AI 확산에 ‘엣지 컴퓨팅’ 시장 급성장 “2031년 3173억 9000만 달러 전망”
AI 기반 데이터 처리와 산업 자동화, IoT, 5G 확산으로 데이터가 생성되는 현장에서 직접 연산을 수행하는 엣지 컴퓨팅의 중요성이 커지고 있다. 특히 영상 분석과 컴퓨터비전이 엣지 컴퓨팅의 주요 애플리케이션으로 부상하면서 제조현장의 머신비전과 AI 검사 시스템에서도 현장 데이터 처리에 대한 요구가 확대되고 있다. MarketsandMarkets에 따르면 글로벌 엣지 컴퓨팅 시장은 2026년 1113 억 4000만 달러에서 2031년 3173억 9000만 달러로 성장할 전망이다.2026~2031년 연평균성장률(CAGR)은 23.3%에 달한다. 엣지 컴퓨팅 시장의 성장 배경에는 산업용 IoT 확대와 AI 기반 데이터 처리, 5G 네트워크 확산, 실시간 분석 수요 증가 등이 있다. 특히 제조 현장에서는 생산설비와 센서, 카메라에서 발생하는 데이터를 즉시 처리해야 하는 애플리케이션이 늘어나면서 엣지 인프라의 역할이 확대되고 있다. ▲ 머신비전과 산업 자동화 확산에 따라 생산현장에서 데이터를 즉시 분석·판단하는 엣지 컴퓨팅 수요가 빠르게 확대되고 있다. 영상 분석·컴퓨터비전, 엣지 컴퓨팅 최대 애플리케이션으로 비전산업에서 주목할 부분은 영상 분석과 컴퓨터비전이다.MarketsandMarkets는 영상 분석 및 컴퓨터비전이 엣지 컴퓨팅 애플리케이션 가운데 가장 큰 시장 비중을 차지할 것으로 전망하고 있다. 영상 분석과 컴퓨터비전은 실시간 운영 판단과 자동화를 지원하는 대표적인 엣지 애플리케이션으로 꼽힌다. 제조 업을 비롯해 유통, 교통, 스마트시티, 의료, 공공안전 분야 에서도 고용량 영상 데이터를 데이터가 생성되는 위치와가까운 곳에서 처리하려는 움직임이 확대되고 있다. 머신비전에서도 이러한 구조가 중요해지고 있다. 생산라인의 고속 검사에서는 카메라가 생성하는 이미지 데이터를 짧은 시간 안에 분석해 불량 여부를 판단해야 한다. 엣지 컴퓨팅을 활용하면 이미지 전체를 외부 데이터센터나 클라우드로 전송하지 않고 생산현장에서 AI 추론과 분석을 수행할 수 있어 데이터 전송 지연과 네트워크 부하를 줄일 수 있다. AI 기능을 탑재한 카메라와 머신비전 시스템의 확대 역시 엣지 컴퓨팅 수요를 높이는 요인이다. AI 추론을 현장에서 수행하면 검사 결과를 빠르게 생산설비의 제어 시스템으로 전달할 수 있어 품질검사와 공정자동화의 실시간 대응력을 높일 수 있다. <도표> 글로벌 엣지 컴퓨팅 시장 규모 및 전망 ▲ 글로벌 엣지 컴퓨팅 시장은 2026년 1113억 4000만 달러에서 2031년 3173억 9000만 달러로 성장할 전망이다. 연평균성장률은 23.3%다. (자료:MarketsandMarkets) 제조업, 가장 큰 산업별 시장 비중 전망 제조업은 엣지 컴퓨팅의 핵심 수요처다. 스마트팩토리 확산과 산업 자동화, 예지보전, AI 기반 생산 시스템 도입이 늘면서 제조현 장에서 생성되는 데이터를 실시간으로 분석해야 할 필요성이 높아지고 있기 때문이다. 생산라인에서는 머신비전 카메라뿐 아니라 센서와 PLC, 로봇, 각종 생산설비가 지속적으로 데이터를 생성한다. 이 데이터를 현장 에서 처리하면 이상 상태를 빠르게 감지하고 설비 제어나 품질관리 시스템과 연계할 수 있다. MarketsandMarkets는 제조업이 엣지 컴퓨팅 시장에서 가장 큰산업별 비중을 차지할 것으로 전망했다. 특히 스마트팩토리와 예지보전, AI 기반 생산시스템 확대가 제조 분야의 엣지 컴퓨팅 도입을 촉진할 것으로 분석했다. 엣지 하드웨어 수요도 확대 엣지 컴퓨팅 시장 확대와 함께 관련 하드웨어 수요도 증가할 전망이다. 엣지 인프라에는 엣지 서버와 어플라이언스, 게이트웨이, AI 가속기 및 프로세서, 스토리지, 네트워크 장비 등이 포함된다.기업들은 분산된 현장에서 실시간 데이터 처리를 지원할 수 있는 견고하고 소형화된 고성능 엣지 시스템의 도입을 확대하고 있다. 