해결하는 데 도움이 되는 이유, 레벤버그-마르쿼트 방법의 역할, 게이지 자유도, 포즈 그래프 최적화 및 SfM과의 관계를 방정식과 그림을 통해 체계적으로 다룹니다.

Fundamentals · 18 분 읽기 컴퓨터 비전 September 4, 2026

카메라 보정 기초 - 렌즈 왜곡 및 고유 파라미터 복구

카메라 캘리브레이션은 픽셀 좌표를 3D 공간에 매핑하는 데 필요한 내부 파라미터와 렌즈 왜곡을 복구하는 과정입니다. 핀홀 모델 재검토부터 방사형 및 접선 왜곡 모델, Zhang의 평면 패턴 방법, 재투영 오류 최적화, 그리고 캘리브레이션 드리프트 발생 시 Visual SLAM 및 VO에서 발생하는 문제점까지, 방정식과 다이어그램을 통해 체계적으로 살펴봅니다.

Fundamentals · 14 분 읽기 컴퓨터 비전 September 4, 2026

동형성 입문 — 단일 3x3 행렬을 이용한 평면 대응 설명

호모그래피는 동일 평면상의 점들, 즉 순수하게 회전하는 카메라의 시점을 단일 3x3 투영 변환을 사용하여 연결하는 관계입니다. 이 글에서는 DLT 기반 추정, RANSAC을 이용한 강건화, 회전, 이동, 평면 법선으로의 분해, 그리고 에피폴라 기하학과의 비교를 통해 호모그래피를 언제 사용해야 하는지를 다룹니다. 또한 이미지 스티칭 및 AR 평면 추적과 같은 응용 사례를 방정식과 다이어그램을 통해 설명합니다.

Fundamentals · 13 분 읽기 컴퓨터 비전 September 4, 2026

다중 시점 스테레오 입문 - 드문드문 분포된 포인트 클라우드를 조밀한 3D 형상으로 채우기

다중 시점 스테레오(MVS)는 알려진 카메라 포즈를 사용하여 여러 이미지로부터 조밀한 3D 형상을 복원합니다. 이 글에서는 사진 일관성의 핵심 원리, 평면 스윕 방식과 패치 기반 방식(PMVS)의 두 가지 고전적인 접근 방식, MVSNet으로 대표되는 딥러닝 기반 방법, 그리고 깊이 맵 융합을 통한 메시 생성 방법을 체계적으로 다룹니다. 또한 스테레오 카메라 및 깊이 카메라와의 관계를 방정식과 다이어그램을 통해 설명합니다.

Fundamentals · 18 분 읽기 컴퓨터 비전 September 4, 2026

모션 복원 기초 - 정렬되지 않은 사진 세트에서 3D 이미지와 카메라 위치를 함께 복원하는 방법

SfM(Structure from Motion)은 순서와 촬영 위치가 알려지지 않은 사진 세트로부터 장면의 3D 구조와 모든 카메라 포즈를 동시에 복원합니다. 이 글에서는 특징점 매칭, 기하학적 검증, 증분 SfM과 전역 SfM의 두 가지 재구성 전략, 삼각측량, 번들 조정과의 관계, Visual-SLAM과의 차이점, 그리고 COLMAP과 같은 현재 구현 사례들을 체계적으로 다룹니다.

Fundamentals · 16 분 읽기 컴퓨터 비전 September 3, 2026

에피폴라 기하학 — 두 이미지에서 깊이와 카메라 움직임 읽기

에피폴라 기하학은 동일한 3D 점이 두 이미지에 어떻게 투영되는지를 규정하는 이론입니다. 이 글에서는 기본 행렬과 필수 행렬, 8점 및 5점 알고리즘, RANSAC, 삼각측량, 에피폴라 기하학과 호모그래피 중 선택, 보정, OpenCV/COLMAP 구현, 오류 조건, 그리고 최근의 학습 기반 추정 기법을 방정식과 도표를 통해 체계적으로 설명합니다.

Fundamentals · 27 분 읽기 컴퓨터 비전 September 3, 2026

특징점 탐지 입문

특징점 검출은 이미지에서 "다시 찾을 수 있는 위치"를 선택하고 이를 매칭에 사용합니다. 이 글에서는 코너, 블롭, DoG, FAST, ORB, SIFT 등의 특징점 검출 원리를 견고성, 평가, 최신 도구, 학습 기반 방법과 연결하여 전체적인 그림을 제시합니다.

Fundamentals · 23 분 읽기 컴퓨터 비전 September 3, 2026

음성/영상 입문 - 카메라와 IMU를 이용한 모션 추정의 실용적인 기초

시각 오도메트리(VO)와 시각-관성 오도메트리(VIO)는 일련의 이미지와 관성 측정값을 이용하여 로봇이나 카메라의 상대적인 움직임을 추정합니다. 이 글에서는 단안 센서의 크기 모호성, IMU 사전 통합, 초기화, 필터링과 최적화, VINS-Mono 및 OpenVINS와 같은 구현 방식, 평가 지표, 그리고 오류 발생 조건 등을 수학적 설명과 도표를 통해 다룹니다.

Fundamentals · 27 분 읽기