AI가 접목된 3D 머신비전으로 제조를 고도화해 보세요

 머신비전은 각종 산업 현장에서 자동 품질 검사를 하거나 공정 및 로봇을 제어하기 위해 이미지나 영상을 분석하는 데 사용하는 기술입니다. 과거에는 평면 이미지/영상을 분석하는 2D 비전이 주로 쓰였지만, 최근 높이나 깊이 방향의 정보까지 활용하는 3D 비전으로 진화하고 있죠. AI의 발전에 힘입어 산업 현장에서 3D 머신비전의 중요성이 더욱 커질 것으로 전망됩니다.

 

✓ 2D 비전을 활용한 설비 예지보전 사례 먼저 읽어보기

 

 

3D 비전이란?

(1)정의

3D 비전이란 컴퓨터나 기계가 인간의 눈처럼 사물을 3차원으로 인식할 수 있도록 하는 기술입니다. 복수의 카메라와 센서를 활용해 2D 비전보다 훨씬 많은 양의 데이터를 획득해 높이와 깊이를 계산하죠. 시스템 복잡도는 높아지지만, 대상의 입체적인 형상 정보를 활용할 수 있습니다.

 

(2) 주요 구성 요소

• 3D 카메라와 센서: 3D 비전 시스템의 핵심은 단연 3D 카메라와 센서입니다. 인터랙트 애널리시스(Interact Analysis) 보고서에 따르면, 3D 머신비전 카메라 시장은 2022년 7억 6,700만 달러에서 2028년에는 거의 16억 달러로 시장 규모가 확대될 전망입니다. 특히 모바일 로봇과 로봇 피킹 분야의 급속한 성장으로 인해 연간 성장률 13%를 보일 것으로 전망되는데요. 이는 전체 머신비전 시장의 연간 성장률 6.4%에 비해 상당히 높은 수치입니다.
• 이미지/영상 처리 소프트웨어: 카메라로 수집한 3D 데이터를 처리하고 분석하는 소프트웨어가 필요합니다. 이 소프트웨어는 물체의 3차원 형상을 정확하게 인식하고, 크기, 모양, 위치, 결함 등을 분석합니다. 딥러닝이나 머신러닝 알고리즘을 사용해 점차 정확도가 높아지고 있습니다.
• 데이터 처리 및 분석: 수집된 데이터를 실시간으로 처리하기 위해 고속 컴퓨팅이 필요합니다. 산업 현장에서는 많은 양의 데이터를 빠르게 처리해야 하기 때문에, 이를 위한 고성능 컴퓨터 시스템과 효율적인 알고리즘이 필수입니다.

 

(3) 3D 카메라의 원리 4가지

3D 비전은 여러 각도에서 얻은 이미지 데이터를 분석하여 물체의 3차원 정보를 추출합니다. 이를 위해 주로 스테레오 비전, 구조화 조명, 시간차 방식, 레이저 삼각 측량 방식 등을 활용합니다. 각각 깊이 정보를 계산하는 방법이 다르고, 속도나 비용 등이 다르기 때문에 특정 산업 환경에 맞게 사용해야 합니다.

스테레오 비전:두 개의 카메라로 양안 시차를 통해 깊이를 인식합니다. 사람의 눈이 원근감을 인지하는 원리와 비슷합니다. 두 개의 카메라는 같은 장면을 약간의 시각 차이가 나는 이미지로 캡처하고, 이 이미지들의 차이를 이용해 깊이 정보를 계산하게 됩니다. 로봇과 자율주행 분야에서 많이 활용됩니다.

 

구조화 조명: 패턴화 된 빛을 물체에 투사하면, 빛이 물체에 닿았을 때 패턴이 변형돼 표면에 나타납니다. 이 왜곡된 패턴을 분석해 물체의 깊이와 모양을 계산하는 방식입니다. 정밀도가 높고, 복잡한 형상의 물체를 인식하는 데 유리합니다. 구조화 조명 3D 카메라는 다른 유형보다 일반적으로 비싸다는 단점이 있습니다.

 

시간 차 방식(ToF, Time of Flight):빛이 카메라에서 물체로 이동한 뒤 반사돼 다시 돌아오는 데 걸리는 시간을 측정해서 거리를 계산하는 방식입니다. 실시간으로 깊이 데이터를 얻을 수 있기 때문에 이미지의 품질보다 빠른 속도가 중요한 경우에 주로 사용합니다. 산업 현장에서 로봇이 장애물을 피해 움직이게 하는 데에 사용할 수 있습니다.

