[비전검사 심화편 3편] 3D Vision(3D 비전)이란?

eins-solutionlab 2026. 7. 15. 07:26

제조업의 자동화가 고도화되면서 기존 2D 비전검사(Machine Vision)만으로는 해결하기 어려운 검사 공정이 증가하고 있습니다. 특히 높이(Height), 깊이(Depth), 부피(Volume), 형상(Shape)과 같은 3차원 정보가 필요한 검사에서는 3D Vision(3D 비전) 기술이 필수로 자리 잡고 있습니다.

전기차 배터리, 반도체, 자동차 부품, 물류 자동화, 로봇 자동화 등 다양한 산업에서 3D 비전 시스템을 도입하는 이유도 여기에 있습니다.

3D Vision이란?

3D Vision(3D 비전)은 카메라와 센서를 이용하여 대상의 X, Y, Z 좌표를 측정하는 머신비전 기술입니다.

기존 2D Vision이 평면 이미지를 분석하는 기술이라면, 3D Vision은 높이와 깊이까지 측정하여 보다 정밀한 검사가 가능합니다.

즉,

높이 측정
단차 측정
부피 계산
형상 분석
위치 측정
로봇 좌표 계산

등 다양한 작업을 수행할 수 있습니다.

최근 스마트팩토리에서는 단순 불량 검사를 넘어 AI 기반 3D Vision을 활용한 자동화 시스템 구축이 빠르게 증가하고 있습니다.

왜 3D Vision이 필요한가?

일반적인 2D Vision은 색상, 문자, 위치, 외관 등을 검사하는 데는 매우 뛰어난 성능을 제공합니다.

하지만 다음과 같은 검사에서는 한계가 있습니다.

높이를 측정할 수 없다.
제품의 휨(Warp)을 판단하기 어렵다.
동일한 색상의 제품 경계를 구분하기 어렵다.
겹쳐 있는 부품을 구분하기 어렵다.
로봇이 정확한 위치를 계산하기 어렵다.

이러한 문제를 해결하기 위해 3D Vision이 활용됩니다.

2D Vision과 3D Vision의 차이

구분	2D Vision	3D Vision
측정 정보	X, Y	X, Y, Z
높이 측정	불가능	가능
단차 검사	어려움	가능
형상 분석	제한적	우수
로봇 좌표 계산	제한적	매우 우수
구축 비용	낮음	상대적으로 높음

높이 정보가 중요한 공정이라면 3D Vision이 훨씬 적합합니다.

3D Vision의 동작 원리

3D Vision은 다양한 방식으로 깊이 정보를 생성합니다.

대표적인 원리는 다음과 같습니다.

1. Laser Triangulation

가장 많이 사용되는 방식입니다.

레이저를 제품에 조사하면 제품 높이에 따라 레이저 라인이 변형됩니다.

카메라는 이 변형을 계산하여 높이를 측정합니다.

장점

높은 정밀도
빠른 검사 속도
산업 현장에서 가장 많이 사용

적용 분야

배터리 검사
자동차 부품
용접 검사
철강 검사

2. Structured Light

프로젝터가 일정한 패턴을 제품에 투사합니다.

카메라는 패턴이 변형된 정도를 분석하여 3차원 형상을 생성합니다.

장점

매우 높은 해상도
복잡한 형상 측정 가능

적용 분야

정밀 부품
의료기기
문화재 스캔
치과 스캐너

3. Stereo Vision

두 대 이상의 카메라를 이용하여 사람의 양안 시차와 같은 원리로 거리를 계산합니다.

장점

별도 레이저가 필요 없음
넓은 영역 측정 가능

단점

조명 영향을 많이 받음
무늬가 없는 제품은 인식이 어려울 수 있음

4. Time of Flight(ToF)

빛이 대상까지 이동하고 다시 돌아오는 시간을 계산하여 거리를 측정하는 방식입니다.

장점

실시간 거리 측정
넓은 공간 측정 가능

적용 분야

AMR
AGV
물류 자동화
서비스 로봇

3D Vision 시스템 구성

일반적인 3D Vision 시스템은 다음과 같이 구성됩니다.

3D Camera
산업용 Lens
조명(Light Source)
Controller
Vision PC
GPU(선택 사항)
검사 소프트웨어

최근에는 AI 기반 딥러닝 검사 시스템과 결합되어 더욱 높은 검사 정확도를 제공하고 있습니다.

3D Vision으로 가능한 검사

3D Vision은 단순한 외관 검사를 넘어 다양한 측정 작업을 수행합니다.

대표적인 검사 항목은 다음과 같습니다.

높이 측정
단차 검사
평탄도 검사
휨(Warp) 측정
볼륨 계산
형상 분석
조립 상태 검사
위치 보정
치수 측정
용접 높이 검사

산업별 적용 사례

배터리 산업

전기차 배터리 제조 공정에서는 매우 높은 정밀도가 요구됩니다.

대표적인 검사 항목

셀 높이 측정
전극 정렬 검사
단차 검사
Bus Bar 검사
Tab 위치 검사

자동차 산업

자동차 생산라인에서는 다양한 형상 검사가 이루어집니다.

대표 사례

용접 높이 검사
실링 폭 검사
조립 위치 검사
Gap & Flush 검사

반도체 산업

반도체 공정에서는 마이크로미터(μm) 단위의 정밀도가 요구됩니다.

주요 검사

PCB 높이 측정
BGA 검사
커넥터 검사
패키지 검사

물류 자동화

최근 가장 빠르게 성장하는 분야입니다.