특히 AI 기반 분석과 산업 자동화, 미션 크리티컬 애플리케이션을 지원하기 위해 고성능 엣지 하드웨어에 대한 투자가 늘고 있다.AI 기반 머신비전에서도 대용량 이미지 데이터를 실시간으로 처리해야 하기 때문에 GPU와 AI 가속기를 탑재한 산업용 컴퓨팅 플랫폼의 역할이 더욱 커질 것으로 보인다. 클라우드 중심에서 ‘현장 AI’로 엣지 컴퓨팅의 확대는 머신비전 시스템의 데이터 처리 구조에도 변화를 가져오고 있다. 기존에는 카메라와 센서에서 수집한 데이 터를 중앙 서버나 클라우드에서 분석하는 방식이 일반적이었다 면, 최근에는 데이터가 생성되는 생산라인 가까이에서 AI 추론과 분석을 수행하는 구조가 확대되고 있다. 이는 클라우드를 대체하기보다는 역할을 분담하는 방향에 가깝 다. 즉각적인 판단이 필요한 검사와 설비 제어는 엣지에서 수행하 고, 장기간 데이터 저장이나 생산현장 전체의 분석, AI 모델 관리 등은 중앙 서버나 클라우드에서 처리하는 방식이다. AI 기반 검사와 고속·고해상도 영상처리가 확대될수록 이러한 구조의 필요성은 더욱 커질 것으로 보인다. 이에 따라 머신비전 카메라와 AI 프로세서, 산업용 PC, 엣지 서버를 연계해 현장에서 영상 데이터를 처리하는 시스템 구성도 더욱 확대될 전망이다. MarketsandMarkets는 AI 기반 처리와 5G, 산업용 IoT, 실시간 분석 수요가 엣지 컴퓨팅 시장의 성장을 지속적으로 견인할 것으로 전망하고 있다. 글로벌 시장이 2031년까지 연평균 23.3% 성장할 것으로 예상되는 가운데, 머신비전 역시 현장에서 데이터를 분석하고 판단하는 지능형 시스템으로 진화하는 흐름이 더욱 뚜렷 해질 것으로 보인다. 자료제공: MarketsandMarkets (www.marketsandmarkets.com)
‘2026 국제모션컨트롤산업전’ 10월 14~16일 코엑스서 개최
모션컨트롤과 제조자동화 분야의 최신 기술을 한자리에서 살펴볼 수 있는 ‘2026 국제모션컨트롤산업전(Motion Control Show 2026)’이 오는 10월 14일부터 16일까지 3일간 서울 코엑스에서 개최된다.상은미디어가 주최하는 국제모션컨트롤산업전은 지난해까지 일산 킨텍스에서 열렸으며, 올해 다시 서울 코엑스로 무대를 옮겨 눈길을 끌고 있다. 모션컨트롤을 중심으로 제조설비와 자동화 시스템에 적용되는 다양한 제품과 솔루션을 선보이며 관련 업계의 기술 동향과 시장 흐름을 살펴볼 수 있는 전문 전시회로 마련된다. 고속·고정밀 제조 위한 핵심 기술 집결 제조현장의 자동화 수준이 높아지면서 모션컨트롤 기술의 역할도 확대되고 있다. 단순한 구동을 넘어 생산장비의 속도와 위치, 반복정밀도, 응답성, 다축 동기화 등 장비 전체의 성능을 좌우하는 핵심 기술로 자리잡고 있다. 특히 반도체와 디스플레이, 이차전지, 전자부품 등 고정밀 제조산업에서는 더욱 정교한 위치제어와 안정적인 구동 성능이 요구되고 있다. 이에 따라 모터와 드라이브, 모션컨트롤러뿐 아니라 리니어 모션, 액추에이터, 엔코더, 산업용 네트워크, 로봇, 센서 및측정·검사 기술 간 연계의 중요성도 커지고 있다.올해 국제모션컨트롤산업전에서는 이러한 제조환경 변화에 대응 하는 다양한 모션컨트롤 및 자동화 관련 제품과 기술이 소개될 예정이다. 다양한 기업 참가, 제조자동화 핵심 기술 한자리에 올해 전시회에는 모션컨트롤과 정밀구동, 산업자동화 부품, 산업 통신, 로봇, 측정·검사 및 제조공정 관련 분야의 다양한 기업이 참가한다. 모터와 드라이브, 모션컨트롤러를 비롯해 정밀 감속기, 스테이지·액추에이터, 엔코더 등 모션 시스템을 구성하는 핵심 제품부터 산업용 네트워크와 I/O, 로봇·물류이송 시스템, 케이블및 기구 부품까지 폭넓은 제품군이 소개될 예정이다. 특히 이번 전시에서는 개별 모션 부품뿐 아니라 장비의 구동과 제어, 통신, 이송, 검사·계측을 연결하는 자동화 솔루션을 함께 살펴볼 수 있다. 