솔루션명: (금속, 플라스틱, 유리, 종이 등) 3D 표면&형상 검사 솔루션

활용 분야:

1. 컴퓨터비전 솔루션 (이미지 및 영상의 Classification, Detection, Tracing, Segmentation 등)
2. 이상탐지 솔루션 (기계결함 탐지와 같이 정상 데이터와 다른 특성을 갖는 결함 데이터를 찾아내는 Anomaly Detection)

보유 및 수집 데이터 현황:

1. 종류: 2D & 3D 표면 데이터
2. 수량: 약 10만 장
3. 상세 내용: 이미지 제조데이터 및 관련 3D 데이터

개요: 2D 및 3D 프로파일러 센서를 결합한 다중 센서 기반의 고정밀 표면·형상 검사 솔루션입니다. 금속, 플라스틱, 유리, 종이, 고무 등 다양한 소재의 표면 상태와 3차원 형상을 정밀하게 스캔하고 AI 알고리즘을 통해 결함을 자동으로 측정·검출합니다.

활용 분야:

1. 컴퓨터비전 솔루션: 이미지/영상 기반의 분류(Classification), 객체 탐지(Detection), 추적(Tracing), 영역 분할(Segmentation)
2. 이상탐지(Anomaly Detection): 정상 데이터와의 미세한 차이를 비교·분석하여 비정형 결함 및 기계결함 탐지
3. 정밀 제조 & 품질 관리: 타이어 몰드, 자동차 부품, 주방용품, 레일 등 표면 및 형상 불량 검출

활용 방식:

1. 데이터 스캐닝 & 융합: 2D 카메라, 3D 프로파일러, IMU(관성측정장치) 등을 융합하여 대상체의 3D 데이터 및 표면 이미지를 수집.
2. CAD/도면 매칭 분석: 수집된 3D 스캔 데이터를 설계 도면(CAD Model) 또는 정상 레퍼런스 데이터와 매칭·비교하여 크기, 높이, 깊이, 치수 오차 분석.
3. AI 기반 결함 판별: 학습된 비전/이상탐지 모델(PyTorch, TensorFlow 등)을 적용해 텍스트(OCR), 미세 흠집, 마모, 이물질 등을 실시간으로 자동 인지 및 정밀 판별.

주요 기능:

1. 3D 정밀 표면/형상 측정: 금속, 플라스틱, 유리, 종이 등 다공성·광택·반사 소재 표면의 형상 측정 및 결함 탐지
2. 미세 결함 정밀 검출: 0.1mm 단위의 미세한 크랙, 흠집, 변형 검출
3. 표면 불량 및 OCR 검출: 인쇄 표면 불량 검사와 함께 설비/부품 표면의 OCR 텍스트 자동 인식 및 모니터링 연동
4. 센서 융합 네비게이션: 카메라 및 IMU 센서 데이터를 결합하여 검사 장비/로봇의 위치 추적 및 네비게이션 활용

OpenCV, MatLab, Python, Tensorflow, Keras, PyTorch

대형 언어 모델(LLM) & CAD 연동 구조:

1. Point Cloud / CAD Model 등록 $\rightarrow$ Tokenizer $\rightarrow$ Linear Layer $\rightarrow$ Large Language Model $\rightarrow$ Python Interpreter (import cadquery, extrude(15) 등) $\rightarrow$ Finalize / CAD 모델 변환

불량검사 프로세스: CAD 도면 기반 3D 스캔 데이터 매칭 및 비교·분석 아키텍처

검증 및 적용 방식: 의뢰 기업의 요구사항에 맞춘 맞춤형 학습 데이터 수집 및 결과서 도출

프로세스: 적용이 필요한 대상 기업의 제조/표면 데이터를 직접 추출 및 학습시켜 솔루션에 최적화된 형태로 적용 및 결과 검증

솔루션명: 3D 로봇 빈피킹(Bin-Picking) 솔루션 (구조광 3D스캔 방식)

활용 분야:

1. 컴퓨터비전 솔루션: 3D Point Cloud 기반 객체 인식, Pose Estimation(6D 포즈 추정), Segmentation, 3D CAD Matching
2. 스마트 제조 & 로봇 자동화: 무작위로 적재된 부품의 자동 피킹(Bin-Picking), 머신텐딩(Machine Tending), 물류 자동화
3. 이상탐지 솔루션: 파스너/부품 체결 미흡, 변형 부품 사전 선별 및 간섭/충돌 위험 탐지

보유 및 수집 데이터 현황:

1. 종류: 구조광(Structured Light) 기반 3D Point Cloud 데이터, RGB-D 융합 이미지, CAD 모델 기반 Synth-Data(합성 데이터)
2. 수량: 약 15만 건 이상 (실제 공정 데이터 + AI 학습용 합성 3D 데이터)
3. 
   

