이동 사물인터넷을 추진하는 고성능 관성 센서

2017-11-06
이동 사물인터넷을 추진하는 고성능 관성 센서
 
글. 밥 스캐널(Bob Scannel), 아나로그디바이스
 
품질이 뛰어난 센서의 확산, 안정적인 연결성, 데이터 애널리틱스 기술을 바탕으로 새로운 산업 효율성을 창출해 내면서, 지능형 노드는 점점 더 자율적이고 유동적으로 진화하며 시너지 효과가 발생한다. 이 경우, 센서 노드의 정밀 모션 캡처와 위치 추적 기능이 성공적인 애플리케이션 개발의 핵심이 된다. 스마트 농장에서는 풍부한 지리 위치 센서 정보와 분석 학습을 기반으로 자율주행 차량과 항공기를 함께 활용하여 농작물 작업이 효과적으로 이루어지도록 유도한다. 스마트 수술실에서는 최고 수준의 네비게이션 기술이 접목되어 센서 융합 기술을 사용하는 정밀 유도 로봇 팔이 어떠한 조건에서도 정확하게 움직인다. 이처럼 다양한 분야에서 모션 기반 센서가 움직임을 기반으로 하는 애플리케이션에 가치를 더하고 있다.
소비자를 위한 관성 센서가 휴대전화에 탑재되면서 그 정확성이 기대에 미치지 못한다는 의견이 늘어났고, 그 결과 이동 사물 인터넷(Internet of Moving Things, IoMT)의 개념이 아직까지는 눈에 띄게 자리잡지는 못하고 있다. 그러나 차세대 고성능 산업용 센서가 하위 등급 지시 정도(pointing accuracy)와 정밀 지리위치를 지원하는 동시에 필요한 크기 및 비용 효율성을 제공할 수 있게 되면서, 이들 센서는 현재 이동 사물인터넷의 발전을 이끌어 나가고 있다.
 
산업 시스템에서의 지능형 감지 장치를 향상시키는 요인
산업 장비 및 공정 분야에서 가장 가치 있는 발전은 일반적인 설계나 구현 과정에서 드러난 난제들이 새로운 솔루션의 접근 방식과 사업 모델로 탈바꿈하는 시스템 수준의 가시적인 혜택의 측면에 초점을 맞추어 이루어진다. 이러한 시스템 수준의 발전은 자원 효율성, 정확성, 향상된 안전성을 추구하는 과정에서 이루어진다. 이러한 발전을 목표로 하는 애플리케이션이 산업 분야 전반에서 널리 사용되고 있으며, 그 범위도 육/해/공, 실내/실외, 단기/장기, 인간/기계에 이르기까지 다양하다. 그럼에도 이러한 애플리케이션은 모두 표 1에서 정리한 것처럼 정밀도, 안정성, 보안성, 지능형 프로세싱과 애널리틱스라는 공통된 특성에 기반을 두고 있다.
다양한 유형의 센서는 특정 목표를 가진 애플리케이션의 설계 작업에서 중심이 되고 있다. 설계 시의 시스템 복잡도 때문에 센서 품질과 견고함은 매우 다양한 조건에서 신중히 고려해야 한다. 일부 산업 분야라면 편의를 고려하지 않고 센서를 선택할 수 있다(예를 들어 휴대전화에 이미 내장된 일련의 센서 활용). 하지만 다른 분야의 경우 아무 것도 없는 상태에서 일체의 센서를 정의해서 정밀도를 기반으로 센서를 선택하고 이들을 현명하게 결합해서 원하는 시스템의 상태를 완전하고 안정적으로 관리해야 할 수도 있다.
 
