더디지만 꾸준한 연구개발로 ‘로봇’으로의 적용사례 증가
머신비전 vs. 로봇비전
일반적으로 자동화산업에서 흔히 이야기하는 머신비전(Machine Vision)은 일본에서 주로 사용되는 말로, 미국에서는 컴퓨터 비전(Computer Vision)이라는 말로 사용되고 있다. 이러한 비전은 음료수 병, 의약품, 육가공품, 모피 등의 품질검사에 사용되며 그동안 사람만이 할 수 있었던 분야까지 확대되고 있음이 주목할 만하다.
그렇다면 머신비전은 로봇비전(Robot Vision)과 어떤 차이가 있는 것일까.
우선 사전적 의미로 로봇비전은 ‘3차원 인식이나 동화상 인식을 응용한 로봇의 시각(視覺) 기구’라는 뜻을 갖고 있다. 또한 ‘이 기술은 직사각형이나 원과 같은 단순한 대상물은 인식할 수 있지만 복잡한 형상에 대해서는 충분한 인식을 하지 못 한다’는 설명을 덧붙이며, 현재의 로봇비전 기술력을 보여주고 있다.
그 뜻만 비교하면 특별한 차이를 보이지 않는 이들의 차이는 말 그대로 ‘로봇’이 함께하느냐 마느냐로 구분할 수 있겠다.
로봇비전은 반드시 로봇과 함께하지만, 머신비전은 로봇과 관계가 없기 때문이다. 그러나 이 역시 로봇의 정의를 어떻게 내리냐에 따라 다른 결과를 가져와 애매한 부분이기는 하다. 한 예로 최근 자동화산업 관련 전시에서 많이 볼 수 있는 직교좌표형 로봇에 카메라가 적용되었을 때 이를 로봇비전으로 볼 것인지, 머신비전으로 볼 것인지가 애매하다는 것이다.지금까지 로봇비전은 로봇 끝에 부착되어 로봇이 움직일 때 비전도 같이 움직이는 것이라 인식하여 로봇과 같이 쓰이지만 고정되어 있는 경우는 로봇비전이라 하지 않는 경우가 대세다. 이를 ‘Hand in Eye’라고 일컫는다.
또 비전의 결과 값이 로봇 좌표값으로 출력된다면 이 역시 로봇비전으로 포함하기도 한다.
다양한 비전제품… 골라 쓰는 재미가 있다!
·Case1. 스마트비전
일명 ‘스마트카메라’라고 하는 ‘스마트비전’은 카메라 렌즈는 물론 C마운트, 조명, 조명 컨트롤러 등의 기능이 1개의 제품으로 모아진 All in One 방식 때문에 인기를 끌고 있다. 이 스마트비전으로 처리한 결과 역시 영상처리 프로세서가 내장되어 편리함을 더했다.
따로 떨어져 있던 컴포넌트들을 카메라에서 입력해서 PC로 보내고 영상을 캡처보드에 프로세싱 하는 과정을 거쳤던 것과 비교하면 ‘스마트비전’은 상당한 이슈라 할 수 있다.
그러나 아직까지 그 기능이 제한되어 있다는 것이 단점일 수 있는데, 검사하고자 하는 개수, 면적, 크기, 색깔 등 특정한 기능만이 가능한 상황이다.
·Case 2. 3D 비전
3D 비전의 대표적인 방식으로 2가지가 있는데, 하나는 2개의 카메라를 이용하는 스테레오 비전을 들 수 있다. 거리를 알고 싶을 때 사용하는 이 비전은 이전에 농담(濃淡) 정보를 이용했던 것과 달리 2개의 카메라가 같은 대칭점을 바라보며 생기는 각도차를 이용한, 즉 ‘삼각측정의 원리’를 이용하고 있다.
그리고 또 하나는 비행시간을 측정하는 것인데, 이는 물론 파장이 짧을수록 좋다. 대부분 초음파센서, 레이저, 적외선 등을 이용할 수 있지만 초음파센서의 경우 직진성이 낮아 사용이 적은 편이다. 따라서 직진성이 좋은 레이저의 경우 제조용 로봇에, 레이저보다 안전한 적외선이 서비스용 로봇에 적용될 수 있으며, 얼마 전 Sharp에서도 로봇관계자들을 대상으로 TOF 3D 거리센서 시연회를 갖기도 했다.
하지만 예외적으로 오므론에서는 제조용으로 F시리즈라고 하는 스테레오 방식의 비전시스템을 선보이고 있다. 또한 카메라를 보지 않고 패턴을 쏘아 곡면을 확인하는 ‘패턴투영법’도 사용되는 등 3D 비전이 큰 이슈로 떠오르고 있다.
·Case 3. 라인스캔 카메라
최근 가장 선진적인 제품 중 하나인 라인스캔 카메라(Line Scan Camera)는 이름 그대로 한 줄씩 읽는 카메라인데, 로봇에 특화해서 이야기하면 ‘컬러인식’이 가장 중요한 기능으로 꼽히고 있다.