반도체·디스플레이·이차전지 등 고정밀 제조공정에서 요구되는 정밀 위치제어와 다축 동기화, 고속 이송 기술은 물론 X-ray 및 각종 검사·계측 장비, 레이저 공정기술, 자동물류 시스템 등 제조공정 전반과 연계되는 기술도 전시된다. 모션컨트롤 기술이 단순한 구동 요소를 넘어 제조장비 전체의 성능과 생산성을 좌우하는 핵심 기술로 확대되고 있는 최근 흐름을 확인할 수있는 자리다. 참가기업들은 각 사가 보유한 핵심 부품과 단품뿐 아니라 실제 장비 적용을 고려한 시스템과 응용 솔루션도 선보일 예정이다. 이에 따라 관람객들은 동일한 기능을 수행하는 다양한 제품의 성능과특성을 비교하는 것은 물론, 생산설비의 정밀도와 속도 향상, 설비 간 통신, 자동물류, 검사 자동화 등 각 공정의 과제를 해결하기 위한 기술을 한자리에서 검토할 수 있다. 특히 신규 장비 개발이나 기존 생산라인의 자동화·고도화를 추진하는 수요기업 에는 필요한 모션 및 자동화 기술을 폭넓게 탐색할 수 있는 기회가 될 것으로 기대된다. SEDEX 동시 개최, 반도체산업과 연계 강화 이번 전시회는 같은 기간 코엑스에서 열리는 ‘SEDEX 2026(반 도체대전)’과의 연계도 주목된다. SEDEX 2026은 반도체 소자와 제조장비, 부품, 재료, 설비, 센서 등 반도체산업 생태계 전반을 다룬다. 반도체 제조공정의 미세화와 고도화가 진행될수록 정밀 위치제어와 고속 이송, 반복정밀도, 장비 간 동기화 등의 중요성도 커지고 있다.같은 기간 두 전시회가 코엑스에서 개최됨에 따라 모션컨트롤및 자동화 기업과 반도체·장비 분야 수요기업 간 기술 교류와 비즈니스 접점도 확대될 것으로 보인다. 상은미디어 신현익 사장은 “올해 국제모션컨트롤산업전은 다시 코엑스에서 개최되는 만큼 모션컨트롤 업계와 다양한 수요 산업 간 접점을 넓히는 데 초점을 맞췄다”며 “참가기업에는 새로운 비즈니스 기회를 제공하고, 관람객에게는 제조현장에 필요한 최신 모션컨트롤 및 자동화 기술을 한자리에서 확인할 수있는 전시회가 되도록 준비하겠다”고 말했다.
이벤트 기반 비전(EVS), 고속 계수부터 설비 모니터링·AMR까지 적용 확대
산업용 머신비전은 더 높은 속도와 더 짧은 지연시간을 요구하고 있다. 생산라인의 처리속도가 빨라지고 로봇과 자율이동시스템의 움직임이 복잡해지면서, 일정한 간격으로 전체 이미지를 촬영하는 기존 프레임 기반 방식만으로는 순간적인 움직임을 효율적으로 포착하기 어려운 영역도 나타나고 있다. 이러한 한계를 보완하는 기술로 이벤트 기반 비전 센서(Event-based Vision Sensor, EVS)가 주목받고 있다. 기존 이미지센서가 정해진 프레임 속도에 따라 화면 전체를 반복적으로 읽는 것과 달리, EVS는각 픽셀에서 발생한 휘도 변화(luminance change)를 개별적으로 감 지한다. 설정된 임계값을 넘어서는 변화가 발생했을 때 해당 픽셀의 좌표와 시간, 변화 방향 등의 정보만 이벤트 형태로 출력한다. 각 픽셀은 서로 독립적으로 비동기 동작한다. 이 때문에 움직임이 없는 배경을 계속 전송할 필요가 없고, 변화가 발생한 부분의 정보를 높은 시간 해상도로 확보할 수 있다. Sony Semiconductor Solutions는 이러한 방식이 고속 물체 검출, 설비 모니터링, 동작 분석 및 이미지 인식 등 산업 분야에 활용될 수 있다고 설명한다. 필요한 데이터만 처리하기 때문에 마이크로초 수준의 빠른 응답과 낮은 전력 소비도 EVS의 특징으로 제시된다. ▲ 프레임 기반 영상과 이벤트 기반 비전의 데이터 획득 방식 차이를 개념적으로 표현한 이미지. 프레임 방식은 일정한 시간 간격으로 전체 영상을 획득하는 반면, 이벤트 기반 비전은 변화가 발생한 픽셀의 위치와 시간정보를 비동기적으로 감지한다. (이미지: AI 생성) 프레임이 아니라 ‘변화’를 읽는다 일반적인 프레임 기반 카메라는 설정된 프레임 레이트에 따라 센서 전체의 이미지를 반복적으로 획득한다. 물체가 움직이지 않는 순간에도 배경을 포함한 전체 영상이 계속 생성된다. 