개요: 구조광(Structured Light) 3D 스캐너를 통해 무작위로 쌓여 있는 상자(Bin) 안의 부품을 고정밀 3D 데이터로 복원하고, AI 기반 6D 포즈 추정 및 로봇 경로 계획(Motion Planning)을 연동하여 산업용 로봇이 부품을 정확하고 안전하게 정렬·피킹하도록 지원하는 지능형 자동화 솔루션입니다.

활용 분야:

1. 자동차 및 중공업: 파워트레인 기어, 캐스팅/포징 금속 부품의 자동 공급 및 머신텐딩
2. 전자/정밀기기: 난반사 및 광택이 있는 금속/플라스틱 사출품의 정밀 피킹
3. 물류 및 이커머스: 비정형 박스, 봉투, 소형 물품의 자동 정류(De-palletizing) 및 디빈(De-binning)

활용 방식:

1. 고속 3D 스캐닝: 구조광 패턴 투사를 통해 상자(Bin) 내부를 고속 3D 스캔하여 정밀한 Point Cloud 데이터 생성.
2. AI 기반 객체 인식 및 Pose Estimation: pre-registered CAD 도면과 Point Cloud를 비교·분석하여 부품의 정확한 3D 위치 및 회전각(6DoF: X, Y, Z, Roll, Pitch, Yaw) 추정.
3. 충돌 회피 및 최적 피킹 경로 산출: 로봇 그리퍼의 형상과 상자 벽면, 주변 부품 간의 간섭(Collision)을 AI가 실시간으로 계산하여 최적의 그리핑 포인트 및 접근 경로 제어.
4. 로봇 신호 연동: 생성된 최적 피킹 좌표 및 궤적을 PLC/로봇 컨트롤러로 전달하여 로봇 집게 동작 수행.

주요 기능:

1. 구조광 기반 고정밀 3D 복원: Sub-millimeter급(0.1mm 이하) 깊이 분해능으로 미세한 파트 형상도 정확하게 파악.
2. 난반사/고광택 소재 대응 3D 처리: 금속, 유리 등 빛 반사가 심한 재질에 대한 HDR 3D 스캐닝 알고리즘 탑재.
3. 6D Pose Estimation & Cad Matching: 겹쳐지거나 가려진(Occlusion) 상태에서도 정확한 위치 및 자세 인식.
4. 실시간 충돌 방지(Collision Avoidance): 그리퍼와 상자 벽면/부품 간 충돌을 방지하는 로봇 궤적 자동 생성.
5. 빠른 신규 부품 등록: 3D CAD 파일 업로드만으로 10분 내 신규 로드/학습 가능.

3D 데이터 처리 및 비전 라이브러리: OpenCV, PCL (Point Cloud Library), Open3D, Halcon

AI & 딥러닝 프레임워크: PyTorch, TensorFlow, TensorRT (실시간 추론 최적화)

로봇 및 시뮬레이션: ROS / ROS2 (Robot Operating System), MoveIt! (경로 계획), Isaac Sim / Gazebo (3D 환경 시뮬레이션)

개발 언어 및 환경: C++, Python, CUDA (GPU 병렬 처리)

Data Acquisition: Structured Light Pattern Projection $\rightarrow$ Depth Image / Point Cloud Generation.

Pre-processing: Filtering, Downsampling, Noise Removal (HDR 기반 반사광 제거).

3D AI Engine: Point Cloud Segmentation $\rightarrow$ Deep Learning-based 6D Pose Estimation $\rightarrow$ CAD ICP Matching (정밀 보정).

Grasp & Path Planning: Grasping Candidate Generation $\rightarrow$ Collision Check (Gripper vs Bin) $\rightarrow$ Trajectory Optimization.

Execution: 로봇 컨트롤러(Fanuc, ABB, Yaskawa 등)로 좌표 전송 및 피킹 완료 후 Feedback 수신.

검증 방식: 실제 제조 현장과 동일한 환경의 테스트베드를 구축하고, 다양한 재질(금속, 플라스틱)과 형상(원통, 기어, 비정형 사출품)을 상자에 무작위로 적재(Bin)하여 스캔부터 피킹까지의 종합 성과 측정.

주요 검증 항목 및 성능 결과: