수레쉬 마두: 1:17

기본적으로 임베디드 비전 기술은 1970년대로 거슬러 올라갈 수 있지만, 비용 효율적인 이미징 솔루션으로서의 성장은 모바일 폰 카메라의 등장으로 드러났습니다. 모바일 폰 카메라는 비용 효율적인 임베디드 비전 솔루션의 잠재력을 끌어내는 데 중요한 역할을 했습니다. 전 세계적으로 수십억 대의 스마트폰이 사용되면서, 그 보편성 덕분에 임베디드 비전 기술이 널리 채택되었습니다. 또한 2000년대 초반에 디지털 신호 프로세서와 필드 프로그래밍 가능 게이트 어레이의 개발이 시작되어 정교한 이미지 처리 알고리즘이 가능해졌고, 이로 인해 감시 및 자동차 안전과 같은 분야에서 초기 임베디드 비전 애플리케이션이 개발되었습니다. 2000년대 중반에는 ARM 기반 CPU 및 GPU와 같은 저비용, 저전력 프로세서가 등장했습니다. 이를 통해 임베디드 시스템에 더 복잡한 알고리즘을 구현할 수 있었고, 임베디드 비전 애플리케이션은 로봇공학 및 가전제품과 같은 분야를 완전히 혁신했습니다. 최근 몇 년 동안 딥 러닝 알고리즘의 개발과 방대한 데이터 세트의 가용성으로 상당한 발전이 가능해졌습니다. 예를 들어, 복잡한 환경에서도 카메라가 높은 정확도로 물체를 인식하고 분류하는 데 도움이 되었습니다. 따라서 자율 주행차와 같은 대부분의 정교한 애플리케이션은 여러 산업을 기반으로 했습니다. 또한 카메라 인터페이스의 진화는 상당한 진전을 보였습니다. 잠금 해제 시대에 카메라는 잠금 해제 인터페이스에서 작동하여 연속적인 파형으로 신호를 전송했습니다. 디지털 카메라가 등장하면서 병렬 인터페이스가 등장하여 더 빠른 데이터 전송과 향상된 이미지 품질이 가능해졌습니다. Mipi 표준은 기술이 발전함에 따라 두각을 나타내어 고속 및 저전력 통신이 가능해졌습니다. 최근 몇 년 동안 GMSL 주식 링크와 같은 인터페이스가 있는 장거리 고대역의 등장으로 자동차 및 산업용 애플리케이션의 카메라 인터페이스가 혁신되었습니다. 이러한 인터페이스는 고속 직렬 통신을 활용하여 압축되지 않은 비디오와 데이터를 장거리로 전송하여 까다로운 환경에서도 강력한 성능을 발휘합니다. 전반적으로 임베디드 화면 기술은 큰 진전을 이루었으며 그 진화는 계속될 것입니다.

수간티 수구마란: 3:47

실제로 긴 여정이에요, 마두. 업계에서 우리가 보고 있는 최신 트렌드는 어때요?

수레쉬 마두: 3:55

첫째, 엣지 컴퓨팅이 임베디드 비전 기술에서 빠르게 중요한 트렌드가 되고 있습니다. 엣지 자체에서 데이터를 처리하여 대기 시간을 줄이고 효율성을 개선합니다. 엣지 컴퓨팅은 또한 데이터를 중앙 서버나 클라우드로 전송할 필요성을 줄여 보안을 강화합니다. 또한 딥 러닝 알고리즘의 지속적인 최적화를 통해 시스템은 패턴을 인식하고 엣지 자체의 복잡한 데이터를 기반으로 결정을 내릴 수 있습니다. 이 엣지 컴퓨팅 덕분에 실시간 처리 기능과 하드웨어 및 알고리즘이 발전했습니다. 엣지 시스템에서 대량의 데이터를 처리하여 자율 주행차, 로봇, 자율 쇼핑과 같은 애플리케이션을 구동할 수 있습니다. 이와 관련하여 불과 5년 전만 해도 클라우드 컴퓨팅이 절정에 달했던 것을 되돌아보는 것이 중요합니다. 확장성, 접근성, 비용 효율성과 같은 이점을 제공하여 많은 사람이 선호하는 선택이 되었습니다. 그러나 프로세스의 진화로 엣지 컴퓨팅은 불가피해졌습니다. 프로세스가 더욱 발전함에 따라 엣지 컴퓨팅이라는 개념이 두드러지게 되었습니다. 이 접근 방식은 대기 시간을 줄이고 대역폭 제한을 해결하는 데 큰 도움이 되었습니다. 그런 다음 센서 융합이 있습니다. 이는 다양한 유형의 센서를 통합하여 환경에 대한 포괄적인 뷰를 제공하는 것을 말합니다. 이 접근 방식은 정확도를 개선하고 매우 정교한 응용 프로그램(예: 배달 로봇)을 가능하게 할 수 있습니다. 매핑 및 내비게이션을 위한 3D LiDAR. 배달 로봇이 원활하게 탐색할 수 있도록 주변 보기를 위한 2D HDR 카메라와 기복을 감지하는 IMU 센서가 필요합니다. 이는 자율 주행 차량, 트랙 테스트 및 농업 차량에도 동일하게 적용됩니다.

