패스트캠퍼스 환급챌린지 19일차 : Computer Vision Signature 강의 후기

본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다.

공부 시작 시각 / 공부 종료 시각

 

 수강 인증 사진

학습 인증샷 (필기)

챌린지 대상 강의 완강률 

19일차, 강의 후기

 

Chapter 1. 강의 커리큘럼 소개

Visual SLAM이라는 용어 자체가 처음엔 생소했는데 "로봇이 눈으로 보면서 동시에 자신의 위치를 파악하고 주변 지도를 만드는 기술"이라고 설명해주니까 이해가 됐다. 자율주행차나 청소 로봇에서 실제로 쓰이고 있다는 예시들이 와닿았음. 그동안 당연하게 생각했던 기능들이 이렇게 복잡한 알고리즘으로 돌아간다니 신기했다.
-----
Ch02-01. Visual SLAM이란?

"닭이 먼저냐 달걀이 먼저냐" 비유가 정말 적절했다. 내 위치를 알려면 지도가 필요하고, 지도를 만들려면 내 위치를 알아야 하는 순환 문제를 어떻게 해결하는지가 핵심이구나 싶었음. 31분 동안 이 딜레마를 수학적으로 어떻게 푸는지 설명해주셨는데 확률론적 접근법이 인상적이었다. LiDAR 대신 카메라만 써도 된다는 점에서 비용 효율성이 좋다는 장점이 있지만, 조명 변화나 텍스처가 없는 벽면에서는 취약하다는 한계도 명확했다.
-----
Ch02-02. 3D 좌표계 이론

드디어 수학이 본격적으로 나왔다. 월드-카메라-이미지 좌표계 간의 변환이 핵심인데 생각보다 직관적이었음. 고등학교 때 배운 벡터와 행렬이 이런 식으로 쓰이는구나 싶어서 재밌었다. 특히 3D 점이 2D 이미지로 투영되는 과정을 수식으로 보니까 카메라의 원리를 제대로 이해한 것 같았다. 다만 15분이라는 시간에 비해 내용이 꽤 밀도 있어서 복습이 필요할 것 같다.
-----
Ch02-03. 동차좌표계

처음엔 왜 굳이 3차원을 4차원으로 표현하나 싶었는데 설명 듣고 나니 천재적인 아이디어였다. 그동안 따로따로 계산해야 했던 걸 한 번에 처리할 수 있어서 계산이 훨씬 깔끔해진다는 게 인상적이었음. 무한원점을 표현할 수 있다는 것도 수학적으로 우아하다는 생각이 들었다.
-----
Ch02-04. 3D 좌표계 이론 심화

앞에서 배운 내용을 실제로 어떻게 적용하는지 보여주는 파트였다. 핀홀 카메라 모델이 생각보다 간단한 원리인데 이걸로 복잡한 3D 복원이 가능하다는 게 놀라웠음. 카메라 캘리브레이션 실습도 해봤는데 체스보드 패턴으로 내부/외부 파라미터를 구하는 과정이 신기했다. OpenCV 함수들이 이런 복잡한 수학을 뒤에서 처리해주고 있었구나 싶었다.
-----
개인적으로 든 생각들

SLAM이 이론적으로는 정말 어려운 문제구나 싶었다. 불확실성과 노이즈가 가득한 실세계에서 정확한 위치와 지도를 동시에 만들어낸다는 게 쉽지 않을 것 같다. 그런데 이미 우리 주변에서 이런 기술들이 실용화되어 있다는 사실이 놀라웠음.

수학적 기초가 정말 중요하다는 걸 느꼈다. 선형대수나 확률론 같은 게 추상적으로만 느껴졌는데 SLAM에서는 직접적으로 활용되니까 공부할 동기가 생겼다. 특히 좌표계 변환 같은 건 로봇공학이나 컴퓨터 그래픽스에서도 기본기가 될 것 같다.

 URL: https://fastcampus.info/4n8ztzq