자율 주행 로봇을 위한 탁월한 선택, 3D 라이더
VelodyneLidar
자동화 및 로봇 공학의 획기적인 발전은 작업자의 안전과 생산 효율성을 향상시키고 있다. AMR (autonomous mobile robots, 자율주행로봇)이 점점 더 복잡한 작업을 수행할 수 있게 되면서 이러한 장점은 계속 커지고 있다. 앞으로도 고급 센서 및 소프트웨어 기술의 활용도가 증가함에 따라 모바일 로봇의 수행 능력이 크게 향상될 것이다.
고급 3D 라이더(lidar)와 같은 차세대 센서는 AMR의 기능을 향상시켜 실내 및 실외 애플리케이션의 변화하는 환경을 모니터링하고 이에 대응할 수 있다. 로봇은 탐색을 허용하는 범위에서 물체를 감지하고 분류해야 하기 때문에 폭 넓은 AMR을 달성하는 데 중요하다. 이를 위해서는 로봇이 다양한 동작, 모양, 반사율을 식별하고 구별할 수 있도록 충분히 상세한 인식 데이터가 필요하다.
또한 고급 AMR은 주변 환경과 관련하여 정확한 위치를 파악하기 위해 현지화 및 매핑 기능이 필요하다. 효율적으로 처리, 전송 및 저장될 수 있는 센서 데이터는 이러한 상황 인식하는 능력을 촉진할 수 있다. 또한 AMR 센서는 로봇의 배터리 시스템에 과도한 부담을 주지 않으면서 넓은 온도 및 환경 범위에서 잘 작동해야 한다.
이러한 요구 사항을 염두에 두고 다양한 AMR 애플리케이션에 고급 3D 라이더 기술을 통합할 때의 장점을 제시한다.
모바일 로봇 애플리케이션의 3D 라이더 필요성
실내 환경에서 작업을 수행하기 위해 현재 사용 가능한 모바일 로봇은 일반적으로 2D 카메라, ToF 적외선 심도 카메라(time-of-flight infrared depth cameras) 및 2D 라이더의 조합을 사용한다. 그러나 이 센서 제품군에는 데이터를 통합하는 데 필요한 많은 소프트웨어 및 컴퓨팅 노력을 포함한 몇 가지 단점이 있다. 또한 이러한 각 센서 기술에는 전체 시스템 효율성 및 성능에 영향을 미치는 특성 제한이 있다.
예를 들어, 2D 카메라는 전통적으로 조명 조건이 낮고 입체적 접근 방식에서는 물체 거리를 추정하기 위해 비교적 복잡한 처리가 필요한 이미지를 만든다. ToF 심도 카메라는 일부 거리 측정을 효율적으로 제공할 수 있지만, 해상도가 낮고 인식 범위가 제한되어 있어 최대 10m까지로 제한된다. 또한 심도 카메라는 적외선을 사용하기 때문에 전통적으로 밝거나 햇볕이 잘 드는 환경에서 어려움을 겪고 있다.
2D 라이더를 활용하면 로봇이 카메라가 감지하지 못하는 물체를 감지하는 데 도움은 되지만, 2D 라이더의 범위 또한 종종 약 10m로 제한된다. 또한 2D 라이더는 하나의 레이저 채널 또는 수평 데이터 라인만 가지고 있기 때문에 수직 시야가 매우 제한적이며 강력한 물체 분류 또는 추적이 불가능하다. 비록 2D 카메라와 ToF 심도 카메라 그리고 2D 라이더를 결합하더라도 각각의 약점은 다소 완화되지만, 주변에 인식 시스템을 설계하면 결과는 운영 다양성과 효율성이 제한적인 AMR과 마찬가지다.
실내 vs 야외의 AMR 운영
실외에서 작동하려면 모바일 로봇이 훨씬 높은 수준의 인식 성능을 갖추어야 한다. 실외 AMR은 광범위한 조명, 날씨 및 교통 상황에서 동적 물체를 감지하고 피하기 위해 강력한 인식이 필요하다. 그들은 대중과의 복잡한 상호작용을 포함하여 더욱 까다로운 지형과 새로운 시나리오에 직면하게 된다.
실내 AMR은 종종 익숙한 가정, 창고 또는 매장 환경에서 일상적인 작업을 수행하도록 설계되며 실외 로봇은 예측하기 어려운 환경에서 작동한다. 연석, 보도, 보행자, 동물 및 도시 교통 상황을 구성하는 수많은 추가 요소를 인식해야 한다. 실내 또는 실외 AMR 작동에 필요한 인식 성능수준을 도달하기 위해 lidar는 주요 이점을 제공한다.
LIDAR, 모바일 로봇의 다양성과 효율성 향상
Lidar 기반 솔루션은, 실시간으로 3D 인식 데이터를 생성하여 로봇 시스템에 비전을 보낸다. Lidar는 눈에 안전한 레이저 펄스를 사용하여 포인트 클라우드를 생성하며, 이를 통해 로봇과 주변 물체 사이의 센티미터 레벨 정확도로 거리 업데이트가 지속적으로 업데이트된다. 이 프로세스는 다른 유형의 조명에도 불구하고 일부 깊이 카메라에서 사용되는 유사한 ToF 원칙을 사용한다. ToF 카메라와 라이더 사이의 병렬성은 카메라 기반 시스템을 라이더 중심 접근 방식으로 대체하려는 통합 업체의 전환 프로세스를 단순화할 수 있다.
