2D LiDAR는 한 평면의 거리 스캔으로 AMR 지도·위치추정을 단순하게 만들고, 3D LiDAR는 높이를 포함한 점군으로 낮은 장애물·돌출물·경사와 복잡한 공간을 봅니다. 그러나 3D가 항상 더 좋은 것은 아닙니다. 설치 높이·시야·점 밀도·지면 제거·시간 동기·연산·안전 센서 책임을 작업별로 비교합니다.
아래에서는 용어의 차이를 실제 시스템 경계, 실패 조건과 검증 순서로 나눠 살펴봅니다.
2D LiDAR는 한 평면의 거리 배열을 만들고 3D LiDAR는 높이를 가진 점군을 만든다
2D LiDAR는 보통 센서 높이에서 수평으로 회전하거나 스캔해 각도별 한 개 이상의 거리를 출력합니다. 3D LiDAR는 여러 수직 채널이나 스캔 패턴으로 x·y·z 위치와 반사 정보를 가진 점들을 만듭니다.
센서 전체 분류는 로봇 센서 종류 글에서 다룹니다. 여기서는 AMR의 위치추정과 장애물 검출이 평면 거리만으로 충분한지, 높이 정보를 유지해야 하는지에 집중합니다.
ROS에서 2D는 LaserScan, 3D는 PointCloud2로 다루는 경우가 많다
ROS LaserScan 메시지는 각도·시간 간격과 거리 배열을 표현합니다. PointCloud2 메시지는 높이·너비·필드 정의와 이진 점 데이터를 담습니다.
LaserScan은 크기가 예측 가능하고 2D 알고리즘에 바로 들어가지만 스캔 평면 밖의 형상을 버립니다. PointCloud2는 높이와 추가 필드를 보존하지만 필터·좌표 변환·지면 제거와 더 큰 메모리 대역폭이 필요합니다.
| 항목 | 2D LiDAR | 3D LiDAR |
|---|---|---|
| 기본 데이터 | 각도별 거리 LaserScan | xyz 점군 PointCloud2 |
| 주요 강점 | 평면 지도·위치추정·단순성 | 높이·돌출·경사·입체 형상 |
| 주요 사각 | 스캔면 위·아래 | 가림·채널 사이·근거리 |
| 시스템 비용 | 낮은 대역폭·연산 | 필터·저장·연산·전력 증가 |
평평한 실내 AMR 위치추정은 2D 스캔만으로도 강하고 단순할 수 있다
벽·기둥·선반 다리가 센서 높이에서 안정적으로 보이고 바닥 경사가 작다면 2D 스캔 매칭은 지도와 현재 스캔을 빠르게 비교할 수 있습니다. 계산량과 데이터량이 작아 산업용 PC와 네트워크 설계도 단순합니다.
AMR과 AGV 차이 글의 자유 주행이 곧 3D 센서를 의무화하지는 않습니다. 위치추정 특징이 충분하고 놓치면 안 되는 장애물이 스캔 높이에 들어오는지 현장 형상으로 판단합니다.
2D 스캔면 위·아래의 포크·상판·돌출 선반은 보이지 않을 수 있다
팔레트 포크가 스캔면 아래에 있고 상판이 위에 있으면 기둥 사이의 빈 공간처럼 보일 수 있습니다. 테이블 모서리, 열린 서랍과 트럭 적재함처럼 높이에 따라 윤곽이 달라지는 장애물도 한 평면으로는 충분하지 않습니다.
센서 높이를 바꾸거나 여러 2D LiDAR를 기울여 보완할 수 있지만 각 센서의 보호 영역과 좌표 변환을 관리해야 합니다. 3D LiDAR나 깊이 카메라를 추가해도 기능 안전 정지 책임은 인증된 안전 센서와 분리할 수 있습니다.
3D 점군은 장애물 높이와 경사를 보지만 지면과 로봇 자체를 먼저 제거해야 한다
3D LiDAR는 낮은 물체와 머리 높이 돌출, 램프·연석과 천장 구조를 점군으로 관측합니다. 그러나 바닥 점을 그대로 장애물로 넣으면 경사로에서 주행 가능 영역 전체가 막힐 수 있습니다.
센서에서 base_link까지 외부 파라미터가 조금 틀어져도 먼 거리 지면 높이가 크게 어긋납니다. 지면 분할, 높이 범위, 로봇 차체 self-filter와 통과 가능한 경사 기준을 작업 환경에 맞춰 검증합니다.
지붕 LiDAR 사진은 넓은 시야와 차체 가림을 동시에 보여 준다
사진의 회전형 LiDAR는 셔틀 지붕 위에서 주변을 내려다봅니다. 높은 위치는 먼 거리와 차체 주변의 넓은 시야를 만들지만 센서 바로 아래와 차체 뒤에 가까운 영역은 가려질 수 있습니다.
AMR에서는 범퍼·화물·리프트 높이가 바뀌므로 CAD 시야선만으로 끝내지 않습니다. 최소·최대 적재와 조향 자세에서 포인트가 사라지는 영역을 실측하고 가까운 안전 영역은 별도 센서가 맡는지 확인합니다.
점 채널 수가 많아도 거리와 입사각에 따라 작은 물체 사이로 빔이 빠질 수 있다
3D LiDAR의 수직 채널과 각 해상도는 거리가 멀수록 점 사이 간격을 키웁니다. 얇은 케이블, 포크 끝과 사람 다리처럼 작은 표적은 채널 사이에 놓이거나 한두 점만 돌아올 수 있습니다.
최대 거리보다 작업 거리에서 표적에 몇 점이 들어오는지 봅니다. 회전 속도, 수평 해상도와 수직 시야를 함께 설정하고 단일 프레임 검출뿐 아니라 여러 스캔 누적이 만드는 지연도 기록합니다.
