북집 지식DB

스마트폰급 라이다, 보이지 않는 물체를 본다

카메라는 눈앞에 들어온 빛을 기록해왔지만, 벽과 모서리 너머의 공간까지 ...

스마트폰급 라이다, 보이지 않는 물체를 본다

카메라는 눈앞에 들어온 빛을 기록해왔지만, 벽과 모서리 너머의 공간까지 보지는 못했다. 소비자용 라이다와 계산 영상 기술의 결합은 여러 번 반사된 미세한 빛의 흔적을 분석해 숨은 물체의 위치와 형태를 3차원으로 복원하기 시작했다. 이 변화는 자율주행과 로봇, 스마트폰, 재난 구조 기술을 확장하며 카메라가 ‘보는 장치’에서 ‘추론하는 장치’로 진화하고 있음을 보여준다.

[Key Message]

* 카메라는 보이는 장면을 기록하는 장치에서 보이지 않는 공간을 추론하는 장치로 진화하고 있다.

* 소비자용 라이다는 벽과 바닥에 여러 번 반사된 미세한 빛의 흔적을 분석해 숨은 물체의 위치와 형태를 3차원으로 재구성할 수 있다.

* 이번 연구의 핵심은 고가의 센서 대신 움직임과 여러 측정값을 결합해 저가형 하드웨어의 한계를 보완했다는 데 있다.

* 비가시선 영상은 자율주행차와 로봇이 모서리와 장애물 너머의 움직임을 미리 감지해 사고를 예방하는 새로운 안전 기술로 발전할 수 있다.

* 보이지 않는 공간을 감지하는 기술이 일상적인 기기에 탑재될수록 프라이버시와 데이터 관리, 감시의 경계를 둘러싼 기준도 중요해진다.

***

벽과 모서리 너머의 움직임을 3차원으로 재구성하는 카메라의 다음 진화

카메라는 오랫동안 인간의 눈을 확장해온 기술이었다. 눈으로 붙잡기 어려운 짧은 순간을 기록하고, 멀리 있는 풍경을 확대하며, 어둠 속 장면과 미세한 세계까지 보여주었다. 렌즈와 영상 센서의 성능이 발전하면서 카메라는 인간이 볼 수 있는 범위를 넓혀왔다. 그러나 아무리 뛰어난 카메라라도 쉽게 넘지 못하는 한계가 있었다. 렌즈와 물체 사이를 벽이나 장애물이 가로막으면 그 너머를 볼 수 없다는 점이었다.

일반적인 카메라가 영상을 만들려면 물체에서 나온 빛이 렌즈까지 도달해야 한다. 빛이 벽에 가로막히거나 물체가 모서리 뒤에 숨으면 카메라에는 아무것도 나타나지 않는다. 골목 모퉁이에서 접근하는 자전거와 주차된 자동차 뒤에서 도로로 나오는 어린이, 붕괴된 건물 잔해 뒤에 있는 사람은 카메라의 직접 시야에 들어오기 전까지 감지하기 어렵다.

2026년 5월 Nature에 게재된 연구는 이러한 오랜 한계를 소비자용 라이다로 넘어설 수 있는 가능성을 보여주었다. 연구진은 스마트폰에 탑재할 수 있는 수준의 저가형 라이다를 이용해 카메라의 시야 밖에 숨은 물체를 3차원으로 재구성했다. 가려진 물체의 위치와 형태를 복원하고, 여러 물체의 움직임을 추적하며, 보이지 않는 물체의 정보를 이용해 센서 자체의 위치까지 추정했다.

비가시선 영상 기술은 이전에도 연구돼 왔다. 다만 대부분 크고 값비싼 레이저 장비와 고감도 검출기, 정밀한 실험 환경을 필요로 했다. 이번 연구는 100달러 미만의 상용 하드웨어로 비슷한 기능을 구현했다는 점에서 의미가 크다. 특별한 연구실 장비에 머물렀던 기술이 스마트폰과 소형 로봇, 자동차처럼 일상적인 기기에 적용될 수 있는 방향으로 이동하기 시작한 것이다.

