창고 내 장애물을 안정적으로 감지하려면 거리 측정 이상의 것이 필요합니다. 이동 로봇은 높이, 모양, 색상, 질감, 반사율이 다양한 물체를 변화하는 조명 조건에서도 감지해야 합니다.
MRDVS S 시리즈 심도 카메라는 AGV 지게차 및 AMR을 위한 3D 심도 정보를 생성하기 위해 직접 시간차 측정(dToF) 방식을 사용합니다. 2026년 7월에 실시된 성능 테스트에서 MRDVS는 S11이 검은색, 반사형, 겹치는 물체 및 강한 역광 환경에서 어떻게 작동하는지 평가했습니다.
실제 운영 중인 창고에서 장애물을 안정적으로 감지하는 것은 단순히 거리를 측정하는 문제만이 아닙니다.
창고에 쌓인 물품은 균일한 경우가 드뭅니다. 팔레트, 케이지, 재고품은 무광 검정색이거나 반사 필름으로 포장되어 있거나 마모되어 질감이 없는 회색일 수 있습니다. 이러한 표면은 실험실 테스트 타겟에 맞춰 조정된 센서에 어려움을 줄 수 있습니다.
근무 환경은 추가적인 변수를 도입합니다.
따라서 실질적인 요구 사항은 단순히 거리를 측정하는 것뿐만 아니라 변화하는 목표물과 환경 조건에 걸쳐 활용 가능한 3D 정보를 생성하는 것입니다.
직접 시간차 측정 기술은 초단파 적외선 펄스(일반적으로 나노초 단위)를 방출하고 방출 시점과 반사 신호가 되돌아오는 시점 사이의 간격(Δt)을 기록합니다. 이를 통해 거리를 직접 계산할 수 있습니다.
측정 방식이 반환된 펄스의 직접적인 타이밍이기 때문에 시야 내의 각 픽셀은 대상의 색상이나 질감과 거의 독립적으로 깊이 값을 반환할 수 있습니다. 이와 대조적으로 능동 스테레오 방식은 패턴을 투영하고 두 렌즈에 걸쳐 패턴이 변형되는 방식을 통해 깊이를 삼각측량합니다. 이 과정은 특징점 매칭에 필요한 충분한 시각 정보가 있어야 합니다.
S 시리즈는 현장에서 중요한 세 가지 하드웨어 선택을 통해 이러한 원칙을 구현합니다.
MRDVS는 아래 테스트에서 관찰된 결과가 이러한 기본 감지 방식에 기인한다고 설명합니다.
테스트에 사용된 카메라:
테스트 프로그램은 네 가지 유형의 목표물과 장면을 조사했습니다.
이 테스트는 깊이 이미지의 완전성, 에지 정의, 겹치는 객체 주변의 동작, 누락된 포인트 클라우드 데이터 및 노이즈에 중점을 두었습니다.
첫 번째 실험에서는 검은색 물체를 흰색 벽 가까이에 놓았습니다.
이 장면은 단순하지만 많은 것을 드러내는 장면입니다. 검은색 물체가 제공하는 시각적 질감이 제한적임에도 불구하고, 카메라가 두 인접한 표면을 깊이 차이만으로 구분해야 하기 때문입니다.
결과에 따르면 S11은 완전한 깊이 이미지를 생성했으며, 이 이미지는 벽과 물체를 명확하게 구분하는 경계를 가진 3D 포인트 클라우드 이미지로 변환되었습니다. 위 그림에서 볼 수 있듯이 말입니다.
두 번째 실험에서는 반사형 기둥을 평가했습니다.
MRDVS 보고서에 따르면 S11은 완전한 깊이 이미지를 생성했으며, 이 이미지는 기둥 가장자리 주변의 데이터 누락이나 분산 없이 포인트 클라우드 이미지로 변환되었습니다.
이 테스트는 dToF 카메라가 까다로운 반사를 발생시킬 수 있는 대상을 어떻게 처리하는지 조사하기 위해 설계되었습니다. 이러한 상황은 화물이 수축 포장되거나 금속 케이지에 보관될 때 흔히 발생합니다.
세 번째 테스트에서는 서로 다른 깊이에 여러 개의 물체가 쌓여 있는 실내 장면을 사용했습니다.
MRDVS는 S11이 장면 전체에 걸쳐 세부적인 묘사를 유지했다고 보고했습니다.