대표 적용 사례

Bin Picking
팔레트 적재 검사
박스 부피 측정
물체 위치 인식

식품 산업

포장 높이 검사
충진량 검사
형태 검사

3D Vision 도입 시 고려사항

성공적인 시스템 구축을 위해서는 다음 요소를 반드시 검토해야 합니다.

검사 정밀도

공정에서 요구하는 오차 범위를 먼저 확인해야 합니다.

대상 재질

금속, 플라스틱, 유리 등 재질에 따라 적합한 센서가 달라집니다.

반사율

광택이 강한 제품은 측정 오차가 발생할 수 있습니다.

작업 거리(Working Distance)

카메라 설치 공간과 검사 범위를 고려해야 합니다.

검사 속도

생산라인의 사이클 타임을 만족할 수 있어야 합니다.

데이터 처리 성능

고해상도 3D 데이터는 CPU와 GPU 성능에 큰 영향을 받습니다.

실제 실패 사례

사례 1. 금속 표면 반사로 높이 측정 실패

자동차 부품의 광택 금속 표면을 Laser Triangulation 방식으로 검사했지만 높이 데이터가 불안정하게 측정되었습니다.

원인

강한 반사광 발생
레이저 각도 부적절
센서 포화(Saturation)

해결 방법

편광 필터 적용
카메라 및 레이저 각도 조정
재질에 적합한 센서 변경

사례 2. 검사 속도가 생산 속도를 따라가지 못함

배터리 생산라인에서 고해상도 3D 데이터를 모두 저장하면서 검사 속도가 크게 저하되었습니다.

원인

과도한 해상도 설정
CPU만 사용
SSD 성능 부족

해결 방법

ROI(관심 영역) 검사 적용
GPU 병렬 처리
불필요한 데이터 저장 최소화

사례 3. 검은색 플라스틱 제품 측정 실패

무광 검은색 제품에서 깊이 데이터가 불규칙하게 생성되었습니다.

원인

빛 흡수율이 매우 높음
노출 시간 부족

해결 방법

노출 시간 최적화
광원 변경
ToF 방식 적용 검토

사례 4. 3D Camera 캘리브레이션 오류

로봇이 제품을 집는 위치가 계속 어긋나는 문제가 발생했습니다.

원인

카메라 좌표와 로봇 좌표 불일치
캘리브레이션 오차

해결 방법

정기적인 캘리브레이션 수행
기준 마커를 활용한 좌표 보정
설치 후 재검증 절차 마련

AI와 3D Vision의 결합

최근에는 AI와 3D Vision을 함께 사용하는 사례가 빠르게 증가하고 있습니다.

대표적인 활용 분야는 다음과 같습니다.

불량 자동 분류
형상 이상 검출
Bin Picking
Robot Guidance
품질 예측
이상 탐지(Anomaly Detection)

AI는 단순한 높이 측정을 넘어 복잡한 형상 차이와 미세한 불량 패턴까지 학습하여 기존 Rule-Based 검사보다 높은 정확도를 제공합니다.

Q&A

Q1. 2D Vision과 3D Vision 중 어떤 것이 더 좋은가요?

A. 검사 목적에 따라 다릅니다. 색상, 문자, 외관 검사는 2D Vision이 효율적이며, 높이, 단차, 형상 측정이 필요한 경우에는 3D Vision이 적합합니다.

Q2. 3D Vision은 어떤 산업에서 가장 많이 사용되나요?

A. 전기차 배터리, 자동차, 반도체, 전자부품, 물류 자동화, 로봇, 식품, 의료기기 등 다양한 산업에서 활용되고 있습니다.

Q3. 모든 제품을 3D Vision으로 검사해야 하나요?

A. 아닙니다. 검사 목적에 따라 2D Vision이 더 효율적인 경우도 많습니다. 높이 정보가 필요하지 않은 공정에서는 2D Vision이 비용과 속도 측면에서 유리합니다.

Q4. 3D Vision 구축 시 가장 중요한 요소는 무엇인가요?

A. 검사 대상의 재질, 요구 정밀도, 생산 속도, 작업 거리, 조명 환경을 종합적으로 고려하여 적합한 센서와 카메라를 선택하는 것이 가장 중요합니다.

Q5. AI와 3D Vision을 함께 사용할 수 있나요?

A. 가능합니다. 최근 스마트팩토리에서는 3D 데이터와 AI를 결합하여 형상 분석, 불량 분류, 로봇 제어, Bin Picking 등 다양한 자동화 공정에 활용하고 있습니다.

마무리

3D Vision은 단순히 높이를 측정하는 기술을 넘어 제조업의 정밀 검사와 자동화를 실현하는 핵심 머신비전 기술입니다. 특히 전기차 배터리, 반도체, 자동차, 물류 자동화 산업에서는 생산 품질과 효율성을 높이기 위해 3D Vision 도입이 빠르게 확대되고 있습니다.

또한 AI와 결합한 3D Vision은 형상 분석, 불량 예측, 로봇 가이던스 등 더욱 지능적인 검사 시스템으로 발전하고 있으며, 스마트팩토리 구축의 핵심 요소로 자리매김하고 있습니다.

앞으로는 GPU 기반 실시간 처리 기술과 AI 알고리즘의 발전으로 더욱 빠르고 정밀한 3D 비전검사 시스템이 다양한 산업 분야에서 활용될 것으로 기대됩니다.