반면 EVS는 움직임에 따라 발생하는 휘도 변화에 반응한 다. Sony의 EVS에서는 각 픽셀이 기준 휘도와 현재 휘도의 차이를 감지하고, 그 변화량이 설정된 임계값을 넘었을때 이를 이벤트로 판단한다. 이벤트 정보에는 픽셀 좌표와 타임스탬프, 휘도가 밝아졌는지 어두워졌는지를 나타내는 극성 정보가 포함된다. 이 구조의 가장 큰 차이는 ‘언제 한 장의 이미지를 찍을 것인가’보다 ‘어디에서 언제 변화가 일어났는가’를 기록한다는 점이다.고속으로 움직이는 물체에서는 이 특성이 특히 중요하다. 프레임 방식은 물체의 이동 속도가 빨라질수록 높은 프레임 레이트와 짧은 노출시간이 요구되는 반면, 이벤트 기반 센서는 움직임에 따른 변화를 픽셀 단위로 연속 검출할 수있다. Sony는 이를 통해 고속 물체의 궤적과 움직임을 높은 시간 해상도로 확보할 수 있다고 설명한다. ▲ 이벤트 기반 센서와 프레임 기반 센서의 데이터 획득 방식 비교. 이벤트 기반 센서는 움직임에 따른 휘도 변화를 시간정보와 함께 연속적으로 감지한다. (자료:Sony Semiconductor Solutions) 초당 1000개, 고속 카운팅에서 가능성 확인 이벤트 기반 비전의 고속 처리 특성을 보여주는 대표적인 산업 적용 사례 중 하나가 IMAGO Technologies와 Prophesee의 젤 캡슐 카운팅 애플리케이션이다.이 애플리케이션에서는 진동 피더에서 떨어지는 투명한 노란색 젤 캡슐을 고속으로 계수해야 했다. 기존 투과조명 기반 라인스캔 시스템에서는 캡슐의 투명성과 낮은 대비때문에 하나의 제품을 안정적으로 구분하는 데 한계가 있었다. IMAGO Technologies는 기존 라인스캔 카메라 대신 Prophesee의 이벤트 기반 기술을 적용한 Vision Cam EB를 활용했다. 센서가 물체의 전체 이미지를 연속적으로 생성하는 대신 움직임으로 발생하는 픽셀 변화를 추적하면서 고속 이동 물체를 분리하고 계수하는 방식이다. 그 결과 공식 사례에서는 초당 1000개의 움직이는 물체를 계수할 수있다고 제시한다. 데이터 처리 역시 스마트카메라 내부에서 수행한다.Prophesee는 이러한 구조를 통해 초고속 계수를 위해 별도의 고성능 컴퓨팅 시스템에 의존하는 구성을 단순화할 수 있다고 설명한다. 이 사례는 이벤트 기반 비전의 장점이 단순히 카메라의 ‘속도’에만 있는 것이 아니라는 점을 보여준다. 변화가 발생한 정보만 처리하고, 데이터 처리를 스마트카메라 내부에서 수행함으로써 초고속 계수를 위한 별도의 고성능 컴퓨팅 시스템 의존도를 낮출 수 있다. 미세 진동까지 비접촉으로 포착 이벤트 기반 비전의 또 다른 산업 응용 분야는 설비 상태 모니터링과 고장 진단이다.기존 머신비전은 제품의 외관이나 위치를 검사하는 용도로 주로 활용돼 왔지만, 이벤트 카메라의 높은 시간 해상도를 이용하면 기계에서 발생하는 미세한 움직임과 진동을 비접촉 방식으로 측정할 수 있다. 2023년 Measurement에 발표된 연구에서는 이벤트 기반 동적 비전 센서를 이용해 기계 시스템의 미세 진동을 측정하는 방법을 제안했다. 연구진은 이벤트 데이터에서 미세 진동을 추출하고, 이를 기계 상태 모니 터링에 활용할 수 있는 가능성을 검증했다. 이후 연구에서는 이러한 이벤트 기반 진동 정보를 활용해 회전기계의 상태 분석과 고장 진단 으로 적용 범위를 확장하는 방법도 제시되고 있다. 이벤트 카메라는 화면 전체를 일정한 프레임 속도로 촬영하는 대신각 픽셀에서 발생하는 밝기 변화를 비동기적으로 기록한다. 따라서 회전기계와 같이 빠르고 미세한 움직임이 반복되는 환경에서 진동 변화를 높은 시간 해상도로 추적하는 데 활용할 수 있다. 이 방식의 장점은 가속도 센서를 설비에 직접 부착하는 방식과 달리 비접촉으로 진동을 측정할 수 있다는 점이다. 또한 카메라 시야 안의 여러 위치에서 발생하는 움직임을 동시에 관찰할 수 있어, 설비의 미세 진동과 상태 변화를 영상 기반으로 분석하는 새로운 방법으로 활용될 가능성이 있다. 