표 1. 이동 사물인터넷 애플리케이션의 중요한 시스템 특성은 까다로운 설계 요구로 해석된다
시스템 요인 애플리케이션의 실제 예시 중요한 요건
자원 효율성 정밀 농업; 재고/자원 관리; 산업 감시; 장비 예측 유지 및 보수 다수 파라미터 감지 장치; 지리 위치; 데이터베이스 구축 및 참조
정확성 공장 로봇; 외과 수술 장비; 건설; 자동차 안내 정밀도; 안정성; 반복성; 전환경 작동
향상된 안전성 무인 자동차; 상태 모니터링; 자동화 기기; 응급 구조 요원 안정성; 주변 환경에 대한 내성; 견고성; 예측 분석;고장 시 안전 모드
 

그림 1. 상황 감지 기능뿐 아니라 모션 감지 기능과 이들의 다층 융합도 산업용 센서의 요건으로 부상하고 있다.
 
스마트 감지
센서의 풍부함 속에서 이처럼 접근 가능한 지능형 시스템은 더 이상의 발전이 없을 것 같았던 산업 분야에 혁명을 가져왔으며, 그 결과, 농업을 스마트 농업으로, 인프라를 스마트 인프라로, 도시를 스마트 도시로 탈바꿈시켰다. 센서가 이러한 환경에서 관련된 상황 정보를 수집하기 위해 배치되면서, 데이터베이스 관리와 통신에서 복잡한 문제들이 새롭게 생겨나고 있으며, 이에 따라 그림 1에서 보는 것처럼 센서간뿐 아니라 플랫폼과 시간대를 초월해서 복잡한 융합이 요구되기 시작했다 (예: 클라우드 기반의 시간의 변화에 따른 인프라 상태 애널리틱스, 작년 작황, 교통 상황 및 패턴 등 분석).
장비와 환경으로부터 안정적인 수준으로 추출할 수 있는 정보란 어떤 것들이 있는가라는 문제에 대한 해결책은 앞서 말한 새로운 개발 사업의 궁극적인 유용성과 성장을 가늠할 수 있는 1차적인 기준이 된다. 정확성은 효율성을 높이고, 이는 필수적인 비용 절감 문제로 이어지며, 안전과 작동의 안정성 담보에 중요한 요인이 된다. 센서의 가장 기본적인 기능을 이용해 단순한 기능을 추가할 수 있지만, 이로 인해 생겨난 부가 가치는 예/아니오, 위/아래, 켜짐/꺼짐이 아주 섬세한 해결 방식으로 대체되는 종속된 이동 사물인터넷 애플리케이션에서 최소값이 그다지 크지 않다. 추가 기능이 센서 선택에 미치는 영향 면에서도 마찬가지다.
 
모션이 영향을 끼치는 분야
대부분의 경우, 사물인터넷은 동작 중이다. 동작 중인 상태가 아니라 하더라도(예를 들어, 정지된 산업용 보안 카메라)정밀 위치 파악은 여전히 중요한 문제가 되거나, 원치 않는 동작(부당 변경)을 파악하는 것이 필수적일 수 있다. 광학 탑재체(optical payload)로 곡물 사진을 촬영하는 드론은 견고한 비행 조건에서 지향각(pointing angle)이 정확하게 유지된다면 촬영한 사진을 더 빨리 더 나은 화질로 전송할 수 있다. 이렇게 하면 광학 데이터의 위치 정보가 정확하게 대응되었을 때 과거의 데이터와 추세를 비교할 수도 있다. 스마트 육상, 해상, 공중 운송수단은 GPS의 안내에 크게 의존하지만, GPS 역시 상당한 인위적, 자연적 위협(건물, 나무, 터널 등)을 받는다. 추가로 센서를 선택할 때 정밀성을 기준으로 두면 사고가 발생하더라도 추가된 센서에서 안정적으로 추측 항법이 사용될 수 있다. 표 2는 이동 사물인터넷 에 M(모션)의 속성을 첨가하는 사물을 정리한 것으로, 모션이 애플리케이션의 유용성과 가지는 상관성을 살펴보았다.
 
