2.5D 와 3D, 어떤 검사에 어떤 카메라를 써야 할까?

ITIV AI Tech Blog | 2.5D·3D Vision Series — 4회차. 2.5D 와 3D, 검사에 따른 카메라 선택 전략

4 회 | 2.5D 와 3D, 어떤 검사에 어떤 카메라를 써야 할까?

검사 목적이 달라지면 카메라, 조명, 알고리즘, AI 학습 데이터 전략도 달라집니다.

그림 1. 2.5D 와 3D 카메라 선택의 기본 관점

3초 요약

• 검사 목적을 먼저 정의 / 표면 결함 가시화와 높이·형상 측정 중 필요한 검사 정보를 먼저 결정
• 2.5D 와 3D 는 역할이 다름 / DH200 은 표면 결함을 강조하고, SQ081043 은 높이와 형상을 수치화
• 복합 검사는 조합 설계가 핵심 / 표면 정보와 정량 측정이 모두 필요하면 2.5D 와 3D 데이터를 함께 활용

카메라 선택은 “제품 스펙”보다 “검사 목적”이 먼저입니다

2.5D 카메라와 3D 카메라는 모두 기존 2D 비전의 한계를 보완하는 기술입니다. 그러나 두 기술이 해결하려는 문제는 다릅니다. 어느 제품이 더 우수한가보다 중요한 질문은 “우리 공정에서 무엇을 불량으로 볼 것인가?”입니다.

검사 목적이 표면 결함을 잘 드러내는 것이라면 2.5D 데이터가 유리합니다. 반대로 높이, 단차, 평탄도, 위치 편차처럼 수치 기준으로 판정해야 한다면 3D 데이터가 필요합니다.

그림 2. 검사 목적 기반 카메라 선택 흐름

따라서 카메라 선택은 다음 순서로 접근하는 것이 안정적입니다.

• 불량 유형 정의: 색상, 표면, 높이, 형상, 위치 중 무엇을 볼 것인가
• 판정 기준 정의: 이미지 패턴 기준인지, mm/μm 단위 수치 기준인지 구분
• 데이터 요구 정의: AI 모델이 필요한 데이터인지, PLC/MES 에 전달할 측정값인지 구분
• 장비 구성 정의: 2D, 2.5D, 3D 또는 조합 적용 여부 결정

DH200 2.5D 와 SQ081043 3D 의 역할 구분

DH200 Photometric Stereo 기반 2.5D 카메라는 결함을 더 잘 보이게 만드는 데 초점이 있습니다. 표면의 반사, 음영, 질감, 조명 방향 정보를 활용해 스크래치, 오염, 요철, 미세 찍힘 등 표면 결함 특징을 강조합니다.

반면 SQ081043 구조광 3D 센서는 높이와 형상을 측정 가능한 데이터로 변환합니다. Point Cloud, Height Map, XYZ 좌표를 통해 핀 높이, 단차, 평탄도, 조립 위치 같은 정량 검사 항목을 판정할 수 있습니다.

그림 3. DH200 2.5D 와 SQ081043 3D 의 역할 비교

핵심 차이

검사 항목별 선택 기준

그림 4. 검사 목적별 2D/2.5D/3D 적합도 개념 비교

검사 항목을 기준으로 보면 두 카메라의 차이는 더 명확해집니다. 표면 결함이 반사, 그림자, 질감과 섞여 보이는 경우에는 DH200 2.5D 가 유리합니다. 반면 제품 높이, 단차, 평탄도, 부품 위치처럼 기준값과 비교해야 하는 경우에는 SQ081043 3D 가 유리합니다.

다만 실제 현장에서는 하나의 검사 대상에 두 가지 요구가 동시에 존재하는 경우가 많습니다. 예를 들어 EV 배터리 용접부는 용접 누락, 피트, 슬래그 같은 표면 결함도 봐야 하고, 용접부 형상이나 평탄도처럼 정량 기준도 함께 봐야 할 수 있습니다. 이런 경우에는 단일 카메라보다 복합 데이터 설계가 필요합니다.

DH200 2.5D 를 우선 검토해야 하는 경우

DH200 2.5D 는 표면의 결함 특징을 더 명확하게 드러내는 데 강점이 있습니다. 특히 표면 결함이 조명 방향, 반사, 질감, 오염과 섞여 2D 이미지에서 불안정하게 보이는 경우 적용 가치가 큽니다.

• 스크래치, 오염, 찍힘, 요철처럼 표면 결함을 검출해야 하는 경우
• 금속, 도장면, 광택 플라스틱처럼 반사 간섭이 큰 표면을 검사하는 경우
• AI 모델이 학습하기 좋은 결함 강조 이미지를 확보해야 하는 경우
• 기존 2D 검사에서 결함과 질감, 배경 패턴이 혼동되는 경우

정리하면 DH200 은 “높이를 정밀 측정하는 장비”라기보다는, 표면 결함이 더 잘 보이는 검사 이미지를 만들어 AI 와 영상처리가 판단하기 쉽게 만드는 장비로 보는 것이 적절합니다.

