작업일지 - 2026. 10. 03

항목	내용
작성자	김상화 (EYE4, 인지 담당)
작업 환경	노트북 Ubuntu 24.04 + Intel RealSense D435
주요 주제	RealSense 색 추적 프로그램, 인식률 시험 이미지, 강한 조명 분석

1. 오늘의 목표

• 웹캠용 색 추적 프로그램을 RealSense 카메라용으로 새로 만들기
• 조명·색·크기가 다른 상황에서 인식률을 확인할 시험 자료 만들기

2. 수행 내용

RealSense 색 추적 프로그램 (color_detect_realsense.py)

• 파란 물체를 검출해 외곽 박스를 그리고, 깊이 영상으로 거리를 cm로 표시
• 화면 중심점(초록 점 3px)과 목표 중심점(빨간 점, 좌표)을 함께 표시
• 작은 잡음 제거 기준을 픽셀 넓이 대신 실제 크기(cm)로 변경 (깊이로 환산)
• 누구나 읽을 수 있도록 주석 추가, 파일 이름을 blue_* → color_*로 변경
• 거리 단위 결정: 가까운 거리 시연이 주목적이라 m 대신 cm 사용

인식률 시험 이미지 50장 (opencv/test_images/)

• 색 17가지 × 모양 11가지, 밝음·어두움·불균일 조명, 비슷한 색, 크기, 흐림, 배경을 다양하게 구성
• 정답 파일 labels.csv 포함 → 인식률을 숫자로 계산 가능

강한 조명 분석

• 같은 파란색이 강한 빛에서 하얗게 바래는 현상 분석 (예: bright_04_washed55.jpg의 두 십자)
• 채도(S) 하한 기준별로 시험 이미지 인식률을 비교한 표 작성 (마크다운 표로 변환)

3. 결과

• RealSense로 파란 물체의 위치·중심·거리를 실시간 표시하는 프로그램 완성
• 강한 빛에서 파랑은 두 가지로 변함: 노출 과다 → 색상(H)이 청록 쪽으로 이동, 반사광 → 채도(S) 하락
• 채도 기준 비교 결과 밝기에 따라 S 하한을 80→40으로 낮추는 방식이 가장 균형이 좋음 (코드에는 아직 적용 안 함)
• 청록색 오검출의 원인은 S가 아니라 H 하한(90)임을 확인
• 색 값만으로는 바랜 파랑과 하늘색을 완전히 구분할 수 없음
• 작업 내용을 직접 커밋·push하고, 예제 이미지 test2.jpg를 삭제

4. 문제와 해결

문제	해결
픽셀 넓이 기준은 거리에 따라 물체 크기가 달라 부정확	깊이로 실제 크기(cm)를 계산해 거름
화면 중심 표시가 목표 표시와 헷갈림	글자를 빼고 3px 점으로 단순화

5. 배운 점

• HSV에서 S는 "진하기", V는 "밝기" — 조명이 세지면 S가 떨어져 같은 색도 범위 밖으로 나갈 수 있다
• 시험 자료에 정답표를 함께 두면 개선 전후를 숫자로 비교할 수 있다

6. AI 활용

• Claude Code로 프로그램 작성, 시험 이미지 생성 스크립트 작성, 채도 기준별 비교 실험을 진행하고 결과 표를 직접 검토함

7. 다음 할 일

• object_mask.py가 삭제된 test2.jpg를 읽고 있어 실행 불가 → 처리 방법 결정 필요
• 채도 기준(80→40)을 코드에 적용할지 결정