GPS가 드론의 위치를 안정적으로 잡아주고, 짐벌과 카메라 기술이 공중 촬영을 가능하게 만들었으며, 데이터 링크 기술이 드론과 지상 조종자를 연결했다. 이 세 가지 기술은 드론 산업 초기에 거의 필수적인 기반 요소였다. 이 덕분에 드론은 공중에서 안정적으로 떠 있을 수 있었고, 카메라로 촬영한 영상을 지상으로 전송하며 비교적 정밀한 비행을 수행할 수 있었다.
하지만 이 시기의 드론은 여전히 사람의 판단에 전적으로 의존하는 장비였다. 드론이 어떤 방향으로 움직일지, 어떤 물체를 피해야 할지, 어디를 촬영해야 할지 같은 모든 결정은 조종자가 직접 내려야 했다. 드론 자체는 단순히 명령을 수행하는 기계에 가까웠다.
이 구조를 바꾸기 시작한 기술이 바로 AI와 컴퓨터 비전(Computer Vision)이었다. 카메라로 촬영된 영상과 각종 센서 데이터를 분석해 주변 환경을 이해하고, 드론이 스스로 행동을 결정할 수 있도록 만드는 기술이다.
이 기술이 드론에 적용되면서 드론은 단순한 촬영 장비를 넘어 환경을 인식하고 반응하는 항공 로봇에 가까운 형태로 발전하기 시작했다.
드론은 처음에는 ‘눈이 없는 기계’였다
초기 드론에 장착된 카메라는 대부분 촬영을 위한 장비였다. 드론이 촬영한 영상은 메모리 카드에 기록되거나 지상으로 전송되었지만, 드론 자체가 그 영상을 이해하거나 분석하는 기능은 거의 존재하지 않았다.
카메라는 말 그대로 사람이 보기 위한 장비였다. 드론은 카메라를 통해 세상을 보고 있었지만, 실제로 그 정보를 이해하는 것은 드론이 아니라 지상에 있는 조종자였다.
이 때문에 초기 드론 비행에서는 항상 조종자의 시야와 판단이 중요했다. 드론이 건물이나 나무 근처를 지나갈 때 충돌을 피하는 것도, 좁은 공간에서 기체를 안정적으로 조종하는 것도 모두 조종자의 경험과 반응 속도에 의존했다.
예를 들어 촬영 드론이 도심 지역에서 비행할 경우 주변에는 수많은 장애물이 존재한다. 전봇대, 전선, 건물 외벽, 나무 가지 등 공중에는 생각보다 많은 충돌 위험 요소가 있다. 하지만 초기 드론은 이러한 장애물을 스스로 인식할 수 없었다.
조종자가 화면을 보거나 직접 드론을 눈으로 확인하면서 비행 경로를 조정해야 했고, 조금만 조작이 늦어도 드론이 장애물에 충돌하는 사고가 발생할 수 있었다.
실제로 초기 드론 촬영 현장에서는 이러한 충돌 사고가 비교적 흔하게 발생했다. 특히 카메라 촬영에 집중하다 보면 주변 장애물을 놓치기 쉬웠고, 빠르게 이동하는 촬영 장면에서는 반응 시간이 충분하지 않은 경우도 많았다.
또한 드론이 촬영을 위해 낮은 고도로 접근해야 하는 경우 충돌 위험은 더 커졌다. 건물 외벽을 따라 비행하거나 숲 근처에서 촬영할 때는 조종자의 숙련도가 매우 중요했다.
이러한 문제를 해결하기 위해 드론이 주변 환경을 스스로 인식할 수 있도록 만드는 기술이 필요했고, 그 과정에서 컴퓨터 비전 기술이 드론 시스템에 도입되기 시작했다.
장애물 회피 기술의 등장
드론이 주변 환경을 인식하기 위해 가장 먼저 도입된 기술 중 하나는 장애물 회피(Obstacle Avoidance) 시스템이었다.
이 시스템의 기본적인 목적은 비교적 단순하다. 드론 주변에 있는 장애물을 감지하고 충돌 가능성이 있는 경우 자동으로 비행을 멈추거나 경로를 수정하는 것이다.
초기 장애물 감지 시스템은 비교적 단순한 센서를 사용했다. 초음파 센서는 물체까지의 거리를 측정할 수 있었고, 적외선 센서는 가까운 장애물을 감지하는 데 사용되었다. 이러한 센서들은 구조가 단순하고 비교적 저렴했기 때문에 초기 드론 시스템에서도 적용이 가능했다.
하지만 이러한 센서 방식에는 한계도 존재했다. 초음파나 적외선 센서는 특정 방향의 거리 정보만 제공할 수 있었기 때문에 복잡한 환경을 정확하게 인식하기 어려웠다. 또한 작은 물체나 얇은 장애물을 감지하지 못하는 경우도 있었다.
이 문제를 해결하기 위해 등장한 기술이 비전 기반 장애물 인식 시스템이었다. 드론에 장착된 카메라를 이용해 주변 환경을 분석하고, 영상 데이터를 기반으로 장애물을 인식하는 방식이다.
예를 들어 드론 전방에 두 개의 카메라를 설치하면 두 영상 사이의 차이를 분석해 물체까지의 거리를 계산할 수 있다. 이러한 방식은 인간의 양안 시각과 유사한 원리로 작동하며, 스테레오 비전(stereo vision)이라고 불린다.
드론이 이러한 시스템을 사용하면 단순히 거리만 측정하는 것이 아니라 공간 구조를 어느 정도 이해할 수 있게 된다.