물론 스마트폰으로 벽 너머 사람의 얼굴이나 방 안의 모습을 선명하게 볼 수 있게 됐다는 뜻은 아니다. 현재 복원되는 정보는 제한적이며, 복잡한 실제 환경에서 안정적으로 작동하려면 해결해야 할 문제도 많다. 그럼에도 이번 연구가 제시한 변화의 방향은 분명하다. 카메라가 눈앞에 도달한 빛을 기록하는 장치에서 벗어나, 주변 공간에 남겨진 미세한 빛의 흔적을 계산해 보이지 않는 장면을 추론하는 장치로 진화하고 있기 때문이다.

카메라가 볼 수 없었던 공간

사람이 무언가를 본다는 것은 그 물체에서 반사된 빛이 눈에 들어온다는 뜻이다. 햇빛이나 조명이 물체에 닿으면 빛이 여러 방향으로 반사되고, 그중 일부가 눈에 도달하면서 색과 형태를 인식하게 된다. 일반적인 카메라도 같은 원리로 작동한다. 렌즈에 들어온 빛을 영상 센서가 받아들이고, 밝기와 색에 관한 정보를 화면 속 영상으로 바꾼다.

문제는 물체가 벽이나 모서리 뒤에 숨었을 때다. 물체에서 반사된 빛이 렌즈까지 직접 도달하지 못하면 일반 카메라는 그 물체를 기록할 수 없다. 카메라의 해상도가 아무리 높고 렌즈가 아무리 밝아도, 빛이 들어오지 않는 공간의 영상은 만들 수 없다. 기존 카메라의 성능 경쟁은 직접 보이는 장면을 얼마나 선명하고 정확하게 기록하느냐에 집중돼 있었다.

이 한계를 넘어서는 분야가 비가시선 영상이다. 영어로는 엔엘오에스 영상이라고 하며, 센서와 물체 사이에 직접적인 시야가 확보되지 않은 상태에서 숨은 대상을 탐지하고 복원하는 기술을 뜻한다. 비가시선 영상은 물체를 직접 촬영하지 않는다. 대신 벽과 바닥, 천장처럼 주변에 보이는 표면에 남겨진 간접적인 빛의 흔적을 분석해 보이지 않는 물체의 위치와 형태를 추정한다.

빛은 거울처럼 매끄러운 표면에서만 반사되는 것이 아니다. 벽이나 바닥처럼 거칠어 보이는 표면에 부딪힌 빛도 여러 방향으로 흩어진다. 라이다가 보이는 벽을 향해 빛을 쏘면 일부는 센서로 바로 돌아오지만, 일부는 모서리 너머의 공간으로 퍼져나간다. 그 빛이 숨은 물체에 닿은 뒤 다시 벽으로 돌아오고, 벽에서 한 번 더 반사돼 센서에 도달할 수도 있다.

이렇게 여러 차례 반사된 빛은 매우 약하다. 사람의 눈으로는 알아차릴 수 없고, 일반 카메라에서도 주변 밝기와 잡음에 묻히기 쉽다. 하지만 빛이 돌아오는 시간과 반사 패턴을 정밀하게 측정하면 그 속에 숨은 물체에 관한 정보가 남아 있다는 사실을 확인할 수 있다.

빛이 센서에서 출발해 벽과 숨은 물체를 거쳐 돌아오기까지 걸린 시간은 이동 거리에 따라 달라진다. 벽의 여러 지점에서 이 시간을 반복해 측정하면, 숨은 물체가 어느 방향에 있고 얼마나 멀리 떨어져 있는지 추정할 수 있다. 서로 다른 위치에서 얻은 정보를 하나로 결합하면 직접 보이지 않는 공간의 구조를 역으로 복원할 수 있다.