표 2. 모션에 대한 지식 유무는 많은 애플리케이션에서 성공을 좌우하는 중요한 열쇠가 된다.
산업 요건 모션 관련성
스마트 트랙터 지리 위치, 안테나 안정화
무인항공기(UAV)/드론 지리 위치, 군집, 페이로드 포인팅
응급 구조 요원 지리 위치, 매핑, 활동 모니터
고가치 자원 지리 위치, 재고 관리
기차 및 기타 운송 수단 지리 위치, 안전성
증강 현실 지리 위치, 포인팅
스마트 운송 수단 지리 위치, 센서 위치 결정, 역학
로봇, 기계 장치 지리 위치, 제어, 안정화
안테나, 카메라 지향각, 설치 및 보정, 안정화
 
추출된 시스템 상태에 대한 지식을 바탕으로 장비나 사람의 자연 관성을 측정할 기회나 도구가 주어질 때, 그리고 이러한 지식이 사용 가능한 상황 정보와 제대로 융합될 수 있을 때, 이 지식의 중요성은 한층 더 커진다. 이를 보여주는 것이 표 3이다.
 
표 3. 사물인터넷에 가치를 더하는 위치 감지 기술
위치 센서 + 위치 센서 = 이동 사물인터넷(IoMT)
관성 관성
GPS GPS
자력계 자력계
기압계 기압계
거리 측정 거리 측정
기타 기타
 
신뢰할 수 있고 안전한 이동 사물인터넷 노드
이동 사물인터넷 노드 출력의 유효성과 가치는 코어 센서의 품질과 높은 신뢰도로 애플리케이션의 상황을 파악할 수 있는 능력에 가장 크게 좌우된다. 융합 프로세싱은 지속적인 센서 보정 및 개선과 이상적인 센서 간 상태 역학(어느 센서가 주어진 지점에서 제때 가장 안정적인지 등)에 필요하다. 애플리케이션 수준의 프로세싱은 솔루션 단계에 해당하며 적절한 경계 상황 등 환경 특성에 따라 최적화된다. 자율 작동되고 있다 하더라도 무인 항공기가 지상이나 공중에 군집하는 일부 경우에는 이러한 노드들이 함께 작동하게 된다. 이 경우, 그림 2처럼 보안 통신 링크가 사용되어 안정적인 전송과 고유의 신원 보호를 강화한다.
그림 2. 연결된 보안 센서로 상황과 위치 결합
 
표 4. 뛰어난 품질의 센서 기준에서 시작해서 집적도와 지능을 높여 나가면 자동화, 그리고 인간과 기계간의 융합이 증진된다.
    측정 제어 자율성 인간과 기계 간의 융합
센서 기본적인 단일 감지 소자 O      
복합 센서 여러 센서 유형을 파악해 애플리케이션의 필요 충족 O      
융합 센서 하나의 센서로 다른 센서를 보정하거나, 상태를 기반으로 하는 센서 간 핸드오프 사용 O O    
스마트 센서 국지적인 내장형 프로세싱, 실시간 분석 및 판단 지원 O O O  
연결 센서 플랫폼에 관계 없이 통신 연결로 정보 공유 지원 O O O  
지능형 센서 시간이 지남에 따라 적응 및 학습에 정보 사용(예:클라우드, 데이터베이스 구축) O O O O
 
표 5. 센서 융합의 복잡도가 아니라 센서의 품질이 정확도와 가용성을 증진시킨다.
관성 센서의 품질 특징 센서 융합의 역할 센서 융합 이후의 정확도 적합한 용도
높은 정밀도 모든 조건에서 초저잡음 성능과 안정적인 작동 주로 사용되는 기본 센서로 예측이 어려운 극한 조건에서 사용 가능 ~0.1° 복잡한 움직임, 긴 사용 수명, 임무 수행에 필수적인 경우 사용
낮은 정밀도 낮거나 중간 수준의 잡음, 낮은 안정성, 진동 및 온도의 변화, 충격 시 드리프트 비인식 사용 빈도가 낮은 백업 센서로 사용에 제한이 따르거나 조건에 따라 신뢰도가 결정됨 3° to 5° 단순한 움직임, 짧은 사용 수명, 오차가 허용될 수 있는 경우 사용
 
