정밀함과 자동화의 만남: 비전 가이드 로보틱스가 제조를 바꾼다

1부: 비전 가이드 로보틱스(VGR) 기초

디지털화 동력: 정확성·품질·신뢰성 요구 증대. 시장 역학: 신제품, 설계 변경, 맞춤화, 빠른 납기. 로봇·머신비전 각각 성숙·안정. 최근 발전은 상호 보완으로 프로세스 효율화. 본문: 제조 분야 비전 가이드 로보틱스(VGR) 통찰. 모바일·휴머노이드·카르테시안·SCARA 로봇에도 해당되나 다관절 로봇(articulated robots) 중심.

머신비전·산업용 로봇 핵심 개념

머신비전: 인간 시각 자동화. 이미지 획득(눈) + 처리·판단(뇌). 산업용 카메라(특수 광학+디지털 센서)로 영상 취득→하드웨어·SW 처리·분석·측정→의사결정.

대표 4대 용도: 가이던스(유도), 식별, 치수검사, 검사. 본문 초점: 로봇 유도. MV로 부품 위치·자세 파악→로봇 정밀 추적. 지그·고정구 복잡성 감소.

로봇 좌표계와 TCP

로봇 좌표계 다중 기준 프레임. 툴 중심점(TCP): 그리퍼/툴 종류 무관 기준점. 툴/손목/베이스/월드/객체 좌표계 상호 관계(Figure 1.1, 1.2). 이상적: 객체 좌표 = TCP 설정 좌표(티칭·기록). 반복 정밀도 위해 로봇·객체 매번 동일 지점 만나야.

서보 제어로 로봇 포지셔닝 정밀. 고정 부품은 가공·지그·인덱서 공차 영향. 컨베이어 위 랜덤 위치 부품이면 MV 없인 원점 파악 불가.

MV 시스템: 객체 실시간 좌표 측정→로봇 TCP 오프셋 보정→툴 포지셔닝 정확도 확보. 용접·글루디스펜싱·고정구 부품·컨베이어 랜덤 픽앤플레이스에 활용. 2D 평면 오차면 2D 머신비전 충분.

3D 비전: 빈 피킹(bin picking)

빈 내 랜덤 적재 물체 픽업→X,Y,Z + 3축 자세각 모두 중요. 충돌 없는 최적 픽 대상 선정 위해 3D 머신비전 필수. 대표: 스테레오 비전(듀얼 카메라→좌표+뎁스맵). 카메라 캘리브레이션·양안 영상 융합 3D 재구성 알고리즘 핵심. 레이저 삼각측량, ToF(Time-of-Flight) 등 타 3D 기법도 존재.

2부: 영상 획득 하드웨어

카메라 선정 기준

• 산업 환경: 열악 조건(충격·진동·분진)서 수만 사이클 일관 품질
• 통신: 이더넷 기반 프로토콜(신뢰성·긴 케이블)
• 보호등급(IP): 분진 환경 필수
• PoE 전원 선호(케이블 최소화)
• 로봇 암 케이블 트레이·하네스 경유→드래그체인 호환 케이블 필수
• 해상도: FOV·희망 정밀도 고려 산출

광학계

FOV, 작동거리(WD), 센서 크기 기반 렌즈 선정. ① 배럴 왜곡 최소화 ② 렌즈 강건성(충격·진동 동일 노출, 조리개·초점 설정 유지).

조명

검사 대상 특징 강조하도록. 프로그래밍된 윤곽·형상 정밀 식별 위해 적합 조명 선정. 픽업·용접·글루디스펜싱: 단순 확산 바조명. 스테레오 카메라 빈피킹: 구조화 패턴광 투사→윤곽·프로파일 추출.

로봇+머신비전 주요 과제(2D 기준)

• 왜곡(Distortions)
• 좌표 캘리브레이션
• Z 캘리브레이션
• 좌표계 정렬

왜곡 보정

1. 렌즈 왜곡: 광각 렌즈 배럴 왜곡
2. 경사 장착 왜곡: 로봇 클리어런스 확보로 카메라 기울임 장착 시 발생

캘리브레이션 플레이트로 양자 보정.

좌표 캘리브레이션

로봇: mm/inch 단위 좌표계. 카메라: 픽셀 카운트. 픽셀↔물리단위 상관관계 캘리브레이션 필수. 작동거리(WD) 일정 유지 전제. 3D 작업서 'Z' 사양 필요.

Z 캘리브레이션

렌즈 피사계심도(DoF) 내 Z축 변동 시 X,Y 좌표 산출용. 캘리브레이션 플레이트 활용 특정 절차로 수행.

좌표계 정렬

로봇·비전 각자 좌표계→편차 존재. 로봇 자위치·TCP 인지, 비전은 플레이트 캘리브레이션. 로봇 오프셋 계산→정렬. 중요: 비전 원점 기준 경로 추종 필수. 부정확 캘리브레이션→경로 편차·충돌 위험.

캘리브레이션 플레이트

정밀 마킹 플레이트(Figure 2.1). 플레이트 카메라 하방 일정 거리 배치 영상 획득(Figure 2.2)→왜곡 보정 후 정렬 영상(Figure 2.3). 격자점 간 거리 알려진 값 입력→픽셀당 거리 산출. WD·FOV·마운팅 불변 시 유지, 변경 시 재캘리브레이션.

트렌드와 진전

VGR 성숙 기술. 주요 로봇사 통합 솔루션 제공. 최신 고속·3D ToF·통합 스테레오 카메라, AI/ML SW 기술로 신뢰성·강건성 한층 강화. 심층신경망으로 부품 위치·자세 다중 케이스 학습·재학습. 학습 시간 길어지나 GPU 등 최신 컴퓨팅으로 단축. 클라우드 ML 플랫폼도 도입 중.

결론

VGR 전 산업 영역 급확산. 자동차 주도→식품·제약(고속 픽앤플레이스, 팔레타이징/디팔레타이징), 중공업(용접 심트래킹, 글루디스펜싱) 등 확대. 비전 시스템 제조사-로봇 빌더 간 상호호환 표준 정립 필요. '뉴노멀' 제조서 VGR 핵심 역할 확실.