센서 입력에서
다중 로봇 시스템까지.

센서는 같은 종류라도 측정 거리와 주기, 시야각, 정밀도, 설치 조건, 데이터 출력 형식이 서로 다릅니다. 단순히 고사양 제품을 선택하기보다 실내·실외 환경, 이동 속도, 관측 대상, 요구 정확도, 연산 자원 등 실제 운용 조건을 기준으로 적합한 센서를 비교·선정합니다.

2D·3D LiDAR, RGB·열화상 카메라, IMU, GNSS, UWB 등 다양한 센서를 적용한 경험을 바탕으로 개별 센서의 성능뿐만 아니라 장착 가능성, 데이터 처리 부하, 센서 간 연동 방식까지 함께 검토합니다. 이를 바탕으로 임무에 적합한 센서 조합과 데이터 입력 구조를 설계합니다.

Velodyne, Ouster, Hesai, RoboSense, SOSLAB, SICK, Hokuyo 등 다양한 제조사의 LiDAR를 실제 로봇 시스템에 적용해 왔습니다. 제품별로 채널 수, 스캔 주기, 시야 범위, 반사 강도 표현 방식과 데이터 구조가 다른 만큼, 센서 특성과 운용 목적에 맞는 데이터 처리 방식을 적용합니다.

2D LiDAR부터 회전형 3D LiDAR, 솔리드 스테이트(Solid-State) LiDAR까지 다양한 스캔 방식을 활용해 왔습니다. 각 방식의 관측 특성, 사각지대, 포인트 분포를 고려하여 자율주행·매핑·환경 인식에 적합한 센서 구성과 데이터 입력 구조를 설계합니다.

RGB 카메라와 열화상 카메라, IMU, GNSS, UWB 기반 측위 센서를 로봇 시스템에 연동해 왔습니다. 영상·온도·관성·위치 데이터는 측정 대상과 주기, 단위, 오차 특성이 서로 다르기 때문에, 각 센서의 특성을 유지하면서 인식·추정 모듈에서 활용할 수 있는 형태로 변환합니다.

또한 센서 고유의 타임스탬프와 상태 정보를 처리 과정 전반에서 유지하고, 영상 프레임과 관성·위치 데이터를 동일한 로봇 데이터 흐름에서 동기화하여 수집할 수 있도록 인터페이스를 구성합니다.

제조사 제공 SDK나 드라이버가 시스템 요구사항을 충족하지 못하는 경우, C++과 Python으로 센서 인터페이스와 드라이버를 직접 구현합니다. 센서 API와 통신 데이터를 해석하고, 원시 측정값을 로봇 소프트웨어에서 활용할 수 있는 형태로 변환합니다.

ROS와 ROS 2에서는 데이터 발행, 파라미터 설정, 상태 모니터링과 로그 기록 기능을 노드와 메시지 인터페이스로 구성합니다. 또한 센서가 변경되더라도 추정·인식·제어 모듈에 미치는 영향을 최소화할 수 있도록 재사용 가능한 패키지 구조로 설계합니다.

센서 데이터를 수집하는 것만으로는 안정적인 로봇 시스템을 구성하기 어렵습니다. 서로 다른 주기와 데이터량을 갖는 센서 데이터를 안정적으로 처리할 수 있도록 수집, 타임스탬프 관리, 버퍼링, 형식 변환과 전처리를 하나의 실시간 파이프라인으로 구성합니다.

포인트 클라우드와 영상, 관성·위치 데이터를 측위·매핑·환경 인식 알고리즘이 즉시 활용할 수 있는 형태로 정리하고, 입력 부하가 증가하더라도 처리 지연이 누적되거나 데이터가 대기 상태로 쌓이지 않도록 처리 흐름과 버퍼를 관리합니다.

현장에서 수집한 원시 데이터와 센서 상태, 타임스탬프를 함께 기록하고, 실제 장비 없이도 동일한 데이터 흐름을 다시 사용할 수 있도록 기록·재생 기능을 실시간 데이터 파이프라인에 통합합니다.

실시간 입력과 재생 입력이 같은 인터페이스를 사용하도록 구성하여 측위·매핑·환경 인식 알고리즘을 기록 데이터로 반복 실행할 수 있게 합니다. 센서별 주기와 상태 정보를 유지하고 문제 구간을 선택적으로 재생하여 원인 분석과 알고리즘 개선에 활용합니다.