자율 작동의 핵심이 되는 센서
인체와 같이 자율 이동 사물인터넷 노드는 센서로부터 받아들이는 다수 입력을 바탕으로 필요한 인식을 구축함으로써 개별적으로 활동하며, 우발적이거나 혼란스러운 상황에 대한 결과를 최적화시키고, 더 나아가 점점 더 발전한다. 표 4에서 보는 것처럼 기본적인 측정을 제어와 자율 작동으로 전환하려면 내장된 지능에서뿐 아니라 센서 병합 수준에서 복잡성을 증가시켜야 한다. 이러한 노드에서 높은 수준의 상호 연결성과 적응형 학습 역시 가능해지면서, 노드의 지향점이 인간과 기계의 융합 쪽으로 향하고 있다.
 
인프라 없이 위치 확인
GPS는 위성 신호가 차단되거나 정지되지 않는 한 어디에나 존재한다. 무선 범위 기술은 접근 가능하다면 정확해질 수 있다. 자기장은 방해만 없다면 언제라도 측정 가능하다. 이와 달리 관성은 자기 의존적이다. 쉽게 말해, 관성 MEMS 센서에는 고유의 단점 (드리프트)이 존재하지만, 이러한 단점은 관리 가능하며, 비용 대비 효과적인 소형 패키지로 제공되는 차세대 산업용 관성 측정 장치(IMU)가 이례적일 정도로 뛰어난 안전성을 제공한다.
관성 MEMS 장치는 표준 반도체 프로세스, 정교한 패키징, 집적 접근 방식을 사용해서 모션을 직접 감지하고, 측정하고 해석한다. 그림 3에서는 대표적인 예로 선형 가속도(g)나 각회전(°/sec, 또는 각회전 속도)을 보여준다.
가장 좋은 품질의 애플리케이션을 제외하면 대부분이 다중 자유도(multiple degrees of freedom, 본질적으로 모션은 모든 축에서, 심지어 동시에 일어날 수 있으며, 장치는 자체 모션으로부터 상대적으로 자유롭다)라고 부르는 것을 가지기 때문에, g와 속도 측정값은 x, y, z축(또는 롤, 피치, 요 축이라고도 한다) 각각에 대해 포착되어야 한다. 이들을 합쳐서 자유도 6의 관성 측정 장치라고도 부른다.
 
그림 3. 정밀한 움직임을 파악하기 위해 사용되는 미세 전자 기계 구조
 
비용 문제 때문에 MEMS 설계자들은 자동적으로 최소한의 실리콘 면적을 사용하여 이와 같은 여러 감지 유형(g, 속도)을 각 축(x, y, z)에서 추출하려 하고자 하고, 더욱 섬세하게 균형 잡힌 시각으로 성능을 설계하려면 더욱 까다로운 산업용 감지 장치 사양을 충족시켜야 한다. 실제로, 하나의 MEMS 장치로 여섯 가지 모드를 모두 측정하고자 하는 MEMS 구조도 있다. 그러한 고성능 감지 장치에 대한 접근 방식의 유효성을 검증하기 전에, MEMS 장치가 포착해야 하는 모션이 있는 반면 같은 장치로 오류로 해석될 수 있는 다른 형태의 모션을 무시하도록(또는 그로 인해 교란되지 않도록) 하는 점도 마찬가지로 중요하다는 것을 이해해야 한다. 예를 들어, 자이로스코프는 각속도를 측정하는 반면, 가속도나 각속도 측정에 미치는 중력의 영향은 무시될 수 있다. 하나의 소형 구조로 모든 것을 측정하고자 하는 단순한 MEMS 장치는 본질적으로(설계상으로) 이처럼 방해가 되는 기타 오류원에 취약하며, 포착하고자 하는 모션과 그렇지 않은 모션을 구별할 수 없다. 이는 결국 네비게이션이나 위치 지정 애플리케이션에서 잡음이나 오류로 해석된다.
이동 사물인터넷이 기대한 대로 필요할 때 가치 있는 자원 효율성, 향상된 안전성, 정확성 향상을 제공하려면 오늘날의 무선 단말기에서 사용할 수 있는 흔하고 단순한 센서에서 지원하는 것보다 한층 더 높은 수준의 정밀성이 요구된다. 성능의 설계는 각 감지 모드와 각 감지 축을 별도로 두고 이루어져야 하지만, 융합과 통합의 관점으로 접근해야 한다. 마지막으로 성능 설계가 비용 대비 효율성을 희생해서 얻는 것은 아니라는 점을 아는 것이 중요하다.
 
