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)