수간티 수구마란: 5:49

와, 흥미로운 것 같네요. 이제 다음 질문으로 넘어가겠습니다. Madhu 산업이 임베디드 비전 솔루션을 구현하는 동안 엄청난 어려움에 직면하고 있을 거라고 확신합니다. 여러분은 많은 고객과 대화하고 있고, 많은 프로젝트를 처리하고 있습니다. 그들이 직면하고 있는 어려움에 대해 자세히 설명해 주시겠습니까?

수레쉬 마두: 6:09

임베디드 비전 솔루션은 AMR, 스마트 포밍, 라이프 센싱, 운송 등 여러 분야에서 게임 체인저가 되었습니다. 결국, 이를 통해 주변 세계를 인식하고 이해할 수 있게 되었습니다. 그러나 이러한 이점과 함께 이러한 솔루션의 잠재력을 최대한 활용하기 위해 해당 산업이 극복해야 할 몇 가지 과제가 있습니다. 비용은 여러 산업이 직면하는 첫 번째 과제이며, 특히 대량 애플리케이션의 경우 그렇습니다. 볼륨이 증가하면 제품이 더 저렴해질 것이라는 논리가 있습니다. 그런 다음 3D 센서, 2D 카메라, IMU 센서 등과 같은 여러 센서를 사용해야 하는 큰 과제가 있습니다. 이러한 센서는 통합될 뿐만 아니라 동기화되어 정확도를 향상시킵니다. 또한 최소한의 대기 시간과 지연으로 실시간으로 시각 데이터를 처리하는 것은 실제로 어려울 수 있습니다. 이를 해결하기 위해 전문 하드웨어와 소프트웨어가 실시간 처리에 최적화되었으며 알고리즘과 모델은 정확도와 속도의 균형을 맞춥니다. 올바른 처리 플랫폼을 선택하는 것도 과제입니다. 종종 고객은 시중에서 판매되는 다양한 옵션에 대해 혼란스러워하기 때문에 처리 능력, 낮은 전력 소비, 폼 팩터 등과 같은 요소를 고려하는 것이 중요합니다. 그러나 그렇더라도 항상 올바른 옵션을 선택하려면 전문가가 필요합니다.

수간티 수구마란: 7:38

True Madhu, 전문가의 안내는 확실히 도움이 됩니다. 그런데 자율 주행 로봇이 직면한 과제에 대해 구체적으로 말씀해 주시겠습니까?

수레쉬 마두: 7:50

자율 주행 로봇에 내장된 비전은 고유한 과제를 안고 있습니다. 우선, 업계의 많은 사람들이 여전히 3D 라이터에 의존하고 있습니다. 이는 로컬라이제이션 및 내비게이션을 위한 매핑을 기반으로 하기 때문입니다. 이러한 조명 기반 AMR은 정밀한 내비게이션을 제공하지만, 특히 확장성과 관련하여 예산에 적합하지 않습니다. AMR의 대량 생산 급증에 부응하기 위해 AMR의 비용은 낮아질 것이며, 조명 기반 AMR을 계속 사용한다면 실현 불가능합니다. 따라서 저비용 3D 솔루션이나 2D 카메라 기반의 최상의 스테레오 솔루션을 고려하는 것이 중요합니다. 그러나 조명 시간 솔루션과 같은 스테레오 또는 저비용 3D 솔루션은 확실한 증거가 아닙니다. 확실한 증거가 아니므로 조명 시간 기반의 최상의 스테레오 솔루션을 고려하여 낮은 조명, 햇빛 반사 등과 같은 다양한 환경 조건에서 정확한 데이터를 제공해야 합니다. 3D LiDAR 시스템을 대체할 저비용 3D 솔루션을 개발하는 것이 AMR의 미래를 혁신하는 핵심이 될 것입니다.

수간티 수구마란: 8:48

네, 마두. 얼마 전 캘리포니아에서 보도 배달 로봇이 금지되었다는 소식을 들었습니다. 그렇다면 AMR의 미래는 정확히 어떻게 될까요? 당신의 의견으로는 이 산업이 어디로 향하고 있나요?

수레쉬 마두: 9:04

Suganthi, 지금은 흥미로운 시기입니다. 어느 쪽이 모멘텀을 얻을지 정확하게 예측하기 어렵기 때문입니다. 결국 몇 년 전만 해도 많은 사람이 자율 주행차가 널리 채택될 것이라고 생각했지만, 아직은 그렇지 않습니다. 안전 문제와 규제 프레임워크에서 비용에 이르기까지 많은 어려움이 있었습니다. 또한 차량 간 및 차량과 인프라 간 상호 작용을 용이하게 하는 견고하고 안정적인 통신 시스템을 찾는 데 어려움을 겪고 있습니다. 그러나 이미 모멘텀을 얻고 있는 것은 원격 주행입니다. 인간 운전자가 원격 위치에서 차량을 제어하는 원격 주행은 몇 가지 이유로 완전 자율 주행 모바일 로봇에 비해 더 인기를 얻었습니다. 첫째, 원격 주행은 AMR이 인식과 내비게이션에 한계에 직면할 수 있는 복잡하고 역동적인 환경에서 실시간 의사 결정과 적응성을 허용합니다. 둘째, 미묘한 의사 결정을 복구하는 상황에서 인간의 전문 지식과 판단을 활용하는 운영자에게 직관적인 인터페이스를 제공합니다. 셋째, 일반적인 통신 네트워크와 같은 기존 인프라는 완전 자율 시스템보다 원격 주행 애플리케이션을 더 쉽게 지원할 수 있습니다.

