📸 Day 11: 카메라 모델 (Pinhole Camera Model)

안녕하세요! ✨
앞서 Day 10에서는 ROS2에서 Radar 센서 플러그인을 다루는 방법을 알아봤습니다.
오늘은 자율주행차 센서 중 가장 보편적이고 직관적인 카메라의 핵심 이론인 Pinhole Camera Model(핀홀 카메라 모델) 을 공부해보겠습니다.

카메라 모델 (Pinhole Camera Model)

---

🔍 Pinhole Camera Model이란?

핀홀 카메라 모델은 실제 카메라의 렌즈와 센서 동작을 단순화한 수학적 모델입니다.

• 핀홀(작은 구멍) 을 통해 들어온 빛이 뒤쪽의 이미지 평면(Image Plane) 에 맺히는 원리
• 실제 카메라의 광학 원리를 기초적으로 설명하는 데 가장 많이 사용

👉 이 모델은 컴퓨터 비전, 3D 재구성, 자율주행에서 좌표 변환의 기본 공식으로 활용됩니다.

---

🧮 수학적 관계

카메라 좌표계와 이미지 평면 사이의 관계는 다음과 같이 표현됩니다.

• 3D 점: (X,Y,Z)
• 2D 이미지 점: (x,y)

핀홀 모델에서는:

여기서 f 는 초점거리(focal length)입니다.

👉 즉, 멀리 있는 물체는 작게, 가까이 있는 물체는 크게 보이는 원리를 설명합니다.

---

🖼 직관적 이해

1. 구멍을 통해 들어오는 빛: 한 점에서 들어온 빛만 통과
2. 상 반전: 실제 물체는 거꾸로 뒤집혀 맺히지만, 좌표 변환으로 이를 보정
3. 투영 원리: 3D 공간 → 2D 평면으로 투영되는 과정

---

🚘 자율주행에서의 의미

• 차선 인식: 카메라로 찍힌 영상 좌표를 실제 도로 좌표로 변환
• 객체 인식: 보행자, 차량, 신호등 등의 위치를 추정
• 3D 복원: 여러 대의 카메라를 이용한 스테레오 비전

👉 따라서 핀홀 카메라 모델은 자율주행차의 영상 기반 인식 알고리즘에서 핵심 기초 이론입니다.

---

📌 정리

• Pinhole Camera Model은 카메라 투영 원리를 단순화한 수학적 모델
• 3D 점을 2D 이미지 평면으로 변환하는 수학 공식 제공
• 자율주행에서 차선 인식, 객체 탐지, 스테레오 비전 등 다양한 분야에 응용

---

🚀 다음 글 예고

다음 글에서는 [Day 12: 카메라 캘리브레이션 (OpenCV 실습)] 을 다룹니다.
실제 카메라의 내부 파라미터(초점 거리, 왜곡 계수 등) 를 보정하는 방법을 OpenCV로 실습해보겠습니다.

---

✅ 오늘 글이 도움이 되셨다면 좋아요와 공유 부탁드립니다.

---