 

레이저 삼각 측량: 레이저를 이용해 물체 표면에 선이나 패턴을 투사합니다. 카메라는 이 선과 패턴이 물체 표면에서 변형되거나 이동하는 모습을 관찰해 3D 구조를 계산합니다. 해상도가 높아서 품질 검사에 사용하는 경우가 많습니다. 그러나 단색 광원으로 색상을 인지할 수 없고, 하나의 레이저가 물체를 위아래로 반복 스캔해야 하는 경우, 속도가 상당히 느리다는 단점이 있습니다. 주로 컨베이어 벨트 위를 물체가 천천히 지나갈 때 스캔하는 용도로 사용합니다.

 

3D 비전을 활용해야 하는 이유

(1) 정확한 깊이 정보 제공

3D 머신비전은 객체의 깊이와 거리 정보를 제공하여 더 정밀한 측정과 검사를 가능하게 합니다. 이로 인해 2D 머신비전보다 더 정확한 품질 관리가 가능하죠. 예를 들어 자동차 부품 제조업체에서는 3D 머신비전을 사용하여 조립 라인에서 부품 간의 정확한 간격을 측정하고, 부품이 올바르게 장착되었는지 실시간으로 확인할 수 있습니다. 이로 인해 오조립된 제품이 출고되는 것을 방지할 수 있습니다.

(2) 복잡한 형태의 객체 처리

복잡한 형태나 구조를 가진 물체도 3D 스캔을 통해 쉽게 분석할 수 있습니다. 예를 들어, 곡선이나 비정형 물체도 정확하게 감지할 수 있는 거죠. 항공기 부품 제조에서는 날개의 복잡한 곡선 형태를 정밀하게 검사하는 데 3D 머신비전을 사용할 수 있습니다. 2D로는 어려운 곡면의 결함을 3D 스캔을 통해 정확히 감지할 수 있어 안전한 부품 생산을 보장할 수 있습니다.

(3) 정확한 위치 및 방향 정보 제공

3D 데이터는 물체의 위치, 배향, 크기 등을 정확하게 파악할 수 있게 해줍니다. 이를 통해 로봇이나 자동화 시스템이 더욱 정밀한 조작을 수행할 수 있고요. 최근 제조 공장에서 산업용 로봇 활용도가 높아지고 있는데요. 이런 트렌드에는 3D 비전 기술의 발달이 톡톡한 역할을 하고 있습니다. 그간 정형화된 물체가 정확한 위치에 놓여 있을 때에만 로봇이 물체를 집고 옮길 수 있었지만, 3D 비전 기술의 발달로 비정형화된 물체가 랜덤하게 놓여 있을 때에도 정확히 집어서 옮기고 조립할 수 있습니다.

 

(4) 향상된 결함 감지

표면의 높낮이 차이, 균열, 결함 등을 3D 스캔을 통해 더 잘 감지할 수 있습니다. 특히 2D 영상으로는 감지하기 어려운 결함을 쉽게 찾아낼 수 있습니다. 예컨대, 반도체 생산에서 3D 머신비전은 웨이퍼 표면의 미세한 결함이나 불규칙한 높이를 감지해 생산 과정에서 발생할 수 있는 문제를 사전에 예방합니다. 이는 반도체의 품질을 높이고 불량률을 줄이는 데 큰 기여를 합니다.

(5) 효율적인 검사 시간

3D 머신비전 시스템은 동시에 여러 객체의 다양한 면을 스캔할 수 있어 검사 시간이 단축됩니다. 예컨대, 자동차 조립 라인에서 3D 머신비전 시스템을 사용하면 차량 외관의 여러 면을 동시에 스캔하고, 도장 상태나 외관 결함을 빠르게 검출할 수 있죠. 이를 통해 전체 검사 시간이 단축되고 생산성이 향상됩니다.

