ITIV AI Tech Blog | 2.5D·3D Vision Series — 3회차. 높이와 형상을 수치로 측정하는 3D 카메라
3 회 | 높이와 형상을 수치로 측정하는 3D 카메라: SQ081043 구조광 센서
3D 품질검사는 “보이는가”를 넘어 “얼마나 차이가 나는가”를 수치로 판단하는 기술입니다.
그림 1. 2D 이미지에서 3D 정량 데이터로 확장되는 구조
3초 요약
- 3D 는 높이와 형상을 수치화 / 높이, 단차, 평탄도 등 Z 축 정보를 정량적으로 측정
- SQ081043 은 4 방향 투사 구조를 적용 / 그림자와 사각 영역을 줄여 안정적인 포인트 클라우드를 생성
- 정량 검사와 공정 자동화에 적합 / AI, 영상처리, PLC·MES 에서 활용 가능한 3D 데이터를 제공
3D 카메라는 왜 필요한가
1 회차에서는 기존 2D 비전 검사의 한계를, 2 회차에서는 DH200 Photometric Stereo 기반 2.5D 이미지가 표면 결함을 더 잘 보이게 만드는 방식을 살펴봤습니다.
3 회차의 주제는 3D 카메라입니다. 3D 비전의 핵심은 단순히 제품을 촬영하는 것이 아니라, 제품 표면의 높이와 형상을 수치 데이터로 취득하는 데 있습니다. 즉, 불량이 “보이는지”를 넘어서 기준값 대비 얼마나 높고, 얼마나 낮고, 얼마나 기울어져 있는지를 판단합니다.
자동차 커넥터 핀, EV 배터리 부품, PCBA, 조립 부품 검사에서는 다음과 같은 요구가 자주 발생합니다.
- 핀 높이와 휨, 간격, Coplanarity 측정
- 용접부 돌출·함몰·평탄도 확인
- 부품 조립 위치와 단차 측정
- 로봇 픽업 또는 위치 보정을 위한 3D 좌표 확보
구조광 3D 카메라의 기본 원리
그림 2. 구조광 기반 3D 데이터 생성 흐름
구조광 방식은 검사 대상 표면에 일정한 패턴을 투사하고, 표면 형상에 의해 변형된 패턴을 카메라가 촬영한 뒤, 그 변형량을 계산하여 3 차원 데이터를 재구성하는 방식입니다.
평평한 표면에서는 투사된 패턴이 일정하게 보이지만, 돌출·함몰·기울기·단차가 있는 표면에서는 패턴이 휘거나 위치가 달라집니다. 구조광 3D 센서는 이 변화를 이용해 각 위치의 Z 축 높이를 계산합니다. 즉, 구조광 3D 카메라는 “패턴의 변형”을 “높이 데이터”로 바꾸는 장비입니다.
3D 카메라가 만드는 데이터: XYZ, Height Map, Point Cloud
그림 3. 3D 카메라가 제공하는 주요 검사 데이터
3D 카메라는 단일 이미지가 아니라 다양한 형태의 측정 데이터를 제공합니다. 현장 검사에서는 이 데이터를 목적에 맞게 선택해 사용합니다.
주요 데이터별 활용 방식
| 데이터 유형 | 의미 | 대표 활용 |
|---|---|---|
| XYZ 좌표 | 표면 각 점의 X, Y, Z 위치 | 부품 위치, 기준면, 조립 편차 분석 |
| Height Map | 높이 차이를 맵 형태로 표현 | 단차, 평탄도, 돌출·함몰 검사 |
| Point Cloud | 3D 점 집합으로 형상 재구성 | 형상 매칭, 로봇 가이던스, 체적 분석 |
| Depth Map | 깊이 정보를 2D 맵처럼 표현 | AI 입력 데이터, 후처리, 영역별 높이 비교 |
SQ081043 4 방향 구조광 3D 센서의 특징
그림 4. SQ081043 이 제공하는 3D 검사 관점의 가치
SQ081043 은 정밀 3D 측정을 목적으로 하는 4 방향 구조광 센서입니다. 4 방향 프로젝션 구조는 단일 방향 조명 또는 단일 시야에서 발생할 수 있는 그림자, 사각 영역, 반사 간섭을 줄이고, 더 안정적인 3D 데이터를 확보하는 데 유리합니다.
또한 하드웨어 계산 이미징 기술을 통해 카메라 내부에서 3D 계산과 재구성을 수행할 수 있어, 외부 PC 의 계산 부담과 데이터 전송 부담을 줄이는 방향으로 시스템을 구성할 수 있습니다.
