현재 차량에 장착되어 사용되는 카메라의 경우, 데이터 압축 기술, 전력 소모량, 내장 메모리의 제한과 같은 회로적인 문제와 광학 줌의 어려움, 저대역 광학 필터의 사용, 낮은 수준의 색 재현성, 해상도의 제약과 같은 카메라 모듈의 문제 등으로 전용 디지털 카메라에 비하여 화질이 매우 낮은 수준이다. 이에 현대자동차의 특허기술인 차량용 카메라의 화질 평가 방법에 대해 알아보았다.카메라 화질 평가 방법은 카메라 화질 평가 조건을 실외 및 실내로 구분하여, 실외 평가는 주간과 야간으로 나누어 주간은 양지 및 그늘 조건에서 실시하며, 야간은 가로등 및 차량등 조건에서 평가하고, 실내 평가는 표준광원 하에서 실시하되 상기된 각 조명 조건하에 카메라 평가용 차트를 설치하고 카메라로 챠트를 촬영한 후, 카메라에 찍힌 영상을 분석하여 영상 화질을 평가하는 것을 특징으로 한다.
영상의 화질은 입력 모듈, 영상처리 모듈, 그리고 출력 모듈의 영상 체인에 의해 종합적으로 결정되며, 특히 입력 모듈에 해당하는 카메라의 특성에 의해 크게 영향을 받는다. 따라서 운전자가 보는 영상의 화질을 평가하기 위해서는 차량에 장착되는 카메라의 화질을 우선적으로 평가하는 것이 필요하다.
차량에서 카메라의 이용이 점차적으로 증가하는 시점에서 실제 차량용 카메라의 화질 특성을 분석하고 평가한 결과는 차량 장착을 위한 카메라 선택에 있어서 중요한 데이터로 사용된다. 또한 화질 평가를 기준으로 평가 결과가 우수한 카메라를 차량에 장착함으로써 운전자의 차량 만족도를 증가시키게 되며, 운전자의 위험 인지 능력을 향상하고, 지능형 차량 시스템에 제공되는 영상의 품질을 높이는 데 기여하게 된다.
종래 카메라 화질을 평가하기 위해서는 국제 표준화 기구 (International Organization for Standardization)에서 규정한 카메라 화질 평가를 위한 표준 차트와 표준 조명 환경을 이용하여야 한다. 표준 조명 환경 하에서 카메라 평가용 표준 차트를 두고 화질 평가할 카메라를 고정시켜 차트를 촬영한 후 촬영된 영상을 분석하여 카메라의 화질을 평가한다. 하지만 차량에 장착되는 카메라는 일반 카메라와는 달리 특수한 환경에 놓이게 되므로 일반 카메라 화질 평가를 위한 표준 환경을 차량용 카메라의 화질 평가에 바로 적용하는 것에는 분명 한계가 있다.
차량용 카메라는 실내뿐만 아니라 실외 환경에 노출되는 경우가 많으며 더욱이 차량에 장착되는 이유로 차량의 엔진이 정지해 있지 않는 한 항상 외부 진동의 영향을 받고 있는 상태에 있게 된다. 반면 일반 카메라 화질을 평가하기 위한 표준 환경은 표준 조명을 제공하는 인공 광원과 촬영을 위한 고정 상태의 카메라로 구성된다. 따라서 다양한 조명 환경을 고려하지 못하며 차량 진동에 대한 화질 영향 평가도 행해질 수 없다.
이러한 문제점을 해결하기 위하여 제안된 기술로써 차량용 카메라가 놓여질 수 있는 다양한 조건이 고려된 차량용 카메라 화질 평가 방법을 제공함에 그 목적이 있으며, 목적을 달성하기 위한 본 기술에 따른 차량용 카메라의 화질 평가 방법은 카메라 화질 평가 조건을 실외 및 실내로 구분한다.
실외 평가는 주간과 야간으로 나누어 주간은 양지 및 그늘 조건에서 실시하며, 야간은 가로등 및 차량등 조건에서 평가하고, 실내 평가는 표준광원 하에서 실시하되, 상기된 각 조명 조건하에 카메라 평가용 차트를 설치하고, 카메라로 챠트를 촬영한 후, 카메라에 찍힌 영상을 분석하여 영상 화질을 평가하는 것을 특징으로 한다.
