DEEP.FINE Spatial Crafter (DSC) 공간 정보 구축 프로세스
딥파인 DEEP.FINE Spatial Crafter 온프레미스 버전 출시
XR 공간 컴퓨팅 플랫폼 기업, 딥파인(DEEP.FINE)에서 6월 3일부로 기업 자체 구축형(온프레미스) XR 공간 구축 플랫폼, DEEP.FINE Spatial Crafter(DSC)를 출시했습니다.
DSC는 전문 지식이 없는 일반인도 손쉽게 스마트폰과 태블릿을 이용해 실제 공간을 디지털 공간으로 제작하고, 현실의 다양한 물체를 3D asset 콘텐츠로 변환할 수 있으며, 2D 기반의 정보 패널을 제작할 수 있습니다.
DEEP.FINE Spatial Crafter(DSC)의 핵심 기술인 XR 공간 구축 기술을 소개하고자 합니다. DSC의 공간 정보 구축은 SLAM(Visual Simultaneous Localization And Mapping) 기술을 기반으로 이루어집니다.
SLAM(Visual Simultaneous Localization And Mapping) 기술
SLAM(Simultaneous Localization And Mapping)은 ‘동시적 위치 추정 및 지도 작성’을 의미합니다. 이를 풀어서 설명하면, SLAM 기술은 임의의 공간에서 자신의 위치를 추정하고, 추정된 위치에서부터 주변 환경의 지도를 생성하는 기술입니다. 이 기술은 로봇 공학, 자율 주행, 증강 현실(AR), 가상 현실(VR) 등 다양한 분야에서 필수적인 요소로 자리잡고 있습니다.
SLAM을 구현하는 방법은 사용되는 데이터의 종류에 따라 여러 가지로 나뉩니다. LiDAR 데이터를 활용할 경우, 이를 LiDAR SLAM이라 부르며, 이는 주로 자율주행 차량에서 환경을 고해상도로 인식하는 데 사용됩니다. 카메라 데이터를 활용하는 경우, Visual SLAM이라 부르며, 이는 주로 증강 현실(AR) 및 가상 현실(VR) 애플리케이션에서 사용됩니다. IMU(Inertial Measurement Unit)를 포함한 경우, 이는 LiDAR-Inertial SLAM 또는 Visual-Inertial SLAM으로 불리며, 이러한 조합은 더욱 정교하고 정확한 공간 인식을 가능하게 합니다.
Feature-based Visual-LiDAR-Inertial SLAM
DSC에서는 LiDAR, 카메라 데이터, IMU를 모두 활용하는 Feature-based Visual-LiDAR-Inertial SLAM을 사용합니다. 이 기술은 다양한 센서 데이터를 융합하여 더욱 정밀한 공간 정보를 제공합니다. 특히, LiDAR의 정밀한 거리 측정, 카메라의 풍부한 시각적 정보, IMU의 관성 데이터를 결합함으로써, 다양한 환경에서도 안정적이고 정확한 위치 추정 및 지도 작성이 가능합니다.
DSC의 XR 공간 구축 기술은 이러한 SLAM 기술을 기반으로 하여, 사용자에게 실시간으로 정확한 공간 정보를 제공하며, 다양한 산업 분야에서의 적용 가능성을 넓혀가고 있습니다. DEEP.FINE의 DSC는 혁신적인 XR 솔루션을 통해 기업들이 디지털 전환을 가속화하고, 새로운 차원의 사용자 경험을 창출할 수 있도록 돕고 있습니다.
누구나 쉽게 하는 디지털 공간 정보 구축
기존 공간 정보 취득과 3D 매핑 프로세스는 복잡한 절차와 높은 난이도로 각종 전문 장비와 전문 엔지니어가 필요였습니다. 그러나 이제는 비전문가도 DEEP.FINE Spatial Crafter (DSC) 플랫폼을 통해 공간 정보를 쉽게 구축할 수 있습니다.
이는 LiDAR가 포함된 iOS 기기를 사용하여 누구나 손쉽게 공간 정보를 수집하고 활용할 수 있도록 설계되었기 때문입니다. 공간 정보 구축 프로세스는 크게 스캔과 매핑 두 가지 단계로 나뉩니다.
스캔
스캔은 공간 정보 구축에 필요한 데이터를 수집하는 과정입니다. 이 과정에서 수집되는 데이터는 다음과 같습니다.
RGB 이미지: 특징점 검출 및 매칭을 통해 공간의 상대적 위치 변화를 파악하는 데 사용됩니다. 이미지에서 특징이 되는 부분을 검출하고 검출된 특징점은 비슷한 공간에서의 이미지 특징점 간의 대응 과정을 통해 상대적인 위치 변화를 파악하는데 사용합니다. 또한, 3D 모델에 텍스처를 입히는 데에도 활용됩니다.
포인트 클라우드 데이터: 이미지와 동일한 시점에 수집되는 포인트 클라우드 데이터는 검출된 특징점의 깊이 정보를 추정하여 3D 공간 모델의 뼈대를 구성합니다.
IMU 데이터: IMU는 관성 측정 장치(Inertial Measurement Unit)로 가속도(Acceleration)와 각속도(Gyroscope)를 통해 위치 및 자세 변화를 추적하고 매핑 과정에서의 오류를 줄이기 위하여 활용합니다.
매핑
매핑은 스캔 과정에서 수집된 데이터를 활용하여 공간 정보를 구축하는 과정입니다. 이 단계에서는 실제 VSLAM이 수행되며, 매핑이 성공적으로 완료되면 공간 정보와 이에 대한 3D 모델이 생성됩니다.
공간 정보는 SLAM을 통해 생성된 특징점, 키프레임, 카메라 궤적 정보가 포함 됩니다. 이러한 공간 정보를 바탕으로 3D 모델이 생성됩니다.
3D 모델은 수집된 포인트 클라우드들이 하나로 통합되어 다양한 필터링 과정을 거쳐 메쉬 형태로 만들어집니다. 이 메쉬에 텍스처를 입힘으로써 3D 공간 모델이 완성됩니다.
마치며
DSC를 개발하는 과정에서 데이터 수집 방법, 매핑 속도, 3D 공간 성능, 3D 모델의 퀄리티 등 여러 어려움이 있었습니다. 그러나 "누구나 손쉽게 현실 공간을 디지털화할 수 있는 플랫폼"이라는 핵심 목표를 바탕으로 포기하지 않고 지속적인 연구개발과 테스트를 통해, 스마트기기 하나만으로도 3D 공간을 구축할 수 있는 솔루션을 개발할 수 있었습니다.
이번 토픽에서는 현실 공간 기반의 XR 공간정보 구축 솔루션인 DSC의 여러 기술 중에서 특히 현실 공간 스캔과 3D 공간 생성 부분에 대해 간단히 설명드렸습니다.
앞으로 기술 블로그를 통해 DSC를 구성하는 다양하고 고도화된 기술에 대한 설명을 이어가겠습니다. 많은 관심 부탁드립니다.