창고 장애물 감지에서, 팔레트, 적재물, 랙, 이동 장비 등이 서로 부분적으로 가릴 수 있기 때문에 겹치는 물체 주변의 깊이 정보를 유지하는 것이 중요합니다. 로봇은 겹치는 경계면의 포인트 클라우드에 있는 공백을 통해 해당 공백을 통과할 수 있는지 여부를 판단해야 합니다.
네 번째 실험에서는 조명 변수를 분리했습니다. 카메라를 향해 비추는 강한 광원 뒤에 일반적인 반사율을 가진 물체 네 개를 배치하고, 광원에서 약 4m 떨어진 위치에 두어 조명이 물체가 아닌 렌즈에 비추도록 했습니다.
이러한 역광은 실제 환경에서 깊이 감지 실패의 가장 흔한 원인 중 하나를 재현합니다. AGV 지게차가 출입문을 통과할 때 실내의 약 200룩스에서 실외의 수만 룩스로 단 한 차량 길이만큼 이동하는 동안, 종종 빛을 정면으로 마주하게 되는데, 센서는 이 두 조건 사이에서 재조정될 기회가 없습니다.
MRDVS는 이러한 조건에서 S11이 전체 시야각에 걸쳐 완전한 깊이 이미지를 생성했으며, 이를 3D 포인트 클라우드 이미지로 변환하여 네 개의 객체가 서로 그리고 배경과 명확하게 분리되었다고 보고했습니다.
| 테스트 장면 | MRDVS S11(dToF) |
| 흰 벽 가까이에 있는 검은 물체 | 표면 간 분리가 명확하게 구분된 완전한 포인트 클라우드 이미지 |
| 반사 기둥 | 에지 데이터가 누락되거나 분산되지 않은 완전한 포인트 클라우드 이미지 |
| 서로 다른 깊이에 쌓인 물체 | 장면 전체에 걸쳐 세부 묘사가 유지됨 |
| 강한 역광을 배경으로 한 네 개의 물체 | 네 개의 객체가 모두 명확하게 분리된 전체 포인트 클라우드 이미지입니다. |
탐지 품질이 안전으로 이어지는 것은 그 결과가 차량 제어 장치에 제때 전달될 때뿐입니다.
MRDVS는 표준 작동 조건에서 S11의 일반적인 종단 간 지연 시간이 70~100밀리초이며 최소 작동 거리는 약 10cm(4인치)라고 보고합니다.
최소 작업 거리는 AGV 지게차의 경로 가까이에 있는 장애물(예: 팔레트 받침대 또는 포크 바로 앞에 있는 연석)을 감지해야 할 때 중요합니다. 실제 배치 성능은 센서 배치, 차량 형상, 감지 영역 구성 및 작동 속도에도 영향을 받습니다.
장애물 감지는 완벽한 모바일 로봇 안전 및 제어 시스템의 일부일 뿐입니다. S 시리즈는 외부 산업용 PC 없이 카메라에서 직접 실행되는 실시간 장애물 회피 알고리즘을 탑재하고 있습니다.
내장형 장애물 회피 솔루션의 주요 특징
감지 영역의 기하학적 구조를 직사각형 또는 원뿔형으로 구성할 수 있으므로, 고정된 단일 감지 반경에 의존하는 대신 차량의 진행 방향을 따라 감지 영역을 확장할 수 있습니다.
S 시리즈는 핵심 영역 기반 회피 기능을 넘어, 복잡하고 협업적인 환경을 위한 고차원적인 인지 기능을 지원합니다.
창고 내 장애물 감지는 거리뿐만 아니라 다양한 요소를 고려해야 합니다. 목표물의 색상, 질감, 반사율, 겹침 현상, 조명, 센서 배치, 차량 움직임 등 모든 요소가 AGV 또는 AMR이 활용할 수 있는 깊이 정보에 영향을 미칩니다.
본 문서에 설명된 2026년 7월 테스트는 MRDVS S11이 의도적으로 설정된 네 가지 까다로운 장면(흰 벽을 배경으로 한 검은 물체, 반사 기둥, 겹쳐 쌓인 적재물, 강한 역광을 배경으로 한 네 개의 물체)을 어떻게 처리했는지 보여줍니다. S11은 네 가지 장면 모두에서 가장자리가 명확하게 정의된 완벽한 깊이 이미지를 반환했습니다.