이 과정에서 벽은 일종의 간접적인 거울 역할을 한다. 다만 일반 거울처럼 선명한 상을 비추지는 않는다. 빛을 사방으로 흩뜨리는 거친 반사면이기 때문에 센서가 받아들이는 정보는 매우 흐리고 불완전하다. 따라서 숨은 장면을 복원하려면 약한 신호를 찾아내고, 여러 반사 경로를 구분하며, 잡음 속에서 의미 있는 패턴을 추출하는 복잡한 계산이 필요하다.

비가시선 영상은 단순히 카메라의 시야를 조금 더 넓히는 기술이 아니다. 기존 카메라가 강하고 직접적인 빛을 기록했다면, 비가시선 영상은 여러 번 반사되며 거의 사라질 정도로 약해진 신호에서 공간 정보를 찾아낸다. 보이는 장면을 촬영하는 것이 아니라, 보이는 공간에 남겨진 흔적을 통해 보이지 않는 장면을 계산한다는 점에서 영상 기술의 성격 자체가 달라진다.

반사된 빛으로 물체를 복원하다

라이다는 빛을 이용해 거리를 측정하는 기술이다. 레이저 빛을 발사한 뒤 물체에 반사돼 돌아오기까지 걸린 시간을 측정하면 센서와 물체 사이의 거리를 알아낼 수 있다. 빛은 매우 빠르게 이동하지만 속도가 일정하기 때문에, 왕복 시간을 정밀하게 측정하면 공간의 깊이를 계산할 수 있다.

일반 카메라가 밝기와 색을 기록한다면 라이다는 물체까지의 거리를 기록한다. 같은 장면 안에서도 가까운 물체와 먼 물체가 센서에서 얼마나 떨어져 있는지를 구별할 수 있다. 이러한 특성 때문에 라이다는 자율주행차의 주변 인식과 로봇의 장애물 회피, 건물과 지형의 3차원 측량, 증강현실을 위한 공간 스캔 등에 활용돼 왔다.

스마트폰에 탑재되는 라이다도 기본 원리는 같다. 기기에서 눈에 보이지 않는 적외선 계열의 빛을 발사한 뒤 돌아온 신호를 분석해 주변 공간의 거리 정보를 얻는다. 이를 이용하면 어두운 장소에서도 카메라의 초점을 빠르게 맞추고, 방의 크기를 측정하며, 가구나 실내 공간을 3차원으로 기록할 수 있다. 증강현실에서는 가상의 물체를 실제 바닥이나 탁자 위에 자연스럽게 배치하는 데 활용된다.

그러나 기존 소비자용 라이다는 대부분 센서와 직접 마주한 표면을 측정하는 데 사용됐다. 센서가 벽을 향하면 벽까지의 거리는 알아낼 수 있지만, 벽 뒤나 모서리 너머에 무엇이 있는지는 보여주지 못했다. 이번 연구는 소비자용 라이다가 기록하는 시간별 반사 신호에 주목했다. 벽에서 직접 반사돼 돌아오는 강한 빛뿐 아니라, 여러 표면을 거쳐 조금 늦게 도달하는 약한 빛에도 정보가 담겨 있다고 본 것이다.

숨은 물체를 거쳐 돌아오는 빛은 직접 반사광보다 훨씬 약하다. 센서에서 벽으로, 벽에서 숨은 물체로, 다시 숨은 물체에서 벽으로, 벽에서 센서로 이동하는 동안 빛이 계속 흩어지고 일부는 표면에 흡수된다. 센서가 받아들이는 신호에는 벽 자체의 반사와 주변 조명, 전자적인 잡음, 여러 물체에서 돌아온 정보가 뒤섞여 있다. 이 희미하고 복잡한 신호를 숨은 물체의 3차원 형상으로 바꾸는 것이 비가시선 영상의 가장 어려운 부분이다.

연구진은 한 번의 측정에서 모든 정보를 얻으려 하지 않았다. 여러 순간에 기록한 측정값을 모아 부족한 신호를 보완했다. 어두운 곳에서 스마트폰 카메라가 여러 장의 사진을 연속으로 촬영한 뒤 하나의 밝고 선명한 사진으로 합성하는 방식과 비슷하다. 한 장의 측정값에서는 잡음에 가려진 정보라도 여러 장을 함께 분석하면 반복적으로 나타나는 신호와 우연히 발생한 잡음을 구분할 수 있다.