수간티 수구마란: 10:25

알겠습니다. 마두. 농업 차량과 자율 주행 차량에서 직면한 과제에 대한 그림도 보여줄 수 있나요?

수레쉬 마두: 10:35

임베디드 비전 관점에서 가장 큰 과제 중 하나는 가능한 최상의 HDR을 제공하는 우수한 카메라가 여전히 시장에서 들리지 않는다는 것입니다. 농업 차량과 AV에서 인코딩된 다양한 환경에서의 혹독한 작동 조건은 농업 차량과 자율 주행 차량 모두에 최적의 HDR 성능을 위해 극복해야 할 기술적 장애물을 제시합니다. 진흙 투성이의 들판, 경사면 및 고르지 않은 표면을 포함하여 다양하고 예측할 수 없는 지형과 같은 동적 환경으로 인해 센서 퓨전을 통합하는 것은 여전히 어려운 과제입니다. 그런 다음 이러한 애플리케이션이 자동차 산업에 속하지 않더라도 자동차 표준을 채택하는 이러한 전환이 있습니다. 열 진동 및 충격에 대한 견고성은 현재 이러한 조건을 견디면서도 안정적으로 오래 지속되도록 제작된 카메라가 많지 않기 때문에 어려운 과제입니다.

수간티 수구마란: 11:29

마두, 그건 실제로 채택하기 어려운 문제입니다. 산업적 전단계에서 벗어나면 스마트 카드, 셀프 체크 등 비전 기반 혁신이 많이 보입니다. 이 시스템에 대해 간단히 설명해 주시겠습니까?

수레쉬 마두: 11:47

스마트 카드는 원활한 결제 프로세스를 위해 객체를 자동으로 감지하고 판단하는 데 적합한 기능 세트를 갖추고 있습니다. 이러한 스마트 카드의 가장 큰 과제는 크기가 다른 동일한 제품을 식별하는 것입니다. 예를 들어, 1L 또는 2L 펩시 병은 2D 카메라로는 병의 크기를 판단할 수 없기 때문에 딥 러닝 알고리즘에 의해 동일한 것으로 식별됩니다. 따라서 사람들은 3D 카메라를 사용하려고 합니다. 여기에 크기가 다른 동일한 제품을 식별하는 3D 카메라가 등장했습니다. 그러나 3D 카메라가 널리 사용되지 않는 이유는 이러한 기술을 포함하면 제품의 전체 비용과 복잡성이 증가할 가능성이 있기 때문입니다. 소매 지수는 이처럼 비싼 솔루션으로는 확장 및 유지될 수 없습니다. 다른 과제로는 실시간 객체 감지를 보장하는 것이 있습니다. 이를 위해서는 다양한 조명 조건과 환경을 처리할 수 있는 알고리즘을 개발해야 합니다.

수간티 수구마란: 12:43

마두, 비효율성의 힘도 큰 문제라고 생각합니다. 자주 재충전하지 않고도 장시간 운영을 가능하게 하는 것은 확실히 어려운 일입니다.

수레쉬 마두: 12:54

네. Suganthi는 시각 정보를 다룰 때 데이터 프라이버시와 보안을 유지하는 것이 필수적이라고 덧붙였습니다. 이러한 시스템은 민감한 데이터를 캡처할 수 있기 때문입니다. 안전하고 프라이버시를 보호하는 메커니즘을 사용하면 임베디드 비전 시스템을 구축하는 데 복잡성이 추가됩니다. 요약하자면, 이는 업계 전반에 걸쳐 진행 중인 변화입니다. AI와 ML 알고리즘이 진화함에 따라 임베디드 비전 기술의 미래는 엄청나게 유망한 미래를 안고 있습니다. 업계는 이미 비용 통합 및 실시간 처리와 관련된 이러한 과제를 극복하기 위해 노력하고 있습니다.

수간티 수구마란: 13:32

훌륭합니다. 여러분과 대화하게 되어 정말 기뻤습니다. 귀중한 통찰력을 주셔서 감사합니다, madhu. 청취자 여러분, 이 대화에서 여러분도 혜택을 얻으셨을 거라고 믿습니다. 여러분의 피드백을 듣고 싶습니다. 또한, 논의하고 싶은 특정 주제가 있으면 camera solutions, at econ systemscom으로 연락해 주세요. 여러분, 좋은 하루 보내세요. 감사합니다. 안녕히 계세요.