하늘을 보는 눈: 차세대 드론의 AI 기반 비전 시스템
드론은 엔터테인먼트(TV 프로그램/영화 제작), 취미 사진 촬영, 재미있는 장난감으로 널리 보급되었습니다. 드론은 접근하기 어려운 지역에 접근할 수 있다는 장점 때문에 검사, 물류/배송, 보안 및 감시, 기타 산업 분야에서도 점점 더 많이 사용되고 있습니다. 하지만 드론의 작동을 가능하게 하는 가장 중요한 구성 요소가 비전 시스템이라는 사실을 알고 계셨나요? 이 주제에 대해 자세히 알아보기 전에 드론의 정의와 다양한 활용 분야, 그리고 드론의 인기가 급증한 이유에 대해 살펴보겠습니다. 마지막으로, 어떻게 온세미 이 놀라운 비행 물체를 구동하는 비전 시스템을 혁신하고 있습니다.
유형 및 애플리케이션
드론은 무인 항공 시스템(UAS)이라고도 하는 무인 항공기(UAV)이며, 그보다 덜한 범위에서는 원격 조종 항공기(RPA)라고도 합니다. 드론은 사람이 직접 조종할 필요 없이 다양한 시스템을 사용하여 자율적으로 작동하고 탐색할 수 있습니다.
드론에는 고정익, 단일 로터/멀티 로터, 하이브리드의 세 가지 유형이 있습니다. 각각 다른 용도로 사용되며, 각 유형은 제작 목적에 맞게 조정됩니다.
고정 날개 는 일반적으로 더 무거운 하중을 운반하고 비행 시간이 길며 정보, 감시 및 정찰(ISR) 임무, 전투 작전 및 배회 탄약, 매핑 및 연구 활동 등에 배치되는 데 사용되며 몇 가지 예를 들 수 있습니다.
싱글/멀티 로터 일반 창고에서 검사, 심지어 배송 차량에 이르기까지 다양한 산업 분야에서 가장 많이 사용되고 있습니다. 이러한 유형은 다양한 사용 사례에 배치할 수 있고 고도로 최적화된 전기 기계 솔루션을 요구하기 때문에 용도가 다양할 수 있습니다.
하이브리드 로터 는 위의 두 가지 유형의 장점을 통합하고 수직 이착륙(VTOL) 기능을 갖추고 있어 특히 공간이 제한된 지역에서 다용도로 사용할 수 있습니다. 대부분의 배송 드론이 이러한 기능을 활용하는 데에는 분명한 이유가 있습니다.
드론의 모션 및 내비게이션 시스템
드론에는 가속도계, 자이로스코프, 자력계(관성 측정 장치 또는 IMU로 통칭), 기압계 등 모션 및 내비게이션을 위한 다양한 센서가 탑재되어 있습니다. 이러한 센서에는 광학 흐름(깊이 센서 지원), 동시 위치 파악 및 매핑(SLAM), 시각적 주행 거리 측정과 같은 다양한 알고리즘과 기술이 사용됩니다. 이러한 센서는 그 기능을 잘 수행하지만, 합리적인 비용과 최적의 크기로 필요한 정확도와 정밀도를 달성하는 데 어려움을 겪을 수 있습니다. 비행 시간이 길어지면 이 문제는 더욱 악화되어 고가의 배터리가 필요하거나 배터리 충전 주기에 따라 비행 시간이 제한될 수 있습니다.
드론의 비전 시스템
이미지 센서는 위의 센서를 보완하여 작동을 크게 향상시켜 고정밀, 고정밀 머신을 구현합니다. 짐벌(페이로드라고도 함)과 비전 내비게이션 시스템(VNS)의 두 가지 형태로 제공됩니다.
짐벌* - 일반적으로 넓은 전자기 스펙트럼에 걸쳐 다양한 유형의 이미지 센서(예외적인 경우 자외선, 300nm~1000nm 이상의 일반 CMOS 이미지 센서, 2000nm까지 확장되는 단파장 적외선(SWIR) 센서, 2000nm 이상의 중파장 적외선(MWIR) 및 장파장 적외선(LWIR) 센서)로 구성되며 1인칭 뷰(FPV)를 제공합니다.
비전 내비게이션 시스템(VNS) - 내비게이션 안내, 물체 및 충돌 회피 기능을 제공하며, 일반적으로 저렴한 저해상도 이미지 센서로 구성되며 IMU 및 센서 데이터와 함께 컴퓨터 비전 기술을 사용하여 자율 주행을 위한 종합 솔루션을 만듭니다.
비전 시스템의 중요성
드론은 앞서 설명한 사용법과 애플리케이션에서 볼 수 있듯이 실내 및 실외 조건에서 모두 작동합니다. 이러한 조건은 먼지, 안개, 연기, 칠흑 같은 어두운 환경에서 광범위한 조명 변화와 가시성 제한으로 인해 상당히 까다로울 수 있습니다. 이러한 시스템은 저전력을 소비하고 장거리 또는 장시간 비행이 가능한 고도로 최적화된 차량을 운영하기 위해 앞서 언급한 기술에서 제공하는 데이터의 지원을 활용하면서 이미지 데이터에 적용된 상당한 인공지능(AI) 및 머신러닝(ML) 알고리즘을 활용하려고 시도합니다.
이러한 알고리즘에 입력되는 데이터는 충실도가 높고 매우 상세해야 하며, 특정 사용 사례에서는 필요한 정보만 제공해야 효율적인 처리가 가능합니다. AI/ML 사용 시 학습 시간은 짧아야 하고, 추론은 높은 정확도와 정밀도로 빠르게 이루어져야 합니다. 위의 요구 사항을 충족하려면 드론이 어떤 환경에서 작동하든 이미지의 품질이 높아야 합니다.
단순히 장면을 캡처하여 처리를 위해 제시하는 센서로는 이러한 장비의 고품질 작동을 구현하는 데 크게 부족하여 대부분의 경우 배치 목적 자체가 무의미해집니다. 관심 영역의 디테일을 그대로 유지하면서 축소할 수 있고, 넓은 다이내믹 레인지를 제공하여 동일한 프레임에서 밝고 어두운 조명 조건을 처리하고, 이미지의 기생 효과를 최소화하거나 제거하고, 먼지/안개/연기로 가득 찬 시야를 처리하고, 고심도 해상도로 이미지를 지원하는 기능은 UAV를 고도로 최적화된 머신으로 만드는 데 엄청난 이점을 가져다 줍니다.
이러한 기능은 이러한 이미지를 재구성 및 분석하고 의사 결정 프로세스를 신속하게 처리하는 데 필요한 처리 코어, GPU, 온칩 또는 칩 외부 메모리, 버스 아키텍처 및 전력 관리 등의 리소스 규모를 최소화합니다. 특히 오늘날의 UAV가 10개 이상의 이미지 센서를 쉽게 호스팅할 수 있다는 점을 고려하면 전체 시스템의 BOM 비용도 절감할 수 있습니다. 또는 동일한 리소스 세트에 대해 더 많은 분석과 복잡한 알고리즘을 통해 효과적인 의사 결정을 내릴 수 있으므로 혼잡한 이 분야에서 UAV를 차별화할 수 있습니다.