차량등은 후진등, 전진등, 브레이크등 중 적어도 하나 이상이 선택될 수 있으며,카메라 화질 평가의 항목에는 노이즈 테스트, 해상도 테스트, 색특성 테스트, 핀쿠션 중 어느 하나 이상이 선택될 수 있고, 노이즈 테스트의 결과는 정량화된다.
정량화에는 노이즈 평가용 차트에 배치된 패치들 전체의 노이즈 평균값이 이용될 수 있으며, 노이즈 평균값은 노이즈 평가용 차트에 배치된 각 패치들의 노이즈 값 총합을 패치의 개수로 나누어 얻을 수 있다. 해상도 테스트의 결과 또한 정량화되며,정량화에는 가로축이 공간주파수인 MTF 곡선이 5% 이하로 되는 지점의 주파수 값이 이용될 수 있다.
또한 카메라 화질 평가의 항목에는 핀쿠션 및 배럴 왜곡 테스트가 포함될 수 있고, 그 테스트 결과는 정량화되며, 정량화에는 정사각형이 그려진 차트를 찍은 영상의 각 꼭지점을 직선으로 연결한 후, 각 직선의 중심점과 왜곡된 직선 사이의 거리가 이용된다. 또한, 카메라 화질 평가의 항목에는 OECF(광전 변환 함수: Optical Electrical Conversion Function) 테스트가 더 포함될 수 있다.
그 테스트 결과는 정량화되며, 정량화에는 OECF 평가용 차트에 배치된 패치들의 이상적인 디지털 값과 실제 디지털 값 간의 오차 평균이 이용된다. 오차 평균은 OECF 평가용 차트에 배치된 각 패치의 이상적인 디지털값과 실제 디지털값 간의 차이의 총합을 패치의 개수로 나누어 얻을 수 있을 것이다.
본 기술에 따른 차량용 카메라 화질 평가 방법은, 위와 같은 조명 조건에 따른 화질평가 이외에, 진동부재 상에 설치되어 진동하는 카메라에 찍힌 영상을 분석하는 진동시의 영상 화질 평가 항목을 더 포함할 수 있다.
한편, 차량용 카메라의 화질 평가 방법의 실시에 요구되는 장치는 다양한 조명 환경을 제공하는 조명부와 다양한 카메라 화질 평가 차트를 위치시키는 차트 거치부와 차량용 카메라의 진동 환경을 제공하는 바이브레이션 생성부와 카메라를 장착시키는 카메라 거치부를 포함한다.
이와같은 차량용 카메라의 화질 평가 방법은 차량용 카메라가 실제 사용되는 환경과 유사한 조건에서 카메라의 화질을 평가하므로 신뢰성이 높으며, 특수한 사용환경에 있는 차량용 카메라가 가져야 할 화질의 정량적인 평가 기준을 마련할 수 있게 된다.
이하에서는 첨부된 도면을 참조하여 본 기술의 바람직한 실시 예에 따른 차량용 카메라의 화질 평가 방법에 대하여 살펴본다.
그림 1. 차량용 카메라가 처할 수 있는 조명 환경을 설정
우선 그림 1은 카메라의 화질을 평가하기 위해 차량용 카메라가 처할 수 있는 다양한 조명 환경을 나타낸다.실외 환경에서의 카메라 화질 평가를 위한 조명 조건은 주간 양지, 주간 그늘, 야간 백색 가로등, 야간 황색 가로등, 야간 후진등, 야간 전진등, 야간 후진등 및 브레이크등이 동시 켜진 상태로 분류하였다.
실내 환경에서의 카메라 화질 평가를 위한 조명에는 표준 광원을 사용하는데, 특히 D65, CWF, 허리즌(Horizon),TL84, Inca-A(Incandescent A) 광원이 사용한다. 각 광원의 평균조도는 표1에 도시된 바와 같으며, D65(Daylight)는 한낮의 북쪽하늘에 뜨는 자연광에 해당하는 광원으로, D75가 사용될 수도 있을것이다.