로봇과 AMR의 빠른 장애물 검출 이벤트 기반 비전의 높은 시간 해상도는 로봇 분야에서도 활용 가능성을 넓히고 있다.물류창고와 공장에서는 가이드 없이 자율주행하는 AMR의 사용이 확대되고 있다. AMR은 주변 장애물을 빠르게 감지하고 이동 경로를 판단해야 하기 때문에 센서의 응답속도가 중요하다. Sony Semiconductor Solutions는 물류용 센서 애플리케이션에서 EVS가 물체 외형의 특징을 휘도 변화에서 검출해 장애물을 고속으로 감지할 수 있다고 설명한다. 이를 기반으로 창고 내 자동 이송과 배송 로봇의 외부 환경 인식 등에 활용될 가능성을 제시하고 있다. 다만 EVS가 AMR의 모든 비전 센서를 대체하는 구조는 아니다.Sony의 물류 애플리케이션에서도 ToF 센서는 거리와 3차원 정보, 글로벌셔터 이미지센서는 객체 추적과 SLAM 등에 각각 사용 된다. 이벤트 기반 비전은 이들 센서와 함께 빠르게 발생하는 움직임을 검출하는 역할로 활용되는 구조다. 이는 이벤트 기반 비전의 향후 적용방향을 보여주는 중요한 부분 이다. 하나의 센서가 모든 시각정보를 처리하기보다는 필요한 정보의 성격에 따라 서로 다른 센서를 조합하는 방식이다. 기존 영상과 이벤트 데이터를 하나의 시스템으로 이벤트 기반 비전이 기존 프레임 기반 카메라를 완전히 대체하기 보다는 두 센싱 방식을 결합하는 방향도 본격화되고 있다. IDS Imaging Development Systems와 Prophesee는 2026년 3 월 차세대 산업용 비전 시스템 공동개발을 위한 협력을 확대했다. 양사는 기존 이미징 기술과 이벤트 기반 센싱을 결합해 더 빠르고 정확하면서 전력효율이 높은 머신비전 시스템을 개발하는 방안을 모색하고 있다. 양사의 협력은 이미 상용화된 IDS uEye EVS 카메라를 기반으로 다음 단계의 센싱 아키텍처로 확대되는 것이다. IDS는 산업용 카메라 통합과 멀티센서 설계를 담당하고, Prophesee는 이벤트 기반 센서와 개발도구, 소프트웨어 스택을 제공한다. 특히 양사는 기존 이미지와 이벤트 기반 데이터를 결합하는 새로운 센싱 구조를 검토하고 있다. 프레임 방식이 제품의 형태·색상· 텍스처 등 전체 영상정보를 제공하고, 이벤트 방식이 빠른 움직임과 순간적인 변화를 포착하는 식으로 서로 다른 강점을 보완할 수있기 때문이다.이는 이벤트 기반 비전이 별도의 특수센서 영역을 넘어 기존 산업용 머신비전 시스템과 결합하는 단계로 이동하고 있음을 보여준다. ‘더 많은 영상’보다 ‘필요한 변화’에 집중 머신비전의 성능 향상은 오랫동안 더 높은 해상도와 더 빠른 프레임 레이트를 중심으로 진행돼 왔다. 이벤트 기반 비전은 이와 다른 접근을 제시한다. 센서 전체에서 이미지를 반복적으로 읽는 대신 실제로 변화가 발생한 픽셀과 그 시점에 집중하는 방식이다. 이러한 구조는 초고속 물체 계수, 미세 진동 모니터링, 로봇의 움직임 감지와 같이 시간 정보가 중요한 애플리케이션에서 새로운 선택지를 제공한다. 특히 최근에는 기술의 방향도 단독 EVS에서 기존 영상센서와의 결합으로 확대되고 있다. IDS와 Prophesee가 2026년 차세대 산업용 카메라에서 기존 이미징과 이벤트 기반 센싱을 함께 활용하는 방향을 제시한 것도 이러한 변화를 보여준다. 결국 이벤트 기반 비전의 의미는 단순히 더 빠른 카메라를 만드는 데 있지 않다. ‘전체 장면을 계속 촬영한다’는 기존 머신비전의 데이터 획득 방식에서 벗어나, 실제 변화가 발생한 순간과 위치를 중심으로 데이터를 확보한다는 것이다. 초고속 생산라인에서의 계수와 추적, 설비의 미세 진동 감시, 로봇과 AMR의 장애물 검출 등 시간 해상도가 중요한 애플리케이션이 늘어 날수록 이러한 센싱 방식의 활용 영역도 확대될 것으로 보인다. 자료제공: Sony Semiconductor Solutions, Prophesee, IDS Imaging Development Systems, Measurement
거리·정밀도·조명환경에 따라 달라지는 창고 AMR용 3D 비전 설계