센서와 물체의 움직임도 적극적으로 활용했다. 일반적인 촬영에서는 움직임이 흔들림과 왜곡을 만드는 방해 요인으로 여겨진다. 하지만 이번 연구에서는 움직임에 따라 서로 다른 위치에서 신호가 측정되는 현상을 새로운 정보의 원천으로 바꾸었다. 센서가 이동하거나 숨은 물체가 움직이면 같은 공간을 조금씩 다른 관점에서 바라본 것과 같은 효과가 생긴다.

여러 위치와 여러 시점에서 수집된 불완전한 신호를 결합하면 실제 센서보다 훨씬 넓은 영역을 측정한 것과 같은 결과를 얻을 수 있다. 작은 센서가 이동하면서 모은 정보를 하나로 합쳐 큰 센서를 사용한 듯한 효과를 만드는 방식이다. 이를 통해 낮은 출력과 제한된 해상도를 지닌 소비자용 라이다에서도 숨은 물체의 위치와 형태를 복원할 수 있었다.

이 지점에서 중요한 변화가 나타난다. 움직임은 더 이상 제거해야 할 오류만이 아니다. 적절한 계산 모델이 있다면 움직임은 센서가 얻지 못했던 새로운 관측점을 제공한다. 값비싼 하드웨어로 한 번에 많은 정보를 수집하는 대신, 저렴한 센서가 이동하면서 얻은 여러 조각을 소프트웨어가 결합한다. 하드웨어의 부족한 성능을 계산과 움직임으로 보완한다는 점이 이번 연구의 핵심이다.

실험실 장비에서 스마트폰급 센서로

비가시선 영상 연구는 이전부터 이어져 왔다. 연구자들은 초고속 레이저와 단일 광자 수준의 빛을 감지하는 검출기, 정밀한 시간 측정 장비를 이용해 벽과 모서리 뒤에 숨은 물체를 복원해 왔다. 빛이 이동하는 시간을 극도로 세밀하게 측정하면 직접 보이지 않는 대상의 위치와 형상을 추정할 수 있다는 사실도 여러 실험을 통해 확인됐다.

그러나 기존 연구 장비는 크고 비쌌다. 강력한 레이저와 고감도 검출기, 정밀한 광학 장치가 필요했고, 센서와 벽의 위치를 세밀하게 맞춰야 했다. 통제된 실험실에서는 비교적 높은 품질의 결과를 얻을 수 있었지만 자동차나 로봇, 휴대기기에 그대로 탑재하기는 어려웠다. 복잡한 보정 작업과 긴 측정 시간도 일상적인 활용을 가로막았다.

소비자용 라이다는 전혀 다른 조건에서 설계된다. 스마트폰이나 소형 기기에 들어가야 하므로 작고 저렴해야 하며, 전력 소비와 발열도 낮아야 한다. 복잡한 설정 없이 바로 작동해야 하고, 사람의 눈과 피부에 안전하도록 빛의 출력도 제한된다. 크기와 비용이 제한된 만큼 공간 해상도와 감도 역시 연구용 장비보다 낮을 수밖에 없다.

이러한 특성은 비가시선 영상을 구현하는 데 불리하다. 숨은 물체를 거쳐 돌아오는 빛은 본래 매우 약한데, 소비자용 센서는 이를 충분히 선명하게 감지하기 어렵다. 공간 해상도가 낮으면 벽의 여러 지점을 세밀하게 구분할 수 없고, 촬영 중 센서와 물체가 움직이면 신호가 뒤섞인다. 기존 방식만으로는 스마트폰급 라이다의 측정값에서 안정적인 3차원 영상을 복원하기 어려웠다.