CWF(Cool White Fluorescent)는 온도가 4150K이며 형광 광원을 대표하는 표준광원이며. 주로 오피스 라이팅에서 컬러를 확인하는데 사용된다. 허리즌 라이트는 색 온도가 2300K로서 해가 지고 뜰 때 북쪽 하늘의 태양광선에 해당하는 조명이다. TL84는 색온도가 4100K로서 CWF보다 약간 더 노랗고 더 빨간(Yellower & Redder)광원이며, 주로 스토어 및 오피스 라이팅에서 많이 쓰인다. Inca-A(Incandescent A)는 색 온도가 2856K로 백열광원을 대표하는 표준 광원이며 홈 및 스토어 라이팅에서 색을 확인(confirm)하는데 사용된다.
그림 2. 주간 태양광 아래서 차량용 카메라의 화질을 평가
그림 2는 주간 양지에서 차량용 카메라의 화질을 평가하기 위한 장치 구성을 나타내며, 차량용 전방 또는 후방 카메라를 카메라 받침대에 연결하고 움직이지 않도록 고정한 후, 테스트 차트를 태양광이 잘 비치도록 비스듬하게 위치시킨다. 이때 차량용 카메라의 그림자가 테스트 차트에 나타나지 않도록 전체적인 방향을 조정한다. 차량용 카메라와 테스트 차트의 거리는 카메라의 초점거리로 하며, 주간 그늘에서의 장치 구성은 태양광이 비치지 않는 장소에서 동일하게 수행한다.
그림 3. 야간 가로등 아래서 차량용 카메라의 화질을 평가
그림 3은 야간에 가로등 아래에서 차량용 카메라의 화질을 평가하기 위한 장치 구성이며, 모든 장비의 구성은 도2에서와 동일하다.
그림 4. 야간 차량 후진등에서 차량용 카메라의 화질을 평가
그림 4는 야간에 자동차 후진등 아래에서 차량용 카메라의 화질을 평가하기 위한 장치 구성도이며,차량용 후방 카메라를 받침대에 연결하여 고정시키고, 이때 카메라의 높이는 실제 차량용 후방 카메라가 위치한 높이와 같게 한다. 마찬가지로 좌우 후진등의 위치도 실제 차량에서의 위치와 동일하게 구성한다.
그림 5. 야간 차량 후진등과 브레이크등이 동시에 켜졌을 때 화질평가
그림 5는 야간에 자동차 후진등과 브레이크등이 동시에 켜져 있을 때 차량용 카메라의 화질을 평가하기 위한 장치 구성도이며, 좌우 브레이크등의 위치를 실제 차량과 동일한 곳에 위치시킨다.
그림 6. 야간 차량 전진등(헤드라이트)에서 화질 평가
그림 6은 야간에 자동차 전진등(헤드라이트)에서 차량용 카메라의 화질을 평가하기 위한 장치 구성도이다. 전진등의 위치는 실제 차량의 위치와 동일한 곳에 위치시킨다.
그림 7. 표준 광원 아래에서 차량용 카메라의 화질을 평가
그림 7은 표준 광원 아래에서 차량용 카메라의 화질을 평가하기 위한 장치 구성도이며, 차량용 카메라를 받침대에 고정시키고, 테스트 차트는 표준 광원이 균일하게 분포되는 곳에 위치시킨다. 표준광원으로 D65, CWF, Horizon, TL84, A 광원을 사용한다.
그림 8. 카메라 진동 시에 차량용 카메라의 화질 평가
그림 8은 카메라 진동 시에 차량용 카메라의 화질을 평가하기 위한 장치 구성도이며,카메라 받침대를 진동기(바이브레이터) 위에 위치한 후, 차량용 카메라를 받침대에 고정시킨다. 이때 진동기의 진동 크기는 실제 차량의 진동 크기와 동일하게 한다.