기능이냐 성능이냐
일부 애플리케이션은 간단한 MEMS 장치로 추출하기가 비교적 쉬운 추가 기능(모드 전환을 위한 장치의 제스처/방향)을 통해 상당한 가치를 만들어낼 수 있다. 값을 측정할 때 산업용과 전문가용 장치 중 무엇을 선택할 것인가는 상당한 진동이 존재하는 환경에서 작동할 때 방향이나 위치 정확도를 10배 더 정확하게 구할 수 있느냐에 따라서 달라질 수 있다. 보급형과 고급 센서의 성능 차이는 적지 않으며, 둘 사이의 성능은 사실상 부품 선택 시 상당히 주의를 기울여야 할 정도로 상당히 크다.
최종 애플리케이션은 요구되는 정확도 수준을 결정하며, 선택된 센서의 품질은 이러한 요건을 만족시킬 수 있는지 여부를 결정한다. 표 5는 센서 선택이 디자인 과정뿐 아니라 장비 정밀도 성능에 얼마나 중요성한지 보여주는 두 가지 솔루션 방식을 비교해 보여준다. 정밀도가 떨어지는 센서는 실제로 제한된 경우에만 의존하고 애플리케이션에서 오차가 허용되는 경우에 사용하기 적절할 수 있다. 다시 말해 이는 안전성이나 수명이 중요하지 않거나 상대적으로 정확도가 떨어져도 괜찮은 경우 정밀도가 낮은 센서를 사용할 수 있다는 뜻이다. 대부분의 소비자용 센서는 잡음 수준이 낮고 양호한 조건에서 적절하게 작동하지만, 진동 등 동적인 움직임이 생기는 기계 장치에는 적합하지 않다. 저성능 관성 측정 장치에서는 이러한 움직임이 단순한 선형 가속도나 측정하고자 하는 기울기와 구별되지 않을 수 있다. 산업 환경에서 작동하는 동안 1도 이상의 정확도를 달성하기 위해서는 진동이나 온도 영향으로부터 오차 드리프트를 제거하도록 특별히 설계된 센서를 선택하는 데 초점을 맞추어야 한다. 그렇게 선택된 고정밀 센서는 예상되는 애플리케이션 상태보다 더 넓은 범위를 더 오랫동안 지원할 수 있다.
 
표 6. 산업용 MEMS 장치는 오차를 유발하는 모든 잠재 원인에 대한 사양을 제공하며, 보통 일반적인 장치보다 정밀성이 훨씬 더 뛰어나다.
파라미터 산업 분야에서의
일반적인 사양
단위 일반적인 상황에
사용되는 장치와의
성능 비교
자이로스코프      
동적 범위 최대2000 °/sec -
잡음 밀도 0.004 °/sec√Hzrms 2x
ARW 0.2 °/√Hr 2x
작동 안정성 6 °/hr 3x
바이어스 반복성 0.2 °/sec 100x
-3dB 대역폭 465 Hz 2x
 
가속도계      
동적 범위 Up to 40 g 3x
잡음 밀도 25 μg/√Hz 10x
ARW 0.03 m/s√Hr 10x
작동 안정성 10 micro-g 10x
바이어스 반복성 25 mg 100x
-3dB 대역폭 500 Hz 2x
 