유리·검은 표면·반사체·비와 먼지는 2D와 3D 모두에서 거리 누락과 다중 반사를 만든다
레이저 파장과 표면 재질·입사각에 따라 반환 강도가 달라집니다. 검은 고무는 약한 반사를 만들고 유리는 투과·반사로 잘못된 거리를 줄 수 있으며 거울성 금속과 역반사재는 비정상적으로 강한 점을 만들 수 있습니다.
실내라도 랩 필름, 유광 바닥, 먼지와 햇빛 유입을 포함해 시험합니다. intensity 임계값 하나로 약한 실제 장애물을 지우지 않도록 누락과 오탐을 표면별로 분리합니다.
회전형 3D LiDAR는 한 점군 안에서도 점마다 측정 시각이 달라 움직임 왜곡이 생긴다
로봇이 회전하는 동안 한 바퀴 점군을 모으면 처음 점과 마지막 점은 서로 다른 자세에서 측정됩니다. 이를 한 시각의 점군으로 취급하면 벽이 휘고 물체가 늘어난 것처럼 보일 수 있습니다.
시간 동기화 글의 point time과 pose 보간이 필요합니다. LiDAR 패킷 시각, IMU·오도메트리 시각과 TF 지연을 맞추고 실제 급회전에서 deskew 전후 지도를 비교합니다.
3D 점군을 높이 구간으로 자르면 기존 2D 주행 스택과 연결할 수 있다
ROS pointcloud_to_laserscan은 3D 점군에서 지정 높이 범위를 2D LaserScan으로 투영합니다. 기존 2D SLAM·내비게이션을 유지하면서 3D 센서를 입력으로 쓰는 한 방법입니다.
다만 투영하면 높이 정보가 사라집니다. Nav2 코스트맵 레이어 글처럼 2D 비용지도에 넣을 장애물과 별도 3D 인지·머리 높이 보호 영역을 나눠야 합니다.
3D LiDAR의 가격보다 네트워크·저장·필터 지연과 고장 처리 비용을 함께 본다
점군은 센서 채널·회전율·필드 수에 따라 초당 데이터가 커지고 여러 로봇의 원시 점군을 중앙 서버로 보내면 네트워크 버스트가 생깁니다. 로봇 내 필터링, 압축과 필요한 로그 보존 시간을 설계합니다.
전역 경로와 로컬 제어의 역할은 주행 계획·제어 글처럼 분리합니다. 고해상도 점군이 있어도 로컬 장애물 처리 주기와 제어 지연이 느리면 정지 거리는 줄지 않습니다.
| 현장 조건 | 우선 검토 | 검증 장면 |
|---|---|---|
| 평평한 실내·벽 특징 충분 | 2D | 선반 다리·문·사람 |
| 낮은 물체·돌출·경사 | 3D 또는 보조 깊이 | 포크·상판·램프 |
| 기존 2D 주행+3D 센서 | 높이 투영+별도 3D | 투영 시 정보 손실 |
| 안전 정지 | 인증 안전 스캐너 분리 | 센서 고장·가림·정지거리 |
최종 선택은 지도 품질보다 놓치면 안 되는 장애물과 고장 시 행동으로 닫는다
2D LiDAR는 단순성과 예측 가능한 평면 관측이 강점이고, 3D LiDAR는 높이와 복잡한 형상을 제공하는 대신 처리 책임이 늘어납니다. 두 방식의 장점은 센서 이름보다 설치 위치와 작업 환경에서 결정됩니다.
여러 센서를 결합할 때는 센서 퓨전 글처럼 관측 중복과 공통 고장을 따집니다. 같은 먼지·가림에 동시에 실패하는 센서를 여러 개 달았다고 독립 안전 계층이 되지는 않습니다.
2D LiDAR와 3D LiDAR 차이에서 자주 묻는 질문
AMR에는 3D LiDAR가 항상 더 좋은가요?
아닙니다. 평평한 실내에서 2D 지도·위치추정과 스캔 높이 장애물만 필요하면 2D가 더 단순하고 안정적일 수 있습니다. 높이 형상 필요성을 먼저 봅니다.
3D LiDAR 하나로 안전 스캐너를 대신할 수 있나요?
일반 3D LiDAR의 인지 기능과 인증된 안전 스캐너의 보호 기능은 같은 책임이 아닙니다. 적용 규격과 위험성 평가에 따라 안전 계층을 별도로 설계해야 합니다.
3D 점군을 2D LaserScan으로 바꾸면 2D LiDAR와 같아지나요?
인터페이스는 비슷해지지만 원래 점군의 높이 선택, 가림, 시각 왜곡과 점 밀도 특성이 남습니다. 투영 높이 밖 정보도 함께 관리해야 합니다.
LiDAR 채널 수가 많으면 작은 장애물을 놓치지 않나요?
점은 각도 간격을 따라 퍼지므로 거리와 입사각에 따라 채널 사이로 작은 물체가 빠질 수 있습니다. 작업 거리에서 표적당 점 수와 검출률을 측정합니다.
유리벽은 2D와 3D 중 어느 쪽이 잘 보나요?
둘 다 파장·입사각·표면 처리에 따라 누락이나 잘못된 반사가 생길 수 있습니다. 실제 유리와 필름, 햇빛 조건에서 시험하고 다른 센서나 지도 규칙을 보완합니다.
LiDAR 선택은 기능 안전 적합성을 자동으로 결정하지 않습니다. 거리·시야·해상도 사양은 표면 반사율, 장착 자세, 로봇 움직임, 오염과 처리 지연에 따라 실제 검출 성능이 달라지므로 현장 장애물과 고장 주입 시험으로 확인해야 합니다.