비선형 최적화와 센서 보정에 대한 이해를 바탕으로 어떤 문제를 해결한 경험이 있나요?

비선형 최적화와 센서 보정에서 제가 직접 한 건, 카메라 내부·외부 파라미터를 보정하는 과제를 구현한 일입니다. 체커보드 패턴을 여러 각도에서 촬영하고, 비선형 최소 자승법으로 렌즈 왜곡 파라미터를 추정했습니다. 그 과정에서 Levenberg-Marquardt를 썼는데, Gauss-Newton과 경사 하강법을 결합해 수렴 속도와 안정성 사이의 균형을 자동으로 조절하는 특성이 보정에 잘 맞았습니다. 제가 직접 잡은 건 이 보정 파이프라인 구현이었고, 잔차를 최소화하며 왜곡 파라미터가 수렴하는 걸 확인했습니다. 다만 한계도 인정합니다. 비선형 최적화는 초기값이 수렴 속도와 결과를 크게 좌우해, 좋은 초기값을 얻는 게 문제의 절반이었습니다. 또 저는 수업 과제 수준이라, 실환경 데이터의 이상치 영향을 정규화나 수렴 조건 조정으로 줄이거나 그 정확도를 수치로 검증해 본 경험은 부족합니다. 그래서 카메라 왜곡을 보정한 경험을 토대로, 그 실무 최적화 역량을 더 키우려 합니다.