창고 자동화와 AMR에서 깊이 카메라는 단순한 센서 부품이 아니라 시스템 통합과 연산 자원, 유지보수까지 영향을 미치는 핵심 요소다. Orbbec은 장거리 통로 주행, 좁은 코너 이동, 빈피킹, 실외 도크등 작업 환경에 따라 필요한 거리 범위와 정밀도, 시야각, 환경 내성이 달라진다고 설명한다. 이 기사는 Orbbec이 최근 공개한 ‘Depth Camera Buyer’s Guide for Warehouse Automation & AMR Navigation’을 바탕으로 창고 자동화와 AMR에 적용되는 깊이 카메라의 주요 선택 기준을 정리했다. 용도에 따라 달라지는 깊이 카메라 요구조건 창고 자동화와 AMR에서 깊이 카메라를 선택할 때는 특정 센서 기술이나 제품부터 정하기보다 로봇이 수행하는 기능과 작업 거리, 운용 환경, 정확도 요구조건을 먼저 정의해야 한다. 장거리 통로 주행에 적합한 카메라가 빈피킹에도 적합한 것은 아니며, 반대의 경우도 마찬가지다. 장거리 팔레트 운송에서는 10m 이상의 측정 거리와 장거리에서 의 깊이 정확도, IP 등급이 중요하다. 스테레오 카메라는 거리가 멀어질수록 깊이 오차가 커질 수 있으며, 넓은 베이스라인은 장거 리에서 삼각측량 정확도를 보완하는 데 유리하다. 반대로 빈피킹이나 로봇 암 조작에서는 장거리 측정보다 0.1~1m 범위에서의 공간 정밀도가 더 중요하다. Orbbec은 실제 로봇 암작업 거리가 대체로 200~500mm이며, 이 구간에서는 3D 포인 트클라우드가 인접한 물체와 형상을 얼마나 세밀하게 구분하는 지가 핵심이라고 설명한다. 이때는 공간 정밀도뿐 아니라 인접한 포인트를 얼마나 가깝게 구분할 수 있는 최소 포인트 간격도 중요한 기준이 된다. 장거리 내비게이션과 근거리 정밀 조작을 모두 수행해야 한다면 각각의 기능에 최적화된 별도 센서를 적용하는 구성이 필요할 수 있다. <표> 창고 자동화 용도별 깊이 카메라 선택 기준 ▲ 깊이 카메라는 일반 영상과 함께 물체까지의 거리 정보를 깊이맵 형태로 생성해 AMR의 주변 환경 인식과 장애물 감지에 활용할 수 있다. Stereo·ToF·LiDAR, 적용 환경별 특성 달라 창고 자동화에서 대표적인 깊이 측정 기술은 Stereo Vision, ToF(Time of Flight), LiDAR다. 각 방식은 거리 범위와 외부 조명 대응, 호스트 연산 부하에서 서로 다른 특성을 보인다. Stereo Vision은 약 0.1m부터 20m 이상까지 비교적 넓은 거리 범위를 지원할 수 있으며, 내비게이션과 조작을 모두 포괄하기 쉽다. 능동 IR 조명을 사용하는 스테레오 방식은 천창이나 실외 도크처럼 주변광 변화가 큰 환경에서도 수동 스테레오나 ToF보다 안정적인 깊이 측정에 유리할 수 있다. ToF는 약 0.1~6m 범위의 근거리 실내 환경에 적합하고 센서 내부에서 깊이 정보를 생성하기 때문에 통합이 비교적 단순하다. 다만 강한 외부 적외선이나 햇빛에서는 성능이 저하될 수 있다. LiDAR는 제품에 따라 100m 이상의 장거리 측정이 가능해 대형 야외 물류 야드나 고속 자율주행 차량에 적합하다. Orbbec은 일반적인 실내 AMR 환경에서는 스테레오 카메라가 필요한 거리 성능을 제공하면서 비용 측면에서도 실용적일 수 있다고 설명한다. 깊이 연산을 카메라 안에서 처리하는 이유 깊이 카메라 선택에서는 센서의 거리와 정밀도뿐 아니라 깊이 데이터를 어디에서 처리하는지도 중요하다. 일부 스테레오 카메라는 좌우 원본 영상을 호스트 프로세서로 보내 깊이 연산을 수행하 는데, 고해상도·고프레임레이트에서는 호스트 연산 부담이 커질수 있다. 반면 카메라 내부 ASIC에서 깊이 연산과 컬러 정렬을 수행하면 호스트에는 처리된 깊이 스트림만 전달할 수 있다. 이를 통해 필요한 호스트 성능을 낮추고 처리 지연과 전력 소비를 줄일 수 있다. 