 

 

AI를 활용한 3D 비전 개발 트렌드

(1) 딥러닝 기반 3D 데이터 처리

딥러닝 기술이 3D 비전에도 적용되면서, 3D 데이터에서 복잡한 구조와 패턴을 더 효과적으로 분석할 수 있게 됐습니다. 딥러닝 모델은 3D 포인트 클라우드나 메쉬 데이터를 활용해 물체의 형태와 깊이 정보를 학습하며, 이를 통해 더 정확한 물체 인식과 분류가 가능합니다. 예를 들어, 자율주행차는 딥러닝을 통해 3D 데이터를 실시간으로 처리해 도로 위의 장애물을 정확히 인식하고 회피할 수 있습니다.

(2) 로봇과의 통합

3D 비전과 AI 기술이 결합되면서 산업용 로봇의 인식 능력이 크게 향상됐습니다. 특히, 3D 비전은 물체의 위치, 크기, 방향을 정확하게 파악할 수 있어 로봇이 물체를 더욱 정밀하게 집거나 조작할 수 있게 됩니다. 이는 특히 물류나 제조업에서 로봇이 비정형 물체를 다룰 때 유용하며, 인간의 개입 없이도 다양한 형태의 물체를 처리할 수 있는 자율성이 증가합니다.

(3) 3D 재구성 및 시뮬레이션

AI를 활용한 3D 비전 기술은 실제 물체나 환경을 3D로 재구성하는 데도 활용됩니다. 가상 현실(VR), 증강 현실(AR) 및 디지털 트윈 등 다양한 분야에서 응용되며, 제조업에서는 생산 라인의 시뮬레이션 및 최적화를 위해 사용됩니다. AI는 복잡한 장면을 빠르고 정확하게 3D로 재구성하여 더 나은 설계와 시뮬레이션 환경을 제공합니다.

(4) 3D 객체 추적과 행동 분석

AI와 3D 비전을 활용해 객체의 동작을 실시간으로 추적하고 분석하는 기술이 발전하고 있습니다. 이 기술은 보안 및 감시 시스템, 스포츠 분석, 헬스케어 분야에서 사람이나 객체의 움직임을 추적하고, 행동 패턴을 분석하는 데 사용됩니다. 예를 들어, 헬스케어 분야에서는 환자의 움직임을 3D로 분석해 재활 치료 과정을 모니터링하거나 분석할 수 있습니다.

(5) AI 기반 3D 비전의 초고해상도 구현

고해상도의 3D 스캔 데이터는 매우 정밀한 작업을 요구하는 분야에서 필수적입니다. AI는 3D 이미지의 해상도를 높이고 잡음을 줄이는 기술을 통해 더 정확하고 세밀한 결과를 제공할 수 있습니다. 특히 의료 영상 분석이나 미세한 부품 검사가 필요한 산업에서 이 기술은 중요한 역할을 하고 있습니다.

(6) 엣지 컴퓨팅을 통한 실시간 3D 분석

3D 비전 시스템에서 AI를 엣지 디바이스에 배치함으로써 실시간으로 3D 데이터를 처리하는 기술이 발전하고 있습니다. 이는 지연 시간을 줄여 즉각적인 결정을 내릴 수 있게 하며, 자율주행차나 드론과 같은 분야에서 중요한 역할을 합니다. 예를 들어, 자율주행차는 주변 환경의 3D 데이터를 실시간으로 처리해 도로 상황을 즉시 파악하고 대응할 수 있습니다.

(7) 3D 비전의 다중 센서 통합

AI를 활용한 3D 비전 시스템은 여러 종류의 센서를 통합해 더욱 정확하고 풍부한 데이터를 제공합니다. 3D 카메라, 라이다(LiDAR), 적외선 센서 등의 데이터를 AI가 통합적으로 분석하여 다양한 각도에서 물체를 인식하고 처리할 수 있습니다. 이러한 다중 센서 통합은 자율주행차, 드론, 로봇 공학에서 중요한 역할을 하며, 복잡한 환경에서도 높은 정확도를 보장합니다.

(8) AI 기반 품질 관리와 결함 감지

AI와 3D 비전 기술을 결합하여 제조 공정에서 제품의 품질을 검사하고 결함을 감지하는 데 활용됩니다. 3D 스캔을 통해 제품의 미세한 결함까지도 정확하게 탐지할 수 있으며, AI는 이를 실시간으로 분석해 불량품을 빠르게 분류합니다. 이 기술은 특히 고정밀 부품을 생산하는 자동차, 항공우주, 전자 산업에서 널리 활용됩니다.