로봇 핵심 기술과
시스템 통합 역량

LiDAR 포인트 클라우드와 RGB·열화상 영상을 센서 특성과 운용 조건, 인식 목적에 맞게 전처리합니다. 노이즈와 불필요한 영역을 줄이되, 대상의 형상과 주변 구조를 구분하는 데 필요한 공간 정보와 유효한 특징을 보존합니다.

센서 간 시간 기준과 좌표계를 정렬해 같은 대상에 대한 관측을 일관된 기준에서 활용합니다. LiDAR의 3차원 기하 정보와 RGB·열화상 카메라의 영상 정보를 인식 목적에 맞게 선택·가공하여 후속 검출·추적에 사용할 입력 데이터를 구성합니다.

포인트 클라우드와 영상에서 공간의 주요 구조와 주행 공간을 파악하고, 주변 객체와 작업 대상을 검출·분류합니다. 환경의 구조와 관측 특성, 필요한 인식 결과에 맞춰 기하 기반 처리와 학습 기반 인식 방법을 조합합니다.

포인트 클라우드의 3차원 분석과 영상 처리를 통해 공간과 객체의 특징을 추출합니다. 분석 결과는 공간 구조와 객체별 검출 정보로 정리하여 추적과 위치·자세 추정에 활용합니다.

연속된 관측에서 동일 객체의 검출 결과를 연결해 위치·이동 방향·속도와 상태 변화를 지속적으로 추정합니다. 객체별 관측 이력을 바탕으로 이동 궤적을 구성하고 시간에 따른 움직임을 파악합니다.

가림이나 포인트 밀도 저하로 관측이 일시적으로 불안정해지는 경우에는 관측 간 대응 관계와 추정된 운동 상태를 함께 고려합니다. 관측 품질이 달라져도 동일 객체의 식별과 궤적의 연속성을 유지할 수 있도록 합니다.

영상과 3차원 센서 데이터를 결합해 대상 객체의 3차원 위치와 자세를 추정합니다. 물체가 놓인 위치와 방향을 함께 파악하여 로봇 조작과 정밀 계측에 필요한 공간 정보를 구성합니다.

추정 결과를 센서 좌표계에서 로봇 기준 좌표계로 변환하여 인식 결과와 로봇 동작이 같은 좌표 기준을 사용하도록 합니다. 이를 접근 위치와 파지 자세, 작업 목표를 설정하는 데 활용하여 센서 관측을 실제 로봇 작업으로 연결합니다.

공간 구조 분석, 객체 검출·추적, 위치와 자세 추정 결과를 공통 좌표계와 시간 기준으로 통합합니다. 환경 지도와 장애물 정보, 목표 객체의 위치·자세·상태를 함께 구성하여 계획·제어 모듈이 현재 환경을 일관되게 파악할 수 있도록 제공합니다.

새로운 관측을 반영해 환경 정보를 지속적으로 갱신하고, 정보별 유효 시간과 신뢰도를 함께 관리합니다. 유효 시간이 지났거나 신뢰도가 낮은 결과는 구분해 전달하여 계획·제어 모듈이 현재 활용 가능한 정보를 판단하고 로봇 동작을 결정하도록 합니다.