특히 장애물 회피처럼 영상 획득부터 제어 명령까지의 시간이 중요한 AMR에서는 전체 처리 지연이 중요한 설계 조건이 된다. SDK·ROS와 동기화도 선택 기준 로봇용 깊이 카메라는 기계적으로 장착하는 것만으로 끝나지 않는다. 실제 시스템에서는 운영체제와 프로세서 플랫폼, ROS·ROS2 연동, Python 바인딩, 여러 카메라 간 동기화 등 소프 트웨어 통합 조건을 함께 확인해야 한다. Orbbec은 SDK가 지원하는 운영체제와 플랫폼, ROS·ROS2 래퍼 제공 여부, 기존 카메라 플랫폼에서 교체할 때 필요한 코드 수정 범위 등을 사전에 확인해야 한다고 설명한다. 여러 대의 카메라가 동일 공간에서 작동하는 경우에는 하드웨어 트리거를 통한 동기화 기능도 중요한 요소다. 데이터시트보다 실제 환경 검증이 중요 제조사가 제시하는 거리와 정확도 사양은 통제된 거리와 조명 조건에서 측정되는 경우가 많다. 따라서 실제 창고에 적용하기 전에는 로봇의 최소·최대 작업 거리와 조명 변화, 도크 주변의 강한 외부광 등 실제 운용 조건에서 성능을 검증해야 한다. 파일럿 단계에서는 최소·최대 거리의 깊이 정확도, 시간대별 조명 변화, 환경 조건에 따른 캘리브레이션 안정성을 확인하고, 양산·운영 단계에서는 카메라 교정 절차와 SDK 버전, OS 및 프로 세서 아키텍처의 호환성을 관리해야 한다. 카메라 장착 위치와 열관리, 애플리케이션별 튜닝값을 표준화하는 것도 다수의 AMR을 동일한 성능으로 운영하기 위한 조건이다. 또한 먼지와 습도, 세척 환경 등을 고려해 실제 현장 조건에 맞는 IP 등급을 확인해야 한다.대규모 AMR 플릿에 적용할 경우에는 센서 성능뿐 아니라 장기 공급 안정성과 제품 수명주기 지원도 살펴볼 필요가 있다. 로봇 플랫폼은 수년간 운영되는 만큼 부품 단종 시 대체 제품과 소프트 웨어 마이그레이션 경로를 제공할 수 있는지도 중요한 선정 기준이다. 최고 사양보다 용도에 맞는 센서 구성이 핵심 창고 자동화에서 깊이 카메라 선택의 핵심은 가장 높은 사양의 제품을 고르는 데 있지 않다. 장거리 내비게이션과 근거리 정밀 조작은 요구되는 거리 범위와 정밀도, 조명 대응 조건이 다르기 때문에 로봇이 수행하는 기능별로 적절한 센서를 선택해야 한다. AMR이 장애물 회피와 팔레트 인식, 빈피킹, 로봇 암 조작 등 더다양한 작업을 수행하면서 3D 비전 시스템의 역할도 확대되고 있다. 이에 따라 작업 거리와 공간 정밀도뿐 아니라 조명 변화 대응, 인카메라 연산, 동기화, SDK 호환성, 장기 공급 안정성까지 포함한 시스템 관점의 카메라 선정이 중요해지고 있다. 자료제공: Orbbec (www.orbbec.com)
배터리 상부 커버의 미세 변형까지 검출하는 3D 레이저 프로파일러
▲ SinceVision의 3D 레이저 프로파일러를 이용한 리튬이온 배터리 탑 커버 측정. 레이저로 표면을 스캔하고 획득한 높이 데이터를 3D 형상으로 변환해 분석한다. 리튬이온 배터리 제조에서는 탑 커버의 형상과 높이를 정밀하게 측정하는 공정이 요구된다. 특히 탑 커버의 평탄도와 본딩 높이, 국부적으로 가장 높게 돌출된 부분의 높이는 정량적인 측정이 필요한 항목이다.SinceVision은 이러한 배터리 탑 커버(top cover) 측정에 SRI8000시리즈 3D 레이저 프로파일링 시스템을 적용한 애플리케이션을 공개했다. SRI8000은 배터리 탑 커버의 표면 형상을 스캔해 평탄도(flatness), 본딩 높이(bonding height), 최대 돌출 높이(peak protrusion height)를 측정한다. 최대 스캔 속도는 67kHz, Z축 반복정밀도는 0.4μm로 제시됐다. SinceVision은 이를 수작업 측정을 대신해 고속 생산라인에서 적용할 수 있는 3D 측정 방식으로 설명한다. ▲ 3D 레이저 프로파일러가 배터리 탑 커버 표면을 비접촉 방식으로 스캔하는 모습. 레이저 스캔으로 표면의 높이와 형상 데이터를 획득한다. 3D 레이저 프로파일러는 어떻게 높이를 측정하나 3D 레이저 프로파일러는 대상물 표면에 레이저 라인을 투사하고, 표면 형상에 따라 변형된 레이저 정보를 이용해 높이 프로파일을 취득한다. 