범용화 된 카메라로 인해 가격이 저렴해져 이를 활용한 어플리케이션도 증가했다고 볼 수 있는데, 모노톤의 기존 카메라가 인식만 하던 것과는 별개로 사람의 역할을 대신하기 위해서라도 ‘컬러인식’에 대한 요구가 높아지는 것은 당연하다는 분위기다.
·Case 4. 디지털 기가비트 이더넷 카메라
기가비트 이더넷(Gigabit Ethernet)을 채택한 카메라로 ‘GigE(기가비트 이더넷) 카메라’라고 불리며, 국내 시장에 빠르게 퍼지고 있는 제품 중 하나로서, 다른 어떤 디지털 인터페이스의 카메라보다 품질 면에서 가장 우수함을 자랑한다.
800MB/s대의 Bandwidth에 비해 상대적으로 낮은 100MB/s대이지만, 실제적으로 대부분의 어플리케이션에서는 30~50MB/s 정도의 속도로도 충분한 머신비전의 실정에 의외로 적합한 표준으로 받아들여지고 있다. 게다가 Frame Grabber가 필요 없이 대부분의 고성능 마더보드/랩톱에 내장되어 있는 GigE 포트를 사용할 수 있고, 10M라는 CameraLink 케이블의 거리제한도 없어 최근 대박 인기를 끌고 있다. 다양한 어플리케이션이 많은 유럽에서 활발히 응용되고 있고, 네트워크 기능을 요하는 로봇분야에서 관심을 받고 있다.
·Case 5. 비전센서
비교적 저렴하면서 구조가 간단하고 사용하기 편한 것이 장점인 비전센서는 계측기능은 없고 유무 및 불량 판별기능 만을 필요로 하는 수요에 적합한 제품이다.
지난해 콘트론에서 이와 관련한 제품으로 모노/컬러 두 가지 타입의 제품을 선보여 공급하고 있어 저가시장에서 관심을 받고 있다.
또한 특수분야로 SRK가 제공하는 레이저 비전센서는 용접분야에서 사용되고 있는데, 그 대표적인 제품인 ‘FLEXCELL’은 로봇 아크용접용 검사장비로서 최첨단 레이저 기술을 적용한 비파괴 용접표면 검사를 위해 설계된 장비로 자동화 공정에서 용접이 규격과 설계를 만족하는지 검증하기 위해 유용한 기구로 사용되고 있다.
환경적, 공간적 요인 파악하여 ‘비전’과 로봇 연동시켜야
앞서 언급한 바와 같이 최근 비전기술의 발전과 함께 다양한 비전제품이 개발되어 이를 선택하는 데에도 어려움이 따르게 되었다. 그렇다면 로봇과 가장 잘 어울리는 비전제품은 무엇이 있을까?
로봇전문가의 말을 따르면 제조용 로봇과 서비스용 로봇에서의 경우 로봇비전과 연동할 때 주의할 점이 다르다고 한다.
먼저 일반적으로 FA 산업현장에도 많이 사용되는 ‘머신비전’은 제조용 로봇과 함께 적용되는 경우가 많은데, 여기서 가장 중요한 것은 ‘어떤 검사’인지 파악하는 것이다. 상황에 따라 속도가 중요할 수도 있고, 로봇의 움직임을 통해 진동, 케이블 등의 내환경성 소자를 갖고 있는 것을 고려해야 하기 때문이다. 즉, 환경적인 요인과 공간제약적인 요인을 파악하여 본래 목적을 달성할 수 있는지 확인하는 과정을 필요로 한다.
그리고 지능형로봇의 경우 고정된 환경을 갖고 있는 제조용 로봇과 달리 로봇이 언제 어떠한 환경에 노출될지 모르기 때문에 더욱 로봇비전의 역할에 기댈 수밖에 없고, 당연하게 더 높은 기술력을 요하기 마련이다. 로봇이 이동하며 주변환경까지 읽어내기 위해서는 방대한 양의 데이터를 소화할 수 있는 소프트웨어 역시 필수적일 것인데, 아직까지 이런 모든 역할을 해결해 낼만큼의 제품은 실용화되지 못하고 있다.
또한 로봇비전이 장착된다고 하더라도 가격적인 문제를 간과할 수 없다. 일례로 청소로봇에도 비전이 장착되어 있다면 더 꼼꼼하고 자연스럽게 ‘청소’라는 임무를 완수할 수 있겠지만, 실질적으로 로봇의 가격이 올라가 오히려 시장성장에 걸림돌이 되고 만다.
로봇의 영상 처리 기술
로봇분야에서 영상 처리는 한 장의 영상 안에서 어떠한 정보를 추출하려는 ‘Inner-frame’ 과 영상과 영상 사이의 변화로부터 어떠한 정보를 추출하려는 ‘Inter-frame’의 두 가지 기법으로 나눌 수 있다.
