차량비전시스템
Vehicle Vision System
로봇이 세상을 어떻게 보는가. 카메라와 LiDAR의 물리에서 출발해 카메라 기하, 특징점, 광류, 3차원 복원, 합성곱 신경망까지, 자율주행차의 인지를 하나의 흐름으로 따라간다. 각 자료는 문서·슬라이드·인쇄 세 가지 보기 모드와 브라우저에서 바로 조작하는 실습을 담고 있다.
강의 모듈
제목을 누르면 웹 자료로 이동. 자료 오른쪽 위 버튼으로 해설 숨기기(강의 중), 슬라이드 보기(화면 띄우기), 인쇄를 전환할 수 있다.
자율주행의 역사와 현재
1888년 베르타 벤츠의 106 km에서 2026년 주당 50만 회의 로보택시까지. 무엇이 자율주행을 가능하게 했고 무엇이 아직 막고 있는가. 안전 입증 계산기, 미니 ALVINN, SAE 레벨 판정기, 벤치마크 데이터셋.
웹으로 보기비전 센서
빛을 모으는 물리(노출 삼각형, 회절, 심도), 빛을 숫자로 바꾸는 파이프라인(베이어, 감마), 거리를 재는 센서(스테레오, ToF, LiDAR 905/1550 nm), 시간 동기화, 그리고 시각 인식이 어려운 이유. 노출 시뮬레이터, 회절 계산기, 디모자이킹, 스캔 왜곡.
웹으로 보기카메라 기하와 캘리브레이션
핀홀 모델, 동차 좌표, 내부·외부 파라미터, 직접 선형 변환(DLT)과 SVD, 렌즈 왜곡, Zhang의 체커보드 방법.
준비 중카메라 기초 연산
영상의 표현, 필터링, 에지, 히스토그램. 이후 모든 장의 공통 도구.
준비 중영상 변환과 RANSAC
강체·유사·아핀·사영 변환, 호모그래피, 이상치에 강한 추정(RANSAC).
준비 중두 시점 기하
에피폴라 기하, 기본 행렬과 필수 행렬, 스테레오 정합과 깊이.
준비 중영상 특징
코너와 블롭, SIFT·ORB 기술자, 특징 정합.
준비 중광류
밝기 항상성, Lucas–Kanade, Horn–Schunck, 움직임 추정.
준비 중움직임으로부터의 구조(SfM)
삼각측량, 번들 조정, 시각 주행거리 측정.
준비 중합성곱 신경망 구조
LeNet에서 ResNet까지, 자율주행 인식에 쓰이는 CNN 구조.
준비 중수업 안내
L0 강의 소개 슬라이드의 내용이다. 공식 공지는 I-CLASS를 따른다.
시간과 준비
- 월요일 09:00–12:00, 60주년기념관 507. 강의 1.5~3시간과 실습 시간을 합쳐 진행한다.
- 면담은 이메일로 약속을 잡는다.
- Python 또는 MATLAB으로 직접 코드를 돌려 본 경험이 있어야 한다.
- 미적분과 선형대수를 다시 꺼내 볼 준비가 되어 있어야 한다. 3주차부터 SVD와 최소제곱이 계속 나온다.
평가
| 보고서 | 10% |
| K-MOOC | 10% |
| 중간고사 | 25% |
| 기말고사 | 25% |
| 기말 프로젝트 | 20% |
| 수업 참여 | 10% |
학문 윤리
과제 주제는 동료와 토론할 수 있다. 풀이는 토론할 수 없고, 자신의 결과물을 어떤 형태로든 다른 사람에게 주어서는 안 된다.
선배, 대학원생, AI 도구의 도움은 30% 이내로 쓸 수 있다. 그 이상은 표절이며 예외 없이 F다.
- 본인의 보고서와 코드에 대한 교수자의 질문에 정확히 답할 수 있어야 한다. 답하지 못하면 문항당 −30점.
- 제출한 보고서의 결과를 재현할 수 있어야 한다. 재현되지 않으면 표절로 본다.
교재와 참고서
강의 자료가 주 교재다. 깊이 볼 때는 아래 두 권을 참고한다.
- Richard Szeliski, Computer Vision: Algorithms and Applications, 2nd ed. 저자 홈페이지에서 무료 PDF를 공개한다. szeliski.org/Book
- Richard Hartley & Andrew Zisserman, Multiple View Geometry in Computer Vision, 2nd ed., Cambridge University Press. 3~9주차 기하의 원전이다.
담당 교수와 조교
스마트모빌리티공학과 심인욱 · Robotics and Computer Vision Lab (rcv.inha.ac.kr)
2009년부터 자율주행차, 자율 이동 로봇, 휴머노이드 비전 시스템을 다뤄 왔고, 축소 자동차 플랫폼부터 5톤급 대형 로봇까지 개발했다. 주 연구 분야는 기계 인지(Machine Perception)다. 연구실은 자율주행과 로봇 비전 센서 개발에 집중하며, 학부 연계팀 RCV Formula(고속 자율주행, Roboracer)와 연합 연구팀 Inha United(휴머노이드 서비스 로봇, RoboCup)를 운영한다.
조교 · 기술 문의, 공지, 과제 피드백을 돕는다.
주행 가능 영역
차선 검출, NPU
내비게이션, 고속 주행
다중 로봇, V2X
VLA, 행동 트리, 가정용 휴머노이드
자료 사용법
세 가지 보기 모드
- 문서: 기본값. 해설이 펼쳐진 상태로 혼자 읽는다.
- 해설 숨기기: 강의 중 화면에 띄울 때. 접은 상태는 브라우저에 기억된다.
- 슬라이드 보기: 카드마다 화면을 채운다. 방향키와 PageDown으로 넘긴다.
- 인쇄: 파트마다 페이지를 나누고 내비게이션을 숨긴다. PDF로 저장해 보관한다.
직접 해보기
본문 곳곳의 초록 테두리 블록은 브라우저에서 바로 동작한다. 슬라이더를 움직이고 버튼을 눌러 보자. 실습마다 "목표, 조작, 관찰 포인트"가 적혀 있다. 관찰 포인트에 적힌 것이 보이면 성공이다.
코드형 실습은 20줄 이내이며 주석에 기대 출력이 적혀 있다. 마지막 줄의 열린 과제는 보고서 주제로 써도 된다.
각 자료의 도표는 직접 제작했으며, 사진과 삽화는 강의용으로 엄선한 원 자료로 캡션에 출처를 표시했다. 수치와 연도는 각 자료 하단 참고문헌의 원문 기준이다.