축성 배열 0.05 deg 20x
선형 가속 효과 0.01 °/sec/g 10x
진동 조정 0.004 °/sec/g2 10x
감도 온도 보정 25 ppm/°C 10x
바이어스 온도 보정 0.007 °/s/°C 10x
 
정밀 계측 장치 설계자는 보통 각도나 이동 거리가 아닌 보정된 g와 속도를 출력하는 관성 측정 장치를 사용해 작업하는 데 가장 관심을 보인다. 왜냐하면 이러한 시스템 수준의 정보가 응용 프로그램에 특화되어 있기 때문에 관성 센서 설계자보다는 시스템 설계자들이 여기에 관심을 보이기 때문이다. 그렇기 때문에 관성 센서의 시방서에서 위치 지정 정확도 등을 확인하는 것이 문제가 된다.
표 6은 중간 수준의 산업용 장치 사양을 휴대 전화에서 볼 수 있는 일반 소비자용 센서와 비교해 나타낸 것이다. 고급 산업용 장치도 사용할 수 있으나, 이들은 표 6에 소개한 제품들의 사양보다 10배 더 뛰어나다는 점을 기억하자. 대부분의 보급형 소비자용 장치에서는 선형 가속 효과, 진동 정류, 각도 임의 행로나 실제로 산업용 애플리케이션의 가장 큰 오차 발생 원인이 될 수 있는 기타 매개변수 등에 대한 사양이 제공되지 않는다.
이 산업용 센서 샘플은 상대적으로 빠르거나 극단적인 움직임(2000°/sec, 40g)이 예상되는 시나리오에서 사용하기 위해 설계되었으며, 이 경우 넓은 대역폭의 센서 출력 역시 신호 식별 성능을 최대화하는 데 중요하다. 작동 중에 오프셋의 드리프트(작동 시 안정성)가 최소가 되면 성능을 보정하기 위해 더 많은 보완 센서에 의존하는 일이 줄어들며, 경우에 따라 턴온 드리프트(반복성)를 최소화하는 것은 보정값을 필터링하는 후위 처리 시스템에 필요한 시간을 할당할 수 없는 애플리케이션에서 중요할 수 있다. 저잡음 가속도계는 자이로스코프와 함께 사용되어 g 관련 드리프트의 구별과 보정을 돕는다.
자이로스코프 센서는 실제 g와 관련된 변화(진동, 충격, 가속도, 중력)가 장치의 오프셋에 미치는 영향을 직접 제거하도록 설계되어 선형 g 면에서 상당한 이점을 제공하며, 보정을 통해 온도 드리프트 및 정렬 상태가 보정되었다. 정렬 상태가 보정되지 않으면, 일반적인 다축 MEMS 장치는 단일 실리콘 구조로 집적되어 있다 하더라도 정렬 상태에 문제가 생길 수 있으며 이는 오류의 주 원인이 될 수 있다.
최근 몇 년간 잡음으로 센서를 분류하는 일은 거의 사라진 반면, 실리콘 설계 방식이나 부품별 보정을 통해 성능 향상에 비용이 가장 많이 드는 선형 g 효과와 정렬 불량 등의 매개 변수는 단순하거나 상대적으로 정적인 모션을 감지하는 애플리케이션에서뿐 아니라 모든 애플리케이션에서 잡음을 야기하는 원인이 되었다.
 
센서 융합으로 저품질 센서를 고칠 수 있는가?
간단히 말해서 답은 ‘아니오’다. 센서 융합은 환경, 모션 역학, 애플리케이션 상태와 관련하여 센서 조합을 병합하거나 관리하는 필터링이자 알고리즘이다. 센서 융합을 통해 온도 보상과 같은 중요한 보정 기능이 제공될 수 있으며, 시스템 상태 정보를 기반으로 센서에서 다른 센서로 전달되는핸드 오프가 관리된다. 그러나 센서 융합으로 센서의 고유 결함이 수정되지는 않는다.
센서 융합 설계에서 가장 중요한 작업은 나머지 설계 프로세스를 추진하기 위해 애플리케이션 상태를 충분히 파악하는 것이다. 주어진 애플리케이션에 적합한 센서를 선택한 다음 세부적인 분석을 수행하여 전반적인 임무 중 각각의 단계에서 가중치(관련성)를 파악한다. 보행자 추측 항법(pedestrian dead reckoning, PDR)의 경우, 솔루션은 성능을 고려하여 설계하는 대신 사용 가능한 장비(예: 스마트 폰의 내장 센서)에 의해 주로 결정된다. 이처럼 내장된 관성, 자성 및 기타센서를 갖춘 GPS에 대한 의존도가 높으면 유용한 위치 정보를 얻는 데에 크게 도움이 되지 않는다. 보행자 추측 항법은 외부에서라면 상당히 잘 작동하지만, 장애물이 많은 도시 환경이나 실내라면 GPS를 사용할 수 없고 사용할 수 있는 다른 센서의 품질이 좋지 않기 때문에 위치 정보의 품질에 불확실성이 생기게 된다. 이러한 센서들을 통합할 때는 보통 센서를 추가하거나 더 나은 품질의 센서를 사용하는 대신 최신 필터와 알고리즘을 사용하지만, 소프트웨어로는 이러한 불확실성으로 인한 차이를 거의 줄일 수 없기 때문에 결국 기록되는 위치 정보의 신뢰도가 크게 저하된다. 그림 4는 이를 개념적으로 나타낸 것이다.
이와 분명히 대조되는 것이 산업용 추측 항법 시나리오로, 이는 구체적인 정확도 요건에 따라 시스템을 정의하고 부품을 선택하여 성능을 구현하도록 설계되었다. 품질이 상당히 높은 관성 센서를 사용하면 관성 센서가 주된 역할을 할 수 있으며, 다른 센서는 불확실성을 줄이는 용도로 신중히 사용할 수 있다. 개념적으로 알고리즘은 신뢰할 수 있는 센서의 판독값을 바탕으로 외삽하거나 추정해 위치를 파악하기보다 환경과 실시간 모션 역학을 염두에 두고 최적의 가중치, 핸드 오프, 센서 간의 교차 상관에보다 초점을 맞춘다.
둘 중 어느 경우라도 품질이 더 뛰어난 센서를 사용해서 정확도를 향상시킬 수 있다. 센서 필터링과 알고리즘이 솔루션의 중요한 부분이기는 하지만, 그것만으로는 제한된 성능의 센서가 처리할 수 있는 정도의 차이를 해소할 수 없다.

 
그림 4. 센서 결합 고도화가 아닌 센서 품질로 결정되는 애플리케이션 수준의 정밀도
 
새로운 부류의 산업용 센서가 보유한 성능은 이전 세대 제품에서라면 미사일 유도에 사용되었을 정도다. 기존 애플리케이션에서의 안정적이고 정밀한 사용을 위해 고안되고, 경제적으로 적절하면서도 확장 가능한 프로세스 상에 구축되었던 센서 아키텍처를 사용하게 되면서 새로운 세대의 산업용 센서는 그림 5에서 보는 것처럼 비용 대비 및 크기 대비 성능 비율이 유례가 없을 정도로 높다.
그림 5. 자유도 6의 관성 측정 장치인 ADIS1647x와ADIS1646x, 복잡하고 동적인 환경에서도 뛰어난 정밀성을 제공할 수 있도록 고안되었다
 
정밀 모션 감지는 더 이상 감당할 수 없을 정도로 비싼 추적 솔루션에 투자가 필요한 소수의 애플리케이션에 국한되어 사용되지 않는다. 소형 IMU 폼 팩터에서 사용 가능한 산업 수준의 정밀도를 바탕으로 사물인터넷설계자들은 이제 뛰어난 품질의 모션 감지와 이동 사물인터넷을 위해 내장된 상황 감지를 결합하여 제공하는 가치를 한층 더 높일 수 있다.
태그 :
센서,IoT,지능,애플리케이션,증강현실,GPS,측정,관성