부품을 이동시키면서 연속적으로 프로파일을 쌓으면 표면의 높이 분포를 3차원 데이터로 구성할 수 있다. 이를 통해 특정 한 지점의 높이뿐 아니라 평탄도와 단차, 돌출부 등 표면 형상을 함께 측정할 수 있다. SinceVision의 SRI 시리즈는 센서 헤드와 컨트롤러를 일체화한 구조로 설계됐으며, 산업 자동화 시스 템과 연결해 3D 측정 데이터를 활용할 수 있도록 구성돼 있다. 평탄도와 높이를 하나의 3D 데이터로 탑 커버 측정에서 중요한 것은 단순히 특정 한 지점의 높이를 확인하는 것에 그치지 않는다. 부품 전체의 표면 상태를 스캔하고, 획득한 높이 데이터를 기반으로 서로 다른 측정 항목을 구분해야 한다.이번 애플리케이션에서 SinceVision이 제시한 측정 항목은 크게세 가지다. 탑 커버 전체의 평탄도를 확인하는 Flatness, 기준면을 중심으로 본딩 영역의 높이를 측정하는 Bonding Height, 그리고 측정 영역 가운데 가장 돌출된 위치의 높이를 확인하는 Peak Protrusion Height다. 이처럼 3D 데이터를 이용하면 한 번의 표면 스캔 데이터를 바탕으로 탑 커버의 전체적인 형상과 특정 영역의 높이를 정량적으로 확인할 수 있다.SinceVision은 자사의 3D 레이저 프로파일러가 표면을 레이저 라인으로 스캔해 높이·폭·깊이 등 3차원 프로파일 정보를 취득하는 방식이라고 설명하고 있다. 비접촉 방식으로 움직이는 부품의표면 데이터를 취득할 수 있다는 것이 3D 레이저 프로파일링의 특징이다. ▲ 3D 레이저 스캔으로 획득한 배터리 탑 커버의 높이 데이터. 표면의 높이 분포를 기반으로 평탄도와 본딩 높이, 돌출부 등을 정량적으로 분석할 수 있다. 최대 67kHz로 고속 생산라인 대응 측정 정밀도와 함께 이번 애플리케이션에서 강조되는 부분은 속도다.SRI8000 시리즈는 최대 67kHz의 스캔 속도를 지원한다. Since Vision은 이 속도를 기반으로 배터리 탑 커버를 생산라인에서 스캔 하면서 높이 데이터를 획득하도록 구성했다. Z축 반복정밀도는 0.4μ m로 제시된다. 특히 원문은 이 시스템의 적용 목적을 고속 생산라인에서 수작업 검사를 대체하는 것으로 설명한다. 즉, 작업자가 탑 커버의 높이를 개별적으로 확인하는 방식에서 벗어나, 3D 프로파일 데이터를 통해 필요한 형상 정보를 자동으로 측정하는 구조다. 여기서 중요한 것은 67kHz라는 수치가 제품 하나를 초당 6만 7000개 검사한다는 의미는 아니라는 점이다. 이는 3D 프로파일 러가 표면 프로파일을 취득하는 스캔 주파수다. 실제 한 제품의 검사 속도는 측정 영역, 이동속도, 필요한 프로파일 수 등 시스템 구성에 따라 달라질 수 있다. 탑 커버 형상을 정량 데이터로 전환 이번 애플리케이션은 3D 레이저 프로파일러가 배터리 외관을 단순히 촬영하는 장비가 아니라 표면 높이와 형상을 수치화하는 측정 장치로 사용된다는 점을 보여준다.SRI8000 시리즈가 측정하는 대상도 흠집이나 오염과 같은 일반 적인 외관 불량이 아니라 평탄도, 본딩 높이, 최대 돌출 높이다. 따라서 이 적용은 2D 영상검사보다는 배터리 부품의 3차원 치수를 정량적으로 확인하는 3D 계측 애플리케이션에 가깝다. 특히 배터리 탑 커버처럼 한 부품 안에서 여러 높이 정보를 확인 해야 하는 경우, 표면 전체를 스캔해 얻은 3D 데이터를 이용하면 필요한 위치의 높이와 전체 형상을 함께 분석할 수 있다. SinceVision은 SRI8000 시리즈를 이용해 이러한 탑 커버 형상 측정을 자동화하고, 고속 생산라인에서 수작업 검사 대신 사용할수 있는 방식으로 제시하고 있다. 최대 67kHz의 스캔 속도와 0.4 μm의 Z축 반복정밀도를 기반으로 평탄도·본딩 높이·최대 돌출 높이를 하나의 3D 측정 시스템에서 확인하는 것이 이번 애플리케 이션의 핵심이다. 자료제공: SinceVision (www.sincevision.com)