SQ081043 3D 를 우선 검토해야 하는 경우

SQ081043 3D 는 검사 기준이 수치로 정의되는 경우에 강점이 있습니다. 제품이 정상인지 불량인지 판단하기 위해 높이, 단차, 평탄도, 위치 편차 같은 측정값이 필요하다면 3D 데이터가 필요합니다.

• 핀 높이, 휨, 간격, Coplanarity 를 측정해야 하는 경우
• 배터리 부품의 평탄도, 용접부 형상, 조립 위치를 확인해야 하는 경우
• BGA, PCBA, 전장 부품의 높이 편차를 정량화해야 하는 경우
• 로봇 가이던스 또는 설비 제어를 위해 3D 좌표가 필요한 경우

정리하면 SQ081043 은 “결함을 잘 보이게 하는 장비”를 넘어, 공정이 판단할 수 있는 정량 데이터를 만드는 장비입니다.

자동차 QC/QA 적용 관점의 선택 예시

그림 5. 자동차 QC/QA 적용 관점의 카메라 선택 예시

자동차 QC/QA 에서는 표면 결함과 정량 측정 요구가 동시에 존재합니다. 도장면, 금속 부품, 배터리 용접부처럼 표면 결함이 중요한 공정은 2.5D 검토가 우선될 수 있습니다. 반대로 커넥터 핀, PCBA/BGA, 조립 위치, 로봇 가이던스처럼 높이와 좌표가 중요한 공정은 3D 검토가 우선될 수 있습니다.

배터리 용접부나 전장 부품처럼 표면 결함과 형상 측정이 모두 필요한 경우에는 2.5D 와 3D 를 함께 사용하는 복합 검사 구조가 더 적합할 수 있습니다.

복합 검사에서는 2.5D 와 3D 를 함께 설계해야 합니다

그림 6. 2.5D 와 3D 를 조합한 AI 검사 시스템 구조

실제 공장 자동화 검사에서는 하나의 카메라만으로 모든 문제를 해결하려고 하기보다, 검사 목적별 데이터를 조합하는 방식이 안정적입니다. DH200 은 표면 결함의 가시성을 높이고, SQ081043 은 높이와 형상을 정량화합니다. 이 두 데이터는 AI 모델, 규칙 기반 알고리즘, PLC/MES 연동에서 서로 다른 역할을 담당합니다.

예를 들어 AI 모델은 2.5D 이미지에서 표면 결함 위치와 유형을 판단하고, 3D 데이터에서 해당 영역의 높이 편차나 단차를 함께 확인할 수 있습니다. 이렇게 하면 단순 이미지 판정보다 더 설명 가능한 품질검사 결과를 만들 수 있습니다.

현장 적용 전 체크리스트

그림 7. 2.5D/3D 선택 전 확인해야 할 체크리스트

최종적으로 카메라를 선택하기 전에는 검사 목적, 데이터 요구, 설치 조건, 자동화 연동 범위를 함께 검토해야 합니다. 특히 AI 검사 시스템에서는 모델 성능보다 먼저 입력 데이터 품질이 결정됩니다.

따라서 카메라 선정 단계에서 다음 질문을 반드시 확인해야 합니다.

• 검사하려는 결함이 표면 결함인가, 높이/형상 편차인가?
• 판정 기준이 이미지 패턴인가, 수치 기준인가?
• 대상 표면이 반사, 질감, 그림자 영향을 크게 받는가?
• AI 모델에 어떤 데이터 채널을 입력할 것인가?
• 검사 결과를 PLC, 로봇, MES, DB 와 어떻게 연결할 것인가?

마무리: 2.5D 와 3D 는 선택이 아니라 설계의 문제입니다

DH200 2.5D 와 SQ081043 3D 는 서로 경쟁하는 기술이 아닙니다. DH200 은 표면 결함을 더 잘 보이게 만드는 데 강하고, SQ081043 은 높이와 형상을 수치화하는 데 강합니다.

따라서 좋은 검사 시스템은 “어떤 카메라가 더 좋은가”가 아니라 “어떤 데이터를 취득해야 하는가”에서 출발해야 합니다. 검사 목적이 명확하면 카메라 선택, 조명 구성, 알고리즘 설계, AI 학습 데이터 전략도 함께 명확해집니다.

다음 5 회차에서는 자동차 QC/QA 적용 사례를 중심으로 커넥터 핀, EV 배터리 용접부, 고광택 도장면, 금속/엔진 부품 검사에서 2.5D 와 3D 비전이 어떻게 활용될 수 있는지 구체적으로 다루겠습니다.