데이터셋·하드웨어

롤링셔터 왜곡은 영상의 행이 서로 다른 시각에 노출돼 한 프레임 안에 여러 카메라 자세가 섞이는 기하 오차이고, 모션 블러는 한 픽셀이 노출 시간 동안 움직인 밝기를 누적하는 흐림입니다. readout time·exposure·프레임률을 분리해 측정하고 로봇 속도·조명·트리거와 검증하는 방법을 정리합니다.

6D 물체 자세는 카메라에서 본 강체의 x·y·z 위치와 roll·pitch·yaw 회전을 함께 추정한 변환입니다. 2D 검출 상자에서 끝나는 것이 아니라 카메라 내부 보정, CAD·키포인트·깊이 대응, 대칭 물체의 모호성, hand-eye 변환과 집기 시각까지 맞아야 실제 로봇 좌표가 됩니다.

휠 오도메트리는 엔코더 회전량을 바닥 이동으로 적분하지만 급가속·제동·선회·문턱·낮은 마찰에서는 바퀴가 돈 거리와 차체가 간 거리가 달라집니다. 바퀴 반지름과 윤거 보정, IMU·LiDAR 잔차로 슬립을 찾는 법, 고정 공분산 대신 상황별 불확실성을 키우는 법과 실제 주행 검증 절차를 정리합니다.

IMU는 자세를 직접 재는 센서가 아니라 각속도와 비력을 측정합니다. 영점 바이어스가 남으면 자이로 적분 각도와 가속도 이중 적분 위치가 시간에 따라 흐릅니다. 전원 켤 때 영점, 6자세 가속도 보정, 회전 속도·온도 보정, Allan deviation, 온라인 바이어스 추정과 진동·시간 동기 검증 절차를 정리합니다.

Visual-Inertial Odometry는 카메라 특징과 IMU를 융합해 최근 구간의 연속 이동과 속도·바이어스를 추정하고, SLAM은 위치추정과 함께 재사용 가능한 지도·루프 클로저·재지역화를 관리합니다. VIO가 지도 없이 아무것도 기억하지 않는다는 뜻도, Visual-Inertial SLAM이 드리프트를 완전히 없앤다는 뜻도 아닙니다. 상태·지도·좌표계·초기화·보정·시험 기준을 구분합니다.

프레임 카메라는 일정 시각마다 전체 영상을 만들고 이벤트 카메라는 픽셀 밝기가 변한 순간만 비동기 이벤트로 보냅니다. 이벤트 방식은 빠른 움직임과 큰 명암 차에서 낮은 지연을 만들 수 있지만 정지 장면의 절대 밝기·일반 영상 알고리즘·이벤트 폭증 문제를 새로 다뤄야 합니다. 로봇 작업별 선택과 하이브리드 동기화 기준을 정리합니다.

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.

모터 전류에 토크 상수와 감속비를 곱하면 관절 토크의 출발값을 만들 수 있지만, 실제 출력에는 전류 오프셋·자속 포화·감속기 효율·중력·관성·마찰·온도 오차가 섞입니다. q축 전류 정의부터 정적 추 보정, 마찰 지도, 외력 잔차와 직접 센서 교차검증까지 관절 토크 추정 절차를 정리합니다.

로봇 하네스는 전선을 묶는 작업이 아니라 움직이는 전력·신호 경로를 설계하는 일입니다. 굽힘과 비틀림이 도체를 끊고, 모터 PWM의 공통모드 전류가 엔코더와 통신에 들어가면 간헐 오류가 생깁니다. 라우팅·스트레인 릴리프·차폐·접지·시험을 함께 설계하는 방법을 정리합니다.

모터 엔코더는 로터를 빠르게 제어하지만 감속기 뒤의 백래시와 탄성 변형을 직접 보지 못합니다. 출력측 엔코더를 추가하면 실제 관절 각도를 측정해 끝단 오차를 줄일 수 있습니다. 두 센서의 역할, 감속비·영점 보정, 이중 루프 대역폭과 고장 진단을 설명합니다.