지식 센터
목차

SI 스마트 제조에서 비전 유도 위치 결정

SI 스마트 제조에서 비전 유도 위치 결정은 본질적으로 산업용 카메라와 비전 알고리즘으로 사람의 눈을 대체해, 공작물의 위치와 자세 편차를 실시간 계산하고 좌표 오프셋을 로봇이나 모션 스테이지에 보내 보정함으로써 입고 위치가 불규칙해도 피킹, 조립, 접착 동작이 정렬되게 하는 것이다. 선명하게 보는 문제가 아니라 정밀하게 정렬하는 문제를 해결하며, 핵심 출력은 6자유도 자세 데이터, 즉 X, Y, Z와 회전 각도다.

1. SI 스마트 제조에서 비전 유도 위치 결정은 어떤 문제를 해결하는가?

라인의 공작물은 교시한 위치에 정확히 머무르지 않는다. 트레이에는 제조 공차가 있고 장입에는 무작위 오프셋이 있으며 컨베이어에는 정지 오차가 있고 열팽창으로 치수가 변한다. 전통적 접근은 위치 결정 핀과 하드 스톱으로 공작물을 고정 위치에 밀어 넣는 것이며, 이는 값비싼 지그, 느린 품종 전환, 취약 부품 파손 위험을 뜻한다.

비전 유도 위치 결정은 그 물리적 구속을 데이터 구속으로 바꾼다. 카메라가 이미지를 얻고, 알고리즘이 실제 공작물 자세를 찾아 교시 위치와 비교하며, 편차를 통신 인터페이스로 액추에이터에 보낸다. 라인 품종 전환은 대개 새 지그 세트가 아니라 레시피와 캘리브레이션 파라미터 전환만으로 끝난다. 다품종 소량의 SI 스마트 제조 시나리오에서 이것은 정확도 자체보다 더 값진 것이다.

2. 비전 유도 위치 결정의 기술 원리와 핵심 역량

전형적인 사슬은 네 단계다. 캘리브레이션, 이미징, 인식과 위치 계산, 좌표 변환 출력이다.

캘리브레이션은 정확도의 토대다. 픽셀 좌표에서 로봇 좌표로의 매핑을 세워야 하며, 평면 장면에는 9점 캘리브레이션이 흔하고 깊이가 관련되면 핸드-아이 캘리브레이션을 쓰며 Eye-in-Hand와 Eye-to-Hand 장착을 구분한다. 캘리브레이션 오차는 최종 위치 결과에 직접 들어가고, 반복 캘리브레이션 정확도는 보통 0.1픽셀 이내를 요구한다.

이미징 단계가 상한을 정한다. 산업용 카메라 해상도는 500만에서 2000만 화소 범위이고, 텔레센트릭 렌즈가 원근 왜곡을 억제하며, 광원 선택이 카메라보다 성공을 좌우하는 경우가 많다. 배면광, 동축광, 링광은 각각 윤곽 추출, 반사면, 일반 조명에 대응한다. 주기가 빡빡한 장면은 글로벌 셔터와 노출 시간도 고려해야 하며, 모션 블러가 생기면 어떤 알고리즘도 복원할 수 없다.

인식 알고리즘은 두 갈래다. 전통적 방법은 템플릿 정합에 기하 특징을 더한 것으로 빠르고 설명 가능하며 텍스처가 안정적인 공작물에 적합하다. 딥러닝 방법은 약한 텍스처, 다양한 자세, 가림에 더 강건하지만 샘플 학습이 필요하다. 출력은 대개 픽셀 수준 윤곽이나 키포인트이고, 그로부터 이동과 회전을 풀어 평면 장면에서는 3자유도, 3D 장면에서는 6자유도를 얻는다.

통신 통합이 배포의 성패를 가른다. 비전 시스템은 대개 TCP/IP, Modbus TCP, PROFINET으로 PLC와 로봇 컨트롤러에 연결되고, 경우에 따라 OPC-UA로 MES나 SCADA에 데이터를 보내 추적성에 쓴다. 사이클 타임에서 트리거부터 좌표 출력까지 단일 위치 계산은 보통 해상도와 알고리즘 복잡도에 따라 50~300밀리초가 걸린다.

3. 제조 현장의 전형적인 비전 유도 위치 결정 적용 사례는 무엇인가?

커넥터 삽입을 하는 전자 공장에서 입고 부품이 트레이 안에서 플러스마이너스 0.5밀리미터 범위로 떠 있고 핀 피치가 미세한 경우를 가정하자. 비전 유도 위치 결정이 먼저 트레이를 촬영해 각 커넥터의 실제 위치를 계산하고 로봇이 보정된 좌표에서 하나씩 눌러 넣어, 억지 삽입으로 인한 핀 변형을 피한다. 이런 장면은 보통 플러스마이너스 0.05밀리미터 수준의 반복 위치 정밀도를 요구한다.