이번 연구의 의미는 센서 자체를 고성능으로 바꾼 데 있지 않다. 제한된 센서에서 얻을 수 있는 정보를 새롭게 해석했다는 데 있다. 여러 측정값을 결합하고, 센서와 물체의 움직임을 계산 모델에 포함하면서 낮은 레이저 출력과 부족한 공간 해상도를 보완했다. 연구용 장비를 단순히 작게 줄인 것이 아니라, 저가형 센서의 특성에 맞는 새로운 복원 방식을 제시한 셈이다.

연구진은 복잡한 장비 설치와 특수한 보정 과정 없이 스마트폰급 라이다를 이용해 숨은 물체의 3차원 재구성과 단일 물체 및 복수 물체의 추적을 구현했다. 숨은 물체에서 얻은 신호를 바탕으로 센서의 위치를 추정하는 기능도 시연했다. 연구실에 한정돼 있던 기능을 100달러 미만의 상용 하드웨어에서 구현했다는 점은 비가시선 영상 기술의 접근성을 크게 높였다.

디지털카메라의 발전도 비슷한 흐름을 거쳤다. 초기에는 영상 센서의 물리적인 성능을 높이는 것이 화질 개선의 중심이었다. 이후에는 여러 사진을 합성하는 고명암비 촬영과 야간 촬영, 인물 배경 흐림, 손 떨림 보정처럼 계산 기술이 카메라의 성능을 좌우하기 시작했다. 작은 스마트폰 카메라가 제한된 렌즈와 센서로도 좋은 사진을 만드는 이유는 한 번의 촬영만으로 영상을 완성하지 않기 때문이다.

스마트폰은 여러 순간에 수집한 정보를 분석하고 결합해 사람이 보기 좋은 최종 이미지를 만들어낸다. 비가시선 영상도 이러한 계산 영상의 연장선에 있다. 센서가 직접 얻지 못한 장면을 주변에 남은 간접 신호에서 추론한다. 소비자용 하드웨어의 성능이 충분히 높아질 때까지 기다리는 대신, 이미 보급된 센서와 새로운 계산 방식을 결합해 기능을 확장한다.

이는 미래 카메라의 경쟁력이 렌즈와 영상 센서의 사양만으로 결정되지 않을 것임을 보여준다. 같은 하드웨어를 사용하더라도 어떤 신호를 수집하고, 여러 측정값을 어떻게 결합하며, 잡음 속에서 어떤 의미를 찾아내느냐에 따라 전혀 다른 기능이 만들어질 수 있다. 카메라는 단순한 촬영 장치를 넘어 주변 공간을 계산하고 해석하는 장치로 바뀌고 있다.

보이지 않는 물체의 3차원 재구성과 추적

숨은 물체가 있다는 사실을 감지하는 것과 그 물체의 형태를 3차원으로 복원하는 것은 서로 다른 문제다. 단순한 감지는 모서리 뒤에서 무언가 움직이고 있다는 정도만 알아내면 된다. 그러나 3차원 재구성을 위해서는 물체가 어느 방향에 있고, 얼마나 떨어져 있으며, 어느 정도의 크기와 형태를 지니는지까지 추정해야 한다.

연구진은 소비자용 라이다가 기록한 여러 측정값을 결합해 가려진 물체의 3차원 구조를 복원했다. 결과는 일반 카메라 사진처럼 색과 세부 무늬가 선명한 영상은 아니다. 대신 물체가 차지하는 공간과 대략적인 형상, 센서와의 거리 관계를 3차원 정보로 나타낸다. 현재 단계에서는 물체의 정체를 세밀하게 판독하는 기술이라기보다, 보이지 않는 영역에 어떤 구조가 존재하는지를 알아내는 공간 감지 기술에 가깝다.

움직이는 물체를 추적하는 기능은 또 다른 의미를 지닌다. 자율주행차나 로봇에는 숨은 물체의 정교한 외형보다 위치와 이동 방향이 더 중요할 수 있다. 모퉁이 너머에서 접근하는 사람이 어느 방향으로 이동하는지 미리 파악할 수 있다면, 완전한 영상을 얻지 못하더라도 충돌을 피하고 속도를 조절하는 데 도움이 된다.

