발명의 배경과 필요성

기술의 배경과 문제점

• 최근 로봇 공학의 발달로 모바일 로봇에 적용하기 위한 다양한 인공 시각 기술이 연구되고 있습니다.

• 하지만 기존 이미지 센서는 단단한 실리콘 기판과 컬러 필터를 사용하여 제조되므로 제조 비용이 비싸고 소형화에 어려움이 있었습니다.

기술의 필요성

• 기존 기술의 한계를 극복하고 우수한 성능을 갖는 새로운 인공 시각 장치의 필요성이 대두되었습니다.

• 특히 무인 항공기나 자율주행차와 같이 빠르게 변화하는 동적 환경에서 멀리 있는 표적을 높은 정밀도로 탐지, 추적, 인식할 수 있는 고성능 시각 시스템이 필수적입니다.

구현 방법

기술의 원리

• 맹금류와 같은 조류의 눈 구조를 모방하여, 인간의 눈을 뛰어넘는 시각 능력을 구현합니다.

• 깊은 중심와(Fovea) 구조를 통해 입사광을 크게 굴절시켜 원거리 물체를 확대하고, 동시에 물체의 움직임을 민감하게 감지합니다.

• R, G, B 가시광선뿐만 아니라 자외선(UV)까지 감지하여 복잡한 배경 속에서도 표적을 효과적으로 식별합니다.

구체적인 구현 방법

1. 인공 포비아 제작: 투명한 엘라스토머(PDMS)를 3D 프린팅으로 제작된 몰드를 사용해 조류의 중심와와 유사한 가우시안 프로파일 형태로 성형합니다.

2. 다중 스펙트럼 이미지 센서 구현: R, G, B, UV 각 파장을 선택적으로 흡수하는 페로브스카이트 광검출기 어레이를 수직으로 쌓아 올리는 '전사 프린팅' 공법을 사용합니다. 이를 통해 별도의 컬러 필터가 필요 없습니다.

3. 가변 픽셀 밀도 적용: 중심부인 포비아 영역은 픽셀 밀도를 높여 고해상도 이미지를 얻고, 주변부 영역은 픽셀 밀도를 낮춰 넓은 시야(FoV)를 확보함으로써 연산 효율을 극대화합니다.

기술의 장점

• 컬러 필터 없이 다중 스펙트럼(R, G, B, UV) 컬러 이미지를 식별하여 제조 비용을 절감하고 소형화에 유리합니다.

• 포비에이티드 이미징을 통해 멀리 있는 물체를 줌 렌즈처럼 확대하여 선명하게 볼 수 있습니다.

• 시뮬레이션 결과, 원본 이미지 대비 물체 인식 신뢰도가 약 2배 향상되었습니다.

• 움직임 감지 능력 또한 원본 이미지 대비 3.6배 이상 향상되어, 동적 환경에서의 추적 성능이 뛰어납니다.

실험 및 결과

실험의 목적

본 연구에서는 개발된 인공 시각 장치의 핵심 기능인 포비에이티드 다중 스펙트럼 이미징 성능을 시연하고, 시뮬레이션을 통해 실제 환경에서의 물체 인식 및 모션 감지 능력이 얼마나 향상되는지를 정량적으로 평가하는 것을 목적으로 하였습니다.

실험 방법 및 과정

1. 포비에이티드 이미징 시연: 근거리(200mm)에 R,G,B 물체를, 원거리(300mm)에 별 모양 물체를 배치하고 인공 포비아 유무에 따른 이미지 형성 차이를 비교 분석하였습니다.

2. 물체 인식 능력 시뮬레이션: 무인 항공기가 자동차를 추적하는 영상에 딥러닝 기반 객체 탐지 알고리즘(YOLO v5)을 적용하여 원본 이미지와 포비에이티드 시각의 신뢰도 점수를 비교하였습니다.

3. 모션 감지 능력 시뮬레이션: 고속도로 주행 영상을 바탕으로 Farneback 알고리즘을 사용하여 광학 흐름을 계산하고, 원본과 포비에이티드 시각 간의 움직임 감지 크기 변화를 정량적으로 분석하였습니다.

실험 결과

시뮬레이션 결과, 본 기술의 포비에이티드 시각을 활용했을 때 물체 인식 신뢰도가 크게 향상되었습니다. 아래 차트에서 볼 수 있듯이, 원본 이미지의 신뢰도 점수(0.39)에 비해 포비에이티드 시각은 약 2배 높은 0.76의 점수를 기록했으며, 영상 전반에 걸쳐 지속적으로 높은 인식률을 유지했습니다.

활용 방안 및 기대효과

활용 방안

• 자율주행 자동차: 원거리의 차량, 보행자, 장애물을 신속하고 정확하게 인식하여 주행 안전성 획기적 향상

• 무인 항공기(드론): 정찰, 감시, 구조 및 물류 임무 수행 시 원거리 표적 탐지 및 추적 능력 극대화

• 지능형 로봇: 공장 자동화, 물류 로봇, 서비스 로봇 등 다양한 로봇의 시각 시스템에 적용하여 작업 정확도 및 효율성 증대

기대효과

• 원거리 표적에 대한 인식률 및 추적 성능을 대폭 향상시켜 차세대 모빌리티 및 로봇 산업의 기술 경쟁력을 확보할 수 있습니다.

• 컬러 필터를 제거한 수직 적층 구조를 통해 이미지 센서의 제조 비용을 절감하고 소형화를 실현할 수 있습니다.

• 중심-주변의 가변적 해상도 처리를 통해 불필요한 데이터 처리를 줄여 계산 리소스를 효율적으로 할당하고 시스템의 반응 속도를 높일 수 있습니다.

시장 동향

시장 규모 및 성장 전망

인공 시각 장치가 적용될 자율주행차 시장은 2020년 71억 달러에서 2030년 6,565억 달러로 급격히 성장할 전망이며, 연평균 성장률(CAGR)은 40.2%에 달합니다.(출처) 이러한 성장은 본 기술과 같은 고성능 이미지 센서의 수요를 견인할 핵심 동력입니다.

• 3D 이미지 센서 시장: 2025년까지 연평균 20% 성장하여 150억 달러 규모에 이를 것으로 예상됩니다.(출처)

• 글로벌 LiDAR 시장: 자율주행차 및 드론 시장 확장에 힘입어 2023년 18억 달러 규모로 성장할 것으로 전망됩니다.(출처)

주요 플레이어 및 경쟁 환경

현재 자율주행 및 로봇용 이미지 센서 시장은 특정 기업의 독점 구도보다는, 다음과 같은 핵심 센서 기술들의 융합과 발전을 통해 경쟁 환경이 구성되고 있습니다.

산업 동인 및 기회 요인

1. ADAS 및 자율주행 기술 고도화: 유럽의 ADAS 장착 의무화('24년 7월) 등 각국 정부의 안전 규제 강화가 고성능 센서 채택을 가속화하고 있습니다.(출처)

2. AI 기반 이미지 처리 기능 통합: 실시간 처리 및 의사 결정 능력 강화를 위해 AI 및 딥러닝 기술과 이미지 센서의 결합이 시장의 핵심 트렌드로 자리 잡고 있습니다.(출처)

3. 센서 융합(Sensor Fusion) 트렌드: 카메라, 레이더, LiDAR 등 서로 다른 센서의 장점을 결합하여 감지 정확도와 시스템 신뢰성을 극대화하는 센서 융합 기술의 중요성이 날로 커지고 있습니다.(출처)