챕터별 상세
00:00
Insight 9 카메라 소개 및 주요 특징
Looper Robotics의 Insight 9은 100mm 베이스라인을 가진 스테레오 카메라로, 10 TOPS 성능의 NPU를 내장하여 온디바이스에서 모든 처리를 수행한다. 카메라는 188도 초광각 시야각(FOV)을 제공하며, IMU 센서가 통합되어 있어 정밀한 위치 추적이 가능하다. 별도의 외부 연산 장치 없이도 깊이 맵(Depth Map) 생성과 V-SLAM 연산을 카메라 내부에서 완결한다. 이 장치는 Jetson Nano나 Raspberry Pi와 같은 저사양 플랫폼에서도 USB 연결만으로 고성능 공간 지능을 구현할 수 있게 설계되었다.
01:40
개발 환경 설정 및 ROS 2 연동
Insight 9 카메라는 ROS 2 Humble 버전을 공식 지원하며 Ubuntu 22.04 환경에서 최적의 성능을 발휘한다. 사용자는 USB-C 케이블로 카메라를 연결한 후 약 10~20초의 부팅 시간을 거쳐 ROS 2 토픽 리스트를 확인할 수 있다. 카메라 내부에서 이미 보정(Rectification)된 이미지와 깊이 정보를 송출하므로 사용자는 별도의 캘리브레이션 과정 없이 즉시 데이터를 활용할 수 있다. 통신 프로토콜로는 Cyclone DDS를 권장하며, 이를 통해 네트워크 지연을 최소화한다.
02:59
TinyNav를 활용한 SLAM 데모 실행
TinyNav는 Looper Robotics에서 제공하는 경량화된 내비게이션 라이브러리로, Docker 컨테이너 환경에서 손쉽게 실행 가능하다. 데모 스크립트를 실행하면 RViz 2를 통해 실시간으로 생성되는 포인트 클라우드(Point Cloud)와 로봇의 궤적을 시각화할 수 있다. 시스템은 400Hz 주기의 IMU 데이터와 30fps의 카메라 영상을 융합하여 위치를 추정한다. 실제 테스트 결과 Perception 루프 지연 시간이 약 32ms 수준으로 유지되어 실시간 제어에 적합한 성능을 보였다.
10:15
실전 데이터 녹화 및 지도 생성
사용자는 제공되는 쉘 스크립트를 사용하여 카메라 데이터를 rosbag 형식으로 녹화하고 이를 기반으로 지도를 생성할 수 있다. 녹화된 데이터에는 이미지, 깊이 정보, IMU 데이터가 포함되며, `run_rosbag_build_map.sh` 스크립트를 통해 오프라인에서 정밀한 지도를 빌드한다. 이 과정에서 3D Gaussian Splatting 기술을 적용하여 주변 환경을 더욱 사실적으로 렌더링할 수 있다. 생성된 지도는 이후 로봇의 경로 계획(Path Planning) 및 자율 주행의 기초 자료로 활용된다.
언급된 리소스
AI 분석 전체 내용 보기
AI 요약 · 북마크 · 개인 피드 설정 — 무료
출처 · 인용 안내
원문 발행 2026. 03. 26.수집 2026. 03. 26.출처 타입 YOUTUBE
인용 시 "요약 출처: AI Trends (aitrends.kr)"를 표기하고, 사실 확인은 원문 보기 기준으로 진행해 주세요. 자세한 기준은 운영 정책을 참고해 주세요.