이번 연구에서는 한 개의 숨은 물체뿐 아니라 여러 물체의 움직임을 구분해 추적하는 기능도 제시됐다. 여러 대상에서 돌아온 반사 신호가 하나의 센서에 뒤섞이는 상황에서 각각의 위치와 움직임을 추정했다는 점이 중요하다. 현실의 도로와 건물 내부에서는 사람과 차량, 로봇, 물건이 동시에 움직이기 때문이다.

숨은 물체를 활용해 센서의 위치를 추정하는 기능도 흥미롭다. 일반적인 위치 인식 기술은 카메라에 직접 보이는 벽과 문, 가구, 도로 표지판 같은 특징을 기준으로 자신의 위치를 계산한다. 주변이 어둡거나 눈에 띄는 특징이 부족하면 위치 추정이 불안정해질 수 있다. 여기에 비가시선 신호를 더하면 센서가 직접 볼 수 없는 공간의 구조까지 위치 판단의 단서로 활용할 수 있다.

이러한 기능은 로봇의 공간 인식 방식을 바꿀 가능성이 있다. 현재 로봇은 센서에 보이는 범위 안에서 지도를 만들고 이동 경로를 계획한다. 앞으로는 모서리 너머의 움직임과 구조까지 제한적으로 추정하며 경로를 선택할 수 있다. 로봇이 복도를 이동하다 교차 지점에 도착하기 전에 반대편에서 다가오는 사람을 감지하거나, 창고 선반 뒤에서 이동하는 다른 로봇의 위치를 파악하는 방식이다.

다만 통제된 환경에서 얻은 연구 성과가 복잡한 현실에서도 그대로 재현된다고 단정할 수는 없다. 벽의 재질과 색, 표면의 거칠기, 주변 조명, 숨은 물체의 반사 특성은 측정 결과에 큰 영향을 미친다. 검은색이나 빛을 잘 흡수하는 물체에서는 반사 신호가 약해지고, 유리나 금속처럼 빛이 특정 방향으로 강하게 반사되는 표면에서는 측정값이 복잡해질 수 있다.

여러 개의 벽과 물체가 있는 공간에서는 빛이 예상보다 많은 경로를 거치며 돌아온다. 하나의 신호가 어느 물체에서 왔는지 구별하기 어려워지고, 잘못된 위치에 물체가 있는 것처럼 복원될 수도 있다. 야외에서는 강한 햇빛이 센서의 적외선 신호를 방해할 수 있으며, 비와 안개, 먼지도 빛의 이동과 반사에 영향을 준다.

측정 거리와 처리 속도 역시 해결해야 할 과제다. 자율주행차는 빠르게 변하는 도로 환경을 실시간으로 판단해야 한다. 여러 측정값을 충분히 모은 뒤 오랜 시간 계산해야 한다면 위험을 피하는 데 사용하기 어렵다. 스마트폰이나 소형 로봇에서도 배터리 사용량과 연산 부하, 센서 발열을 고려해야 한다.

실용화를 위해서는 더 적은 측정값으로 빠르고 안정적인 결과를 얻는 계산 방식이 필요하다. 다양한 벽과 바닥, 조명 환경에서도 성능을 유지해야 하며, 여러 물체가 동시에 움직이는 복잡한 상황에서도 잘못된 감지를 줄여야 한다. 센서가 이동하는 동안 자신의 위치와 방향을 정확히 파악하는 기술도 함께 발전해야 한다.

현재의 성과는 보이지 않는 공간을 완벽하게 촬영하는 단계라기보다, 소비자용 센서에서도 그 공간에 관한 의미 있는 정보를 추출할 수 있음을 보여준 단계다. 선명한 사진과 같은 결과를 기대하기보다는, 기존 카메라가 제공하지 못했던 새로운 안전 정보와 공간 정보를 얻는 기술로 이해하는 편이 정확하다.