표 1. 노이즈 테스트를 정량화하기 위한 예
표 1은 차량용 카메라의 화질 평가 항목 중 노이즈 테스트에 대한 결과의 예로서, 도면에서 horizontal은 수평노이즈, vertical은 수직 노이즈를 나타내며,노이즈 테스트의 정량화는 노이즈 평가용 차트에 배치된 패치들의 노이즈 값의 평균을 이용한다. 도 9에 도시된 그래프의 가로축은 휘도로서, 각 패치들의 고유 밝기값 은 강도값을 의미한다. 패치들의 노이즈 값 평균은 패치들의 노이즈 값 총합을 패치의 개수로 나누어 얻을 수 있다.
표 2. 해상도 테스트를 정량화하기 위한 예
표 2는 차량용 카메라의 화질 평가 항목 중 해상도 테스트에 대한 결과의 예로서, RGB 3개의 채널에 대하여 가로축의 공간 주파수가 증가함에 따라 세로축의 MTF(Modulation Transfer Function) 변화를 보여준다. 여기서 MTF는 입력 공간 주파수 콘트라스트에 대한 출력 공간 주파수 콘트라스트의 비이다. 해상도 테스트의 정량화는 그래프의 곡선이 가로축(MTF)의 5% 되는 지점까지 떨어졌을 때의 주파수 값으로 한다.
색 특성 테스트는 칼라 차트의 고유 삼자극치와 카메라로 촬영된 영상의 삼자극치 간의 색 분포를 비교하는 항목으로서, 각 패치 간의 색차를 정량화하여 수치로 나타낸다. 정량화는, 칼라 차트를 차량용 카메라로 촬영하여 각 패치의 평균 RGB값을 획득하고, 각 패치의 RGB 값을 CIEXYZ 값으로 변환한 후, 다시 CIELAB 값으로 변환한후, 칼라 차트 고유의 CIELAB 값과 비교하여 유클리디안 거리로 색차를 표현하는 방식으로 한다.
표 3. 핀쿠션 및 배럴 왜곡 테스트를 정량화하기 위한 예
표 3은 차량용 카메라의 화질 평가 항목 중 핀쿠션 및 배럴 왜곡에 대한 결과의 예이다. 특히, 도 11에는 배럴 왜곡의 평가예가 도시되어 있으며, 차량용 카메라로 촬영된 왜곡 영상의 가장자리 네 점(1~4)을 직선으로 연결하고, 각 직선의 중심점(1'~4')을 구한 후, 중심점과 왜곡된 직선 영상 사이의 거리를 화소 단위로 표현한다. 그리고 각 거리의 평균값을 구하여 핀쿠션 및 배럴 왜곡을 정량화 한다. 한편, 도 11에 도시된 왜곡 영상은 복수개의 정사각형을 갖는 격자형이나,하나의 정사각형이 촬영된 왜곡 영상을 이용할 수도 있을 것이다.
표 4. OECF 테스트를 정량화하기 위한 예
표 4는 차량용 카메라의 화질 평가 항목 중 OECF에 대한 결과의 예로서, RGB 3개의 채널에 대하여 입력되는 휘도의 log 스케일과 카메라의 디지털 출력 레벨간의 관계를 그래프로 나타낸 것이다. 그래프에서 직선은 이상적인 카메라에 대한 출력 특성이며 아래의 굴곡진 3개의 선은 실제 출력 특성을 나타낸다.
RGB 값이 아주 크거나 아주 작을 때에는 카메라의 이상적인 출력 특성과 실제 출력 특성에 큰 차이가 없으나, 중간 RGB 값, 특히 검은색에 가까운 RGB 값 구간에서의 오차가 심하다. 이와 같은 각 패치에 대한 이상적인 디지털 값과 실제 디지털 값의 평균 오차는 아래의 수학식 1을 이용하여 수치화 및 정량화할 수 있다.평균오차 = 1/N Σi=1(|Li - Oi|)여기서 N은 패치의 개수이며, Li는 i번째 패치의 이상적인 디지털 값이고, Oi는 i번째 패치의 실제 디지털 값이다. <박지은 기자>
저작권자 © CCTV뉴스 무단전재 및 재배포 금지