· Inner-frame
Inner-frame 영상 처리 기법은 영상에서 밝기 차이를 이용해 모서리(Edge)를 찾거나, 컬러 정보를 이용해 영역을 몇몇 그룹으로 나눠서(Segmentation, Grouping) 물체를 인식하는 기존의 영상 처리 기법들을 활용하고 있다. 이 기법들은 로봇 분야에서 연구되기보다는 영상 처리 전문가 집단에서 수행한 결과를 로봇에 적절히 적용하여 원하는 결과를 도출하는 방향으로 연구가 진행되고 있다.
·Inter-frame
반면 Inter-frame 영상 처리 기법들은 상대적으로 로봇 영상 처리 연구자들이 많은 관심을 기울이고 있다. 영상과 영상 사이에는 움직임이 있을 것이고, 이러한 움직임(Motion)으로부터 여러 가지 정보를 추출하는 연구가 활발하게 진행 중이다.
그 중에서 몇 가지를 소개하면 우선 영상과 영상의 대응점을 추출할 수 있다면 대응점의 위치 정보도 복원이 가능하다는 이론의 ‘Shape from Motion’이 있다. 물론 카메라 캘리브레이션이 되어 있지 않아도 스케일 정보 수준 전까지(Up to Scale) 복원이 가능하여 이동 로봇이 주변 환경에 대한 정보를 추출하는데 사용되고 있다.
또한 이러한 영상과 영상의 대응점을 이용해 별도의 복잡하고 귀찮은 카메라 캘리브레이션을 온라인 과정에서 수행할 수 있는 방법도 제시되고 있다. 그 밖에 물체를 인식하기 위해 물체가 조명의 밝기 변화나 3차원 운동에도 불변하는 특징점(Feature)들을 찾는 데 연구가 집중되고 있다.
로봇비전, 주변의 다양한 환경정보 획득의 문제 먼저 풀어야
시각센서는 다른 어떠한 센서보다 환경에 대한 많은 정보를 제공할 수 있어 여러 가지 연구가 진행 중이다. 하지만 인간이 시각을 통해 주변 환경에 대한 다양한 정보를 획득할 수 있는 데 반해 아직까지 로봇은 그렇지 못한 실정이다. 이러한 연구가 더딘 이유는 다음과 같다.
- 영상 데이터는 그 양이 방대하여 센서 시스템으로부터 영상 처리 시스템까지 전송하는 데 시간이 많이 소요되며, 현재의 컴퓨팅 속도로는 이 영상 처리를 실시간으로 수행하기에는 연산 속도가 턱없이 부족하다.
- 인간의 경우 강한 화이트 밸런스 시스템을 가지고 있어 조명 변화에도 물체의 색상을 파악하는 데 그다지 영향을 받지 않지만 현재 CCD 카메라에서 구현된 화이트 밸런스 시스템은 인간의 그것에 비하면 매우 조악한 성능을 가지고 있다.
- 지금까지 구현된 대부분의 알고리즘은 각 단계가 순차적으로 구현되도록 되어 있지만 영상 처리 문제를 풀다 보면 어느 것이 먼저이고 어느 것이 그 다음에 된다는 보장 없이 서로 상보적으로 진행되는 경우가 많다.
아직 이러한 부분에 대한 연구가 미비한 상태일 수밖에 없는 이유는 각 부분들도 연구가 미진한 상태라서 아직까지 전체적인 구성에 대한 연구에 신경 쓸 여력이 없기 때문이다.
요 몇 년간 로봇에 대한 높은 관심으로 인해 정부를 주축으로 한 플로토 타입의 로봇들이 여럿 선보였었다. 어느 정도 로봇플랫폼에 자신이 붙어갈 지금, 많은 이들이 로봇에게 제대로 된 ‘지능’을 넣어줘야 한다고 입을 모은다.
아직도 가야할 길이 먼 ‘로봇비전’. 반대로 우리에게 가능성도 큰 분야가 될 수 있다.
“인간시각능력에 비해 로봇비전의 신뢰성은 아직도 낮기 때문에 젊은 인재들이 도전할 기회도 그만큼 넓다.”고 말하는 국내 로봇비전 전문가의 말처럼 독창적인 로봇비전 기술개발을 위해 많은 이들이 노력하고 있어 기대를 높이고 있다.
이러한 가운데 정부에서도 로봇지능의 가장 중요한 부분이 될 ‘로봇비전’에 대한 관심을 높여 체계적인 연구, 개발이 진행될 수 있도록 지원해야 할 필요성이 높아지고 있다.
-반드시 ‘로봇’과 함께 사용된다고 하여 ‘로봇비전’이라 말하지만, 직교좌표형 로봇에 카메라가 적용되었을 때 이를 로봇비전으로 볼 것인지, ‘머신비전’이라 볼 것인지에 대한 부분은 애매한 상태다.
-로봇비전이 그 역할을 제대로 하기 위해서는 주변의 다양한 환경정보 획득의 문제를 풀어야 한다. 하지만 여러 가지 이유로 인해 그 연구가 매우 더디게 진행되고 있는 형편이다.
