깊이 추정

깊이 추정은 카메라의 관점에서 장면에 있는 다양한 물체의 거리를 계산하는 컴퓨터 비전의 핵심 작업입니다. 높이와 너비만 캡처하는 표준 2D 이미지와 달리 깊이 추정은 3차원을 추가하여 시스템이 세계를 3D로 인식할 수 있도록 합니다. 이 프로세스는 기본적으로 각 픽셀의 값이 카메라로부터의 거리에 해당하는 이미지인 심도 맵을 생성합니다. 이 기능은 기계가 인간의 시각과 유사하게 공간 관계를 이해하고 보다 의미 있는 방식으로 환경과 상호 작용할 수 있도록 하는 데 필수적인 기능입니다.

깊이 추정 작동 방식

특수 하드웨어를 사용하는 전통적인 방법부터 딥러닝을 기반으로 하는 최신 접근 방식에 이르기까지 깊이 추정을 달성하기 위한 여러 가지 기술이 있습니다.

• 스테레오 비전: 이 방법은 짧은 거리에 배치된 두 대의 카메라를 사용하여 사람의 양안 시력을 모방합니다. 두 이미지 사이의 미세한 차이(불일치)를 분석하여 장면의 지점까지의 거리를 삼각 측량할 수 있습니다. 이는 깊이 정보를 캡처하는 고전적이고 신뢰할 수 있는 접근 방식입니다.
• ToF(비행 시간 거리 측정) 카메라: 이 특수 센서는 빛 신호(일반적으로 적외선)를 방출하고 빛이 물체에서 반사되어 센서로 돌아오는 데 걸리는 시간을 측정합니다. ToF 카메라는 실시간으로 매우 정확한 심도 맵을 생성할 수 있습니다.
• LiDAR(빛 감지 및 거리 측정): 자율주행 차량에 자주 사용되는 LiDAR는 레이저 펄스를 방출하고 돌아오는 시간을 측정하여 주변 환경에 대한 상세한 3D 포인트 클라우드를 생성하는 방식으로 작동합니다. LiDAR 기술은 정밀한 깊이 데이터를 제공하므로 안전한 내비게이션에 매우 유용합니다.
• 단안 깊이 추정: AI의 중요한 발전은 단일 2D 이미지에서 깊이를 추정하는 것입니다. 딥러닝 모델, 특히 컨볼루션 신경망(CNN)은 방대한 데이터 세트를 학습하여 인간의 뇌와 마찬가지로 텍스처, 음영, 물체 크기에서 깊이 단서를 추론합니다.

깊이 추정의 응용

깊이를 인식하는 능력은 공간 인식이 필요한 다양한 애플리케이션에서 매우 중요합니다.

로봇 공학에서 깊이 추정은 내비게이션과 조작에 매우 중요합니다. 조립 라인의 산업용 로봇은 깊이 데이터를 사용하여 물체를 정확하게 파악하고 이동함으로써 제조 자동화의 효율성을 향상시킵니다. 마찬가지로 모바일 로봇은 깊이 맵을 사용하여 장애물을 피하고 창고와 같은 동적인 환경을 통과하는 경로를 계획합니다. 이러한 3D 인식은 실제 세계와 정확하고 안전하게 상호 작용할 수 있게 해줍니다.

증강 현실(AR)과 가상 현실(VR)은 몰입감 있는 경험을 만들기 위해 깊이 추정에 크게 의존합니다. 스마트폰의 AR 애플리케이션이 가상의 가구를 실제 방에 배치하려면 먼저 방의 지오메트리를 이해해야 합니다. 시스템은 상세한 뎁스 맵을 생성하여 가상 오브젝트가 실제 오브젝트를 사실적으로 가리고 상호 작용하도록 하여 매끄럽고 사실적인 착각을 불러일으킬 수 있습니다.

깊이 추정과 관련 개념 비교

컴퓨터 비전에서 깊이 추정과 비슷하게 들리는 용어를 구별하는 것이 중요합니다.

• 거리 계산: 컴퓨터 비전에서 거리 계산은 종종 2D 이미지 평면 내에서 두 물체 사이의 거리를 측정하는 것을 의미합니다(즉, 픽셀 단위). 이와 대조적으로 깊이 추정은 카메라 자체에서 3D 공간에 있는 물체의 거리를 측정합니다. 일부 작업에서는 보정된 간단한 거리만으로도 충분할 수 있지만, 깊이 추정은 보다 상세한 공간 정보를 제공합니다.
• 3D 물체 감지: 깊이 추정은 3D 물체 감지의 핵심 요소입니다. 2D 물체 감지는 평면 이미지에서 물체 주위에 경계 상자를 그리는 반면, 3D 물체 감지는 물체 주위에 3D 정육면체를 배치하여 3차원 공간에서 위치, 크기 및 방향을 정의합니다. 이 고급 감지는 정확한 깊이 정보가 있어야만 가능합니다.