카메라의 다음 진화가 시작된다

비가시선 영상이 가장 먼저 활용될 수 있는 분야로는 자율주행이 꼽힌다. 자율주행차에는 카메라와 레이더, 라이다 등 여러 종류의 센서가 탑재된다. 하지만 건물과 담장, 주차된 차량에 가려진 대상은 직접 시야에 들어오기 전까지 감지하기 어렵다. 골목 모퉁이나 교차로에서 갑자기 나타나는 보행자와 자전거는 사람 운전자뿐 아니라 자율주행 시스템에도 큰 위험 요소다.

자동차가 도로 옆 건물이나 바닥에서 돌아오는 간접적인 빛을 분석해 모서리 너머의 움직임을 미리 감지할 수 있다면 대응할 수 있는 시간이 늘어난다. 숨은 사람의 세부 모습을 복원하지 못하더라도 접근하는 물체의 위치와 이동 방향만 알아내면 속도를 줄이거나 정지할 수 있다. 비가시선 영상은 기존 센서를 대체하기보다 카메라와 레이더, 직접 시야 라이다가 놓치는 사각지대를 보완하는 역할을 맡을 가능성이 크다.

로봇 분야에서도 활용 범위가 넓다. 물류창고의 이동 로봇은 선반과 상자 때문에 시야가 자주 가려진다. 병원이나 호텔의 서비스 로봇은 좁은 복도와 교차 지점에서 사람과 마주칠 수 있다. 가정용 로봇은 가구 뒤에서 움직이는 반려동물이나 어린이를 즉시 발견하지 못할 수 있다. 보이지 않는 영역의 움직임을 미리 감지하면 로봇이 속도를 조절하고 더 안전한 경로를 선택할 수 있다.

재난 구조 현장에서는 더욱 직접적인 가치가 생긴다. 화재 현장의 연기와 먼지는 카메라의 시야를 가리고, 붕괴된 건물의 잔해는 구조대원이 내부를 확인하기 어렵게 만든다. 소형 로봇이나 드론에 비가시선 감지 기능이 탑재되면 벽과 잔해 주변에서 돌아오는 간접적인 빛을 이용해 사람의 움직임이나 숨은 공간의 구조를 탐색할 수 있다.

현재 기술만으로 잔해 깊숙한 곳에 있는 사람을 정확히 찾아낼 수 있다고 단정하기는 어렵다. 그러나 구조대원이 위험한 공간에 직접 들어가기 전에 움직임의 흔적과 빈 공간의 존재를 파악하는 보조 기술로 발전할 수 있다. 다른 열 감지 장치나 음향 센서, 레이더와 결합한다면 구조 가능성을 판단하는 데 더 많은 정보를 제공할 수 있다.

스마트폰의 기능도 달라질 수 있다. 스마트폰 라이다는 지금까지 공간 측정과 증강현실, 카메라 촬영 보조에 주로 사용돼 왔다. 비가시선 감지가 가능해지면 사용자가 모서리를 돌기 전에 접근하는 물체를 알려주는 보행 안전 기능이나, 어두운 실내에서 움직임을 파악하는 기능, 복잡한 건물 내부에서 위치를 정밀하게 추정하는 기능으로 확장될 수 있다.

시각장애인을 위한 보조 기술에도 가능성이 있다. 현재의 보행 보조 장치는 카메라와 초음파 센서 등을 이용해 전방의 장애물을 감지한다. 여기에 모서리 너머에서 접근하는 사람이나 이동 물체에 관한 정보가 더해지면 주변 상황을 조금 더 일찍 파악할 수 있다. 다만 실제 보조기기로 사용하려면 잘못된 경고와 감지 실패를 크게 줄이고, 필요한 정보만 진동이나 음성으로 간결하게 전달해야 한다.

증강현실 분야에서는 가상 공간의 범위가 넓어질 수 있다. 현재 증강현실 기기는 센서에 직접 보이는 공간을 중심으로 지도를 만든다. 비가시선 정보가 추가되면 사용자가 방 안을 모두 둘러보기 전에도 주변 공간의 일부를 추정하거나, 가려진 영역에서 움직이는 대상에 맞춰 가상 콘텐츠를 조정할 수 있다.