장애물이 감지되면 드론의 플라이트 컨트롤러는 자동으로 속도를 줄이거나 비행을 멈추거나, 경우에 따라서는 새로운 경로를 계산해 충돌을 피하려고 한다.
이러한 기술은 특히 소비자용 촬영 드론에서 빠르게 확산되었다. 초보 사용자도 비교적 안전하게 드론을 운용할 수 있도록 도와주는 기능이었기 때문이다.
SLAM – 드론이 공간을 이해하기 시작하다
장애물 회피 기술이 발전하면서 드론은 단순히 충돌을 피하는 수준을 넘어 주변 환경을 구조적으로 이해하는 기술을 필요로 하게 되었다. 그 대표적인 기술이 바로 SLAM(Simultaneous Localization and Mapping)이다.
SLAM은 드론이 이동하면서 주변 환경의 지도를 만들고 동시에 자신의 위치를 계산하는 기술이다. 이 기술은 로봇 공학 분야에서 오래전부터 연구되어 왔으며 자율주행 차량과 로봇 시스템에서도 중요한 역할을 한다.
드론이 SLAM 기술을 사용하면 GPS 신호가 없는 환경에서도 비교적 안정적으로 비행할 수 있다. 예를 들어 실내 창고, 지하 구조물, 터널, 숲속과 같은 환경에서는 GPS 신호가 약하거나 아예 수신되지 않는 경우가 많다.
이러한 환경에서는 드론이 단순히 위성 신호에 의존해서는 안정적인 비행을 유지하기 어렵다. 대신 카메라 영상과 센서 데이터를 이용해 주변 환경의 특징점을 분석하고 이를 기반으로 자신의 위치를 계산해야 한다.
SLAM 시스템은 카메라 영상에서 반복적으로 나타나는 특징점을 추적하고, 드론이 이동하면서 그 위치 변화가 어떻게 달라지는지 분석한다. 이 정보를 이용해 드론은 주변 공간의 3차원 구조를 추정하고 동시에 자신의 위치를 계산한다.
이 과정은 상당한 연산 능력을 필요로 한다. 카메라 영상 데이터를 실시간으로 분석해야 하기 때문이다. 그래서 SLAM 기술의 발전에는 컴퓨터 프로세서 성능 향상도 중요한 역할을 했다.
이 기술이 발전하면서 드론은 단순히 GPS 좌표를 따라 움직이는 장비가 아니라 주변 환경을 이해하며 이동하는 시스템으로 발전하기 시작했다.
객체 추적과 자동 촬영
컴퓨터 비전 기술이 드론에 적용되면서 또 하나 중요한 기능이 등장했다. 바로 객체 추적(Object Tracking) 기술이다.
이 기술은 드론 카메라 영상에서 특정 대상이나 물체를 인식하고, 그 대상의 움직임을 지속적으로 추적하는 기능이다. 드론은 이 정보를 기반으로 해당 대상이 화면 중심에 유지되도록 자동으로 비행 경로를 조정한다.
예를 들어 사용자가 화면에서 특정 사람이나 차량을 선택하면 드론은 그 대상을 인식하고 계속해서 따라가며 촬영할 수 있다. 이 과정에서 드론은 대상의 이동 방향과 속도를 분석하고 그에 맞게 비행 경로를 수정한다.
이러한 기술은 촬영 드론 분야에서 매우 중요한 기능이 되었다. 스포츠 촬영, 액션 카메라 촬영, 여행 영상 제작 등 다양한 촬영 환경에서 자동 추적 기능이 활용되기 시작했기 때문이다.
DJI의 ActiveTrack 기능은 이러한 객체 추적 기술을 대표적으로 보여주는 사례 중 하나다. 사용자가 화면에서 특정 대상을 선택하면 드론이 자동으로 해당 대상을 따라가며 촬영한다.
이 기능 덕분에 복잡한 촬영 장면도 비교적 간단하게 구현할 수 있게 되었다. 이전에는 두 명 이상의 조종자가 필요했던 촬영 장면도 이제는 한 명의 조종자가 수행할 수 있는 경우가 많아졌다.
또한 객체 추적 기술은 촬영뿐 아니라 다양한 산업 분야에서도 활용되기 시작했다. 예를 들어 수색 구조 작업에서는 사람이나 차량을 자동으로 인식하는 기능이 중요할 수 있다.
컴퓨터 비전 기술이 발전하면서 드론은 단순한 카메라 플랫폼에서 특정 작업을 수행할 수 있는 지능형 시스템으로 변화하기 시작했다.
드론 산업에서 AI와 컴퓨터 비전 기술은 비교적 최근에 등장한 기술이지만 그 영향력은 상당히 크다. 이 기술 덕분에 드론은 단순히 영상을 촬영하는 장비에서 환경을 이해하고 스스로 반응하는 시스템으로 발전하기 시작했다.
이러한 변화는 이후 드론이 다양한 산업 현장에 투입되는 기반이 된다. 농업, 측량, 인프라 점검, 물류 등 여러 분야에서 드론이 활용되기 시작한 것도 바로 이러한 기술 발전과 연결되어 있다.
다음 글에서는 산업 드론의 등장, 그리고 드론이 실제 산업 현장에서 어떤 방식으로 사용되기 시작했는지 살펴본다.
기사 작성: @GROUNDTRUTH
참고
https://www.britannica.com/technology/computer-vision
https://www.intel.com/content/www/us/en/research/robotics-slam.html
https://www.dji.com/technology/active-track
https://www.nasa.gov/aeroresearch/programs/aavp/
https://www.sciencedirect.com/topics/computer-science/slam-simultaneous-localization-and-mapping
댓글 남기기