(왼쪽부터) 기계로봇공학과 김민지 학생, 김표진 교수.

(왼쪽부터) 기계로봇공학과 김민지 학생, 김표진 교수.

AD
원본보기 아이콘

광주과학기술원(GIST)은 기계로봇공학과 김표진 교수 연구팀이 초경량 드론에서도 활용할 수 있는 새로운 센서 보정 기술인 '스플라이스(SPLiCE, Single-Point LiDAR and Camera Calibration & Estimation)'를 개발했다고 17일 밝혔다.


이번 기술은 단일방향 라이다(LiDAR)와 카메라의 위치·방향을 정밀하게 일치시켜, 무게와 공간에 제약이 큰 환경에서도 정확한 센서 정렬이 가능하도록 설계됐다. 이를 통해 센서 간 데이터 융합이 가능해지므로 로봇이나 드론이 자율비행, 탐사, 재난 구조 등 다양한 임무를 보다 안정적으로 수행할 수 있다.

초소형 드론은 재난 현장 구조, 산업 시설 점검, 협소 공간 탐사 등에서 활용도가 높다. 그러나 기체에 장착할 수 있는 센서 무게가 제한적이어서 고성능 3D 라이다 센서 대신 단일 방향 라이다와 같은 초경량 센서를 사용해야 한다.


이 경우에는 얻을 수 있는 데이터가 매우 적어 마치 퍼즐 조각이 몇 개 안 되는 상태에서 그림을 맞추는 것처럼 센서 간 좌표계를 정확히 맞추기가 훨씬 까다롭다. 그래서 보정 기술의 중요성이 더욱 커진다.

3D 라이다(3D LiDAR)는 레이저를 여러 방향으로 발사해 반사 시간을 측정하고, 이를 바탕으로 주변 환경의 3차원 점군 데이터를 생성하는 센서 기술로, 자율주행·로봇·드론 등에서 정밀한 공간 인식에 활용된다.

GIST, 초경량 드론 탑재 가능 센서 보정 기술 개발 원본보기 아이콘

기존 라이다-카메라 보정 방식은 다중빔 3D 라이다에서 얻는 촘촘한 점군(Point Cloud) 데이터에 의존해 왔다. 하지만 초소형 드론에서는 단일 방향 라이다만 사용할 수 있어 얻을 수 있는 데이터가 매우 적다. 즉, 그림을 맞추기 위한 퍼즐 조각이 드문드문 놓인 상태이기 때문에 기존 방식으로는 보정이 어려웠다.


연구팀은 이러한 문제를 해결하기 위해 맨해튼 월드(Manhattan World) 모델을 활용했다. 이는 건물이나 실내 구조물이 대부분 수평·수직으로 정렬돼 있다는 가정을 이용해 계산을 단순화하는 기법이다. 또한 연구팀은 직접 고안한 보정 보드를 통해 새로운 접근법을 제시했다. 이 보드는 흑백 격자와 작은 정사각형 구멍으로 구성돼 있으며 문처럼 회전할 수 있다.


라이다는 원래 한 방향의 거리 값만 측정할 수 있지만, 보드가 회전하면서 생기는 거리 변화와 구멍, 보드의 모양 정보를 함께 활용하면 단일 측정점이 누적돼 세 개의 기준점으로 확장된다.


연구팀은 제안한 기법을 검증하기 위해 나노 드론 플랫폼, '크레이지플라이(Crazyflie, 9cm x 9cm, 27g)'에 센서를 탑재해 다양한 실험을 수행했다. 그 결과, 센서 보정 정확도를 평가하는 핵심 지표인 평균 재투영 오차를 약 3픽셀 수준까지 낮추며 기존 방식과 비교해 월등히 높은 정밀도를 보였다. 또한 센서 간 위치 오차는 약 1cm, 3축 회전(좌우·앞뒤·방향 회전) 각도 오차는 약 1°에 불과해 초소형 드론에서도 안정적인 보정 성능을 입증했다.


'스플라이스(SPLiCE)'는 기존의 체커보드 기반 기법이나 가상 2D 라이다 기반 접근법보다 훨씬 적은 데이터(15쌍)만으로도 높은 정확도를 확보했다. 이는 일반적으로 40쌍 이상의 데이터가 필요한 기존 방식에 비해 효율성과 실용성을 크게 향상시킨 것이다.


이러한 성과를 통해 무게와 전력 제약이 큰 초소형 드론에서도 안정적인 센서 보정이 가능해졌으며, 향후 다양한 자율 비행 응용을 뒷받침할 핵심 기반 기술로 발전할 수 있다.

AD

김표진 교수는 "이번 연구는 초소형 드론처럼 센서 무게와 성능에 제약이 큰 환경에서도 라이다와 카메라를 정밀하게 보정할 수 있는 기술이다"며 "앞으로 다수의 드론이 협력해 지도 작성이나 탐사와 같은 임무를 수행하는 데에도 활용될 수 있을 것으로 기대된다"고 말했다.


호남취재본부 민찬기 기자 coldair@asiae.co.kr

<ⓒ투자가를 위한 경제콘텐츠 플랫폼, 아시아경제(www.asiae.co.kr) 무단전재 배포금지>

함께 보면 좋은 기사

새로보기

내 안의 인사이트 깨우기

취향저격 맞춤뉴스

많이 본 뉴스

당신을 위한 추천 콘텐츠

놓칠 수 없는 이슈