스마트 안경과 웨어러블 기기가 주변의 보이지 않는 움직임까지 제한적으로 이해하게 된다면 현실과 디지털 정보를 결합하는 방식도 달라질 수 있다. 눈앞에 보이는 장면에 정보를 덧붙이는 수준을 넘어, 보이지 않는 위험이나 공간의 변화를 미리 알려주는 감각 보조 장치로 발전할 수 있다.

그러나 기술의 발전은 프라이버시 문제를 동반한다. 벽이나 모서리 뒤의 움직임을 감지할 수 있다는 것은 안전과 구조에 도움을 줄 수 있지만, 동의 없이 사람의 존재와 행동을 파악하는 감시 기술로 사용될 가능성도 뜻한다. 복원 영상이 선명하지 않더라도 특정 공간에 사람이 있는지, 몇 명이 움직이는지, 어느 방향으로 이동하는지를 알아내는 정보는 충분히 민감할 수 있다.

스마트폰과 로봇처럼 일상적인 기기에 비가시선 감지 기능이 들어간다면 기술적인 성능만큼이나 작동 범위와 데이터 저장 방식, 사용자 고지, 접근 권한에 관한 기준이 중요해진다. 어떤 상황에서 센서를 활성화할 수 있는지, 수집된 원시 신호와 복원 결과를 기기 안에만 저장할지 외부 서버로 전송할지, 타인의 공간을 무분별하게 감지하지 못하도록 어떻게 제한할지를 함께 설계해야 한다.

카메라의 역사는 더 선명한 이미지를 얻는 방향으로 발전해 왔다. 화소 수가 증가했고, 렌즈가 밝아졌으며, 어두운 밤에도 색과 형태를 기록할 수 있게 됐다. 앞으로의 변화는 단순한 화질 경쟁을 넘어설 가능성이 있다. 센서에 직접 들어온 빛만 보여주는 것이 아니라 주변에 흩어진 빛을 분석해 눈에 보이지 않는 공간의 구조와 움직임을 계산하는 방향이다.

소비자용 라이다를 이용한 이번 연구가 완성된 벽 너머 카메라를 내놓은 것은 아니다. 복원 품질과 측정 거리, 처리 속도, 환경 적응성에는 분명한 한계가 있다. 실제 자동차와 스마트폰, 구조 장비에 적용되기까지는 센서와 계산 기술, 안전 기준이 함께 발전해야 한다.

그럼에도 변화의 방향은 선명하다. 과거에는 보이지 않는다는 말이 정보가 존재하지 않는다는 뜻에 가까웠다. 이제는 직접 보이지 않더라도 벽과 바닥에 도달한 빛의 시간과 패턴을 분석해 그 너머를 제한적으로 추론할 수 있다. 값비싼 연구 장비의 영역에 머물던 기술이 스마트폰급 센서로 이동하면서 비가시선 감지는 특별한 실험이 아니라 다양한 기기에 추가될 수 있는 계산 기능으로 바뀌기 시작했다.

미래의 카메라는 장면을 그대로 기록하는 눈에 머물지 않을 수 있다. 눈앞의 이미지와 거리뿐 아니라 사각지대에 남겨진 희미한 신호를 모으고, 여러 순간의 정보를 결합하며, 보이지 않는 공간에서 무엇이 움직이는지를 추정하는 지능형 감각기관으로 발전할 수 있다.

스마트폰급 라이다가 보여준 가능성은 카메라가 단순히 더 멀리 보고 더 선명하게 기록하는 기술을 넘어설 수 있음을 보여준다. 다음 세대의 카메라는 눈앞에 나타난 세계만 촬영하는 것이 아니라, 직접 보이지 않는 공간의 흔적까지 읽어 주변 환경을 더 넓고 빠르게 이해하는 기술로 진화하고 있다.

Reference

Siddharth Somasundaram, Aaron Young, and Ramesh Raskar, Nature, May 2026, “Imaging Hidden Objects with Consumer LiDAR via Motion-Induced Sampling”