자율주행을 위한 고광谱 영상의 도전과 해결책

본 논문은 자율주행(AD) 분야에 고광谱 영상(HSI) 기술을 적용하기 위한 전반적인 연구 흐름을 체계적으로 정리한다. 먼저, 최근 상용화된 스냅샷형 HSI 카메라가 비디오 레이트(10‑20 fps 이상)로 수십에서 수백 개의 스펙트럼 밴드를 동시에 캡처할 수 있게 되면서, 정밀 농업·우주 원격탐사·의료 영상 등 다양한 분야에서 활용이 확대되고 있음을 소개한다. 그러나 AD와 같은 실시간, 동적 환경에서는 조명 변동, 깊이 범위, 고속 물체 등 물리적 제약이 크게 작용한다. **1. HSI 카메라 선택 기준** 논문은 AD용 HSI 카메라 선정 시 다섯 가지 핵심 요건을 제시한다. (1) 비디오 레이트 지원, (2) 소형·견고한 패키징, (3) 충분한 공간 해상도, (4) 충분한 스펙트럼 해상도, (5) 대량 생산 가능성. 현재 시장에서 두 가지 주류 기술이 있다. 첫 번째는 Imec와 같은 온칩 인터페라토리 필터 모자이크 방식이며, 두 번째는 Cubert의 라이트필드 마이크로렌즈 배열이다. 전자는 밴드 수와 스펙트럼 누수, 2차 피크 문제가 있지만, CMOS와의 직접 결합으로 비용 효율과 대량 생산성이 뛰어나다. 후자는 광학 설계가 복잡하고 처리량이 낮다. 저자들은 비용·스케일러빌리티를 중시해 Imec 25밴드 Red‑NIR 센서를 탑재한 Photonfocus MV2 카메라를 선택했으며, 이 선택이 데이터 품질과 실시간 처리 요구 사이의 균형을 맞추는 데 적합함을 설명한다. **2. 데이터 품질 및 전처리** AD 환경은 실외에서 조명이 급변하고, 인공광원(신호등·헤드라이트)이 섞여 있다. 완전한 반사율 보정은 현장 측정 장비가 없으므로 불가능하다. 따라서 저자들은 ‘pseudo‑reflectance correction’ 방식을 채택한다. 구체적으로, 네 가지 f‑number/조리개 조합별로 평균화된 Spectralon 흰색 타일 이미지를 사전 캘리브레이션하고, 각 프레임에 적용해 센서 비균일성·비네팅을 보정한다. 이 과정은 완전한 일관성을 제공하지 않지만, 조도 스펙트럼을 어느 정도 억제한다. v2.1에서는 추가적인 동적 스케일링 알고리즘을 도입한다. 이미지 내 최대 알베도(주로 도로 표식)를 자동 탐지하고, 해당 픽셀의 스펙트럼을 기준 흰색 이미지와 비교해 전체 이미지의 스케일 팩터를 계산한다. 인공광원은 스펙트럼 특성 기반으로 아웃라이어 처리해 1로 클리핑한다. 이렇게 하면 모든 큐브가