SQ081043 주요 사양 예시
| 항목 | SQ081043 기준 |
|---|---|
| 구조 | 4 방향 프로젝션 구조광 |
| 해상도 | 8.1M (2856 × 2848 px) |
| 표준 FOV | 약 43.4 × 43.3 mm |
| 측정 범위 Z | ±5 mm |
| Z 반복 정밀도 | < 0.2 μm 수준 |
| 픽셀 간격 | 0.015 mm |
| 주요 활용 | 핀 높이, 단차, 평탄도, 정밀 위치 측정 |
※ 실제 사양과 적용 가능성은 렌즈, FOV, 작업거리, 사이클 타임, 검사 대상 재질과 구조에 따라 달라질 수 있습니다.
어떤 검사에 SQ081043 3D 가 적합한가
그림 5. 검사 항목별 SQ081043 3D 적합도 개념 비교
SQ081043 은 표면의 “색상 차이”보다 “높이 차이”와 “형상 변화”가 중요한 검사에 적합합니다. 2.5D 가 스크래치, 오염, 요철 같은 표면 결함을 더 잘 보이게 만드는 데 강점이 있다면, 3D 는 핀 높이, 단차, 평탄도, 조립 위치처럼 수치 기준이 명확한 검사에 강점이 있습니다.
다음과 같은 조건에서는 3D 카메라 적용을 우선 검토할 수 있습니다.
- OK/NG 기준이 mm 또는 μm 단위의 수치 기준으로 정의되는 경우
- 제품의 높이, 깊이, 단차, 평탄도를 직접 측정해야 하는 경우
- 로봇 또는 설비 제어에 사용할 3D 좌표가 필요한 경우
- 2D 이미지에서는 정상/불량 차이가 명확하지 않지만 높이 차이는 존재하는 경우
자동차 QC/QA 에서의 주요 적용 포인트
그림 6. 자동차 QC/QA 에서 SQ081043 적용이 유리한 검사
자동차와 전장 부품 분야에서는 제품 형상과 조립 품질이 기능 안정성에 직접 연결됩니다. 특히 전기차 배터리, 커넥터, PCBA, 센서 모듈, 하우징 부품은 작은 단차나 위치 편차도 품질 이슈로 이어질 수 있습니다.
예를 들어 커넥터 핀 검사는 3D 카메라 적용이 매우 직관적인 분야입니다. 핀 높이, 휨, 간격, Coplanarity 는 모두 수치화할 수 있는 검사 항목이며, 2D 이미지보다 3D 데이터 기반 판정이 안정적입니다.
EV 배터리 부품 검사에서도 3D 데이터는 용접부 형상, 커버 평탄도, 부품 위치, 조립 상태를 확인하는 데 활용될 수 있습니다. 이 데이터는 단순 판정뿐 아니라 공정 조건 피드백과 품질 이력 관리에도 연결됩니다.
3D 데이터는 AI 자동화 시스템의 입력값이 됩니다
그림 7. SQ081043 3D 데이터와 자동화 검사 시스템 연결 구조
3D 카메라에서 취득한 데이터는 단순히 화면에 표시되는 이미지가 아니라, 검사 알고리즘과 AI 모델이 사용할 수 있는 수치형 입력 데이터입니다. Height Map, Point Cloud, XYZ 좌표, 측정 feature 는 AI 모델 또는 규칙 기반 알고리즘의 입력으로 활용될 수 있습니다.
AI 시스템은 이 데이터를 기반으로 OK/NG 를 판정하고, 결함 위치, 편차량, 결함 유형을 구조화할 수 있습니다. 이후 결과는 PLC, 로봇, MES, DB, 품질 리포트와 연결되어 실제 공장 자동화 시스템의 의사결정 데이터로 사용됩니다.
마무리: 3D 는 “정량 검사”의 기준 데이터를 만듭니다
3D 카메라는 기존 2D 이미지가 제공하기 어려운 높이, 단차, 평탄도, 형상 정보를 수치로 제공합니다. 따라서 제품이 정상처럼 보이는지보다, 검사 기준을 실제로 만족하는지 판단해야 하는 공정에서 중요한 역할을 합니다.
SQ081043 4 방향 구조광 3D 센서는 정밀한 높이·형상 데이터를 기반으로 자동차, 배터리, 전장 부품의 QC/QA 를 자동화하는 데 활용할 수 있습니다.
다음 4 회차에서는 2.5D 와 3D 를 경쟁 관계가 아니라 검사 목적별로 선택해야 하는 기술로 정리하고, DH200 과 SQ081043 을 어떤 기준으로 구분해 적용해야 하는지 다루겠습니다
자료 참고: Sizector® 3D Products Brochure, MegaPhase Introduction, Automotive Battery Application Brochure