엔진 블록을 장입하는 자동차 부품 기업에서 공작물이 무겁고 수동 정렬이 힘든 경우를 가정하자. 비전 시스템이 블록 단면의 위치 결정 홀이나 특징 모서리를 인식해 갠트리 조작기의 피킹을 유도하고, 컴플라이언트 삽입을 위해 힘 제어를 적용한다. 주조 표면은 거칠고 반사가 고르지 않아 광원과 알고리즘 선정에 전용 평가가 필요하다.

또 다른 예는 SMT 후단의 디패널링, 라벨링, 디스펜싱이다. PCB가 지그 안에서 약간 어긋나 있는데 비전 유도로 디스펜싱 헤드가 실제 기판 위치를 따라가 접착 경로가 패드를 벗어나지 않게 한다. 이런 응용은 3C와 반도체 후공정 라인에서 흔하고 배치 추적성을 위해 MES와 연동되는 경우가 많다.

4. 비전 유도 위치 결정의 선정과 구축에서 주의할 점

정확도를 어떻게 설정할 것인가. 카메라 해상도 수치를 그대로 베끼지 말고, 시스템 정확도를 시야를 픽셀 수로 나눈 값으로 계산한 뒤 캘리브레이션 오차와 기계 반복 정밀도를 반영하고, 보통 카메라 이론 정확도의 3~5배 여유를 두어 안전하게 잡아라. 공작물과 시야가 작을수록 픽셀당 실제 크기가 작아져 정확도를 얻기 쉽다.

하드웨어를 어떻게 구성할 것인가. 카메라는 해상도와 프레임 레이트로, 렌즈는 왜곡과 심도로, 광원은 표면 특성으로, 컨트롤러는 딥러닝 모델을 돌려야 하는지로 고른다. 연산이 부족하면 추론 시간이 사이클을 끌어내리므로 고속 라인에서는 이를 먼저 검증해야 한다.

어떻게 통합할 것인가. 로봇이나 PLC가 어떤 프로토콜을 지원하는지, 좌표를 절대 위치로 보내는지 오프셋 보정으로 보내는지, 좌표계 방향을 어떻게 맞출지를 전기 엔지니어와 사전에 합의하라. 그렇지 않으면 비전은 맞게 계산했는데 로봇이 반대 방향으로 움직이는 기초적 오류가 생긴다.

구축 단계는 몇 단계인가. 대개 현장 평가, 조명 테스트, 캘리브레이션, 오프라인 시운전, 온라인 시험 가동, 배치 검증이다. 조명 테스트는 실제 공작물과 실제 주변광으로 해야 한다. 실험실에서 다듬은 컨셉은 작업장으로 옮기면 손봐야 하는 경우가 많다.

흔한 실수는 두 가지다. 하나는 고해상도 카메라를 사면 정확도가 높아진다고 가정하고 렌즈 왜곡과 캘리브레이션 오차를 무시하는 것이다. 다른 하나는 비전을 만능 보정기로 여기는 것이다. 실제로 시야를 벗어나거나 가림이 심하면 시스템은 경보하고 정지할 수밖에 없으며, 그 경계를 라인에 미리 설명해야 한다.

5. 어떤 공정에 적합하고 어떤 장면에 적합하지 않은가

적합한 장면은 입고 위치 편차가 규칙적이고, 공작물 특징이 안정적으로 이미징되며, 사이클이 수십에서 수백 밀리초의 위치 계산 시간을 허용하고, 다품종 전환으로 지그 투자 절감 효과가 큰 공정이다. 피킹과 장입, 삽입 조립, 디스펜싱과 라벨링, 분류와 팔레타이징 등이 그렇다.

부적합하거나 신중한 평가가 필요한 경우는 반사가 강한 거울면 부품, 왜곡이 큰 유연 부품, 특징이 완전히 가려진 공작물, 시야 요구가 카메라 해상도 역량을 크게 넘는 경우, 사이클이 10밀리초 이내여야 하는 초고속 공정이다. 이런 경우에는 보조 특징과 전용 광원을 추가하거나 다른 센싱 방식으로 전환해야 하며 비전을 억지로 밀어붙여서는 안 된다.

이 역량은 업계에서 오래전에 확립되었고, ERP 시대부터 수십 년간 일해 왔으며 120만 고객에게 서비스하고 누적 수천만 대 단말을 배포한 솔루션 제공업체들은 대개 비전 유도, MES, 설비 제어를 통합 SI 스마트 제조 솔루션으로 구성한다. 선정 시에는 단일 지점 알고리즘 지표만 보지 말고 캘리브레이션 툴체인과 통신 통합의 성숙도를 눈여겨보라.

주제: AI 시각 인식 백과