1) 심도 카메라와 비교하여 lidar는 긴 거리에서 보다 선명한 이미지를 위한 측정 데이터를 생성한다.
2) 2D 및 스테레오 카메라와 달리, 라이더는 밤에 광산, 창고 및 실외 환경과 같은 약한 조명 조건의 영향을 받지 않는다.
3) 레이더와 달리 lidar는 재료 구성에 관계없이 움직이는 물체를 감지할 때 정지된 물체를 안정적으로 감지한다.
LIDAR는 AMRS에 대한 인식 요구 시항을 만족시킨다
물체를 정확하게 분류하고 추적하려면, 인식 센서는 AMR을 위해 고해상도 이미지 데이터와 넓은 시야를 제공해야한다. 고급 라이더 센서는 360도 수평 시야 내에 초당 최소 300,000 개의 데이터 포인트를 생성하여 이를 수행한다. AMR 인식에 있어서도 마찬가지로 중요한 것이 센서의 수직 시야 각이며, 시스템이 모양에 따라 물체를 정확하게 식별할 수 있게 한다.
수직 시야각이 30도 이상인 Lidar 센서는 이 기능을 가능하게 하며 매우 좁은 수직 인식 스트라이프 만 제공하는 2D Lidar 센서에 비해 크게 개선되었다. 10% 반사율에서 최소 100m의 범위와 결합된 이 성능 사양은 AMR 센서의 합리적인 기준 성능 수준을 정의한다. AMR은 이러한 요구 사항을 충족하는 고급 라이더 센서 기술을 활용하여 주변의 물체를 감지할 뿐만 아니라 실시간 3D 맵 내에서 물체를 식별하고 추적할 수 있다. 이러한 기능을 함께 사용하면 안전하고 효율적인 작동이 가능하다.
컴퓨팅과 전력의 장점
라이더 센서에 의해 생성된 인식 데이터는 AMR에 추가적인 효율성 이점을 제공한다. Lidar는 컴퓨터에서 쉽게 읽을 수 있는 이미지를 생성하며 물체를 감지하거나 맵을 만들기 위해 광범위한 처리가 필요하지 않다.
Lidar 데이터는 압축하여 중앙 시스템, 작업자 또는 기타 로봇으로 전송할 수도 있다. 따라서 lidar의 데이터는 집계 학습 과정에서 저장, 호출 및 공유될 수 있다. 즉, 시간이 지남에 따라 단일 로봇에 의해 또는 동시에 작동하는 다수의 로봇에 의해 수집된 라이더 데이터는 단일 데이터베이스 내에 축적되어 결합될 수 있다. 이는 AMR 애플리케이션에 중요한 영향을 미친다.
예를 들어 창고, 농지, 식당, 소매점, 공장 및 병원과 같이 정의된 영역에서 AMR이 독립적으로 작동하는 시나리오에서 AMR은 신속하게 환경 맵을 구축하여 익숙한 내비게이션 참조로 사용할 수 있다. 건설 현장, 항구, 광산 및 재난 구역과 같은 보다 역동적인 시나리오에서 AMR은 자신의 협력 데이터를 다른 로봇이나 작업자에게 전송할 수 있다.
대부분의 AMR은 충전식 배터리로 작동하기 때문에, 구성 요소의 전원 요구 사항은 작동 범위와 충전 시간에 직접적인 영향을 미치므로 설계 시 고려해야 할 또 다른 중요한 요소이다. 10W 이하를 소비하는 라이더 센서는 모바일 로봇 애플리케이션에 이상적이다. 이 수준의 전력 소비량으로 작동하는 고급 라이더 센서는 필수 인식 데이터를 제공하는 동시에 현장에서 AMR을 사용하여 작업을 수행할 수 있는 시간을 최대화한다.
AMR 산업 내에서, 이러한 특성은 전체 성능에 중요 할 수 있다. 모바일 로봇이 사람 또는 고가의 장비와 상호 작용하는 모든 시나리오에는 환경 내에서 로봇의 상대적 위치에 대한 정확한 정보가 필요하다. 더욱이, 이 정보는 매우 역동적인 상황에 대처하기 위해 신속하게 업데이트 되어야한다. 위에서 설명한 장점을 감안할 때 까다로운 인식과 처리 그리고 전력 요구 사항이 있는 AMR과 관련된 시나리오의 경우, AMR에 고성능 라이더를 도입하면 통합자는 시스템의 성능과 효율성을 최적화하기 위해 시스템을 재설계할 수 있다.
요약
Lidar는 현지화, 매핑, 물체 분류 및 물체 추적을 위한 실시간 3D 인식 데이터를 제공하여 빠르게 확장되는 AMR 산업을 향상시킨다. Lidar는 고해상도 이미지 데이터와 넓은 수직 시야를 결합하여 재료와 움직임에 관계없이 반사율이 낮은 물체의 모양도 감지한다. 이 인식 기능은 AMR을 통한 혁신을 기대하는 모든 산업에서, 안전과 효과적인 운영을 위해 중요하다.
자료 제공: VelodyneLidar(www.VelodyneLidar.com)
