Booil Jung

150m 장거리 위치 추정을 위한 피두셜 마커 시스템 기술 가이드

150미터라는 장거리에서 시각적 마커를 이용한 위치 추정을 성공적으로 수행하기 위해서는, 특정 마커나 하드웨어를 논하기에 앞서 이 문제를 지배하는 물리적, 광학적 기본 원리를 이해하는 것이 필수적이다. 이 문제는 기하학, 픽셀 해상도, 그리고 환경적 간섭이라는 세 가지 핵심 요소로 분해될 수 있다. 이러한 첫 번째 원리들에 대한 확고한 이해 없이는 어떠한 솔루션도 시기상조일 뿐이다.

물리적 세계의 객체가 어떻게 디지털 이미지로 변환되는지를 이해하는 것은 장거리 탐지 시스템 설계의 출발점이다. 이 관계는 렌즈, 카메라 센서, 그리고 목표 객체(피두셜 마커) 사이의 광학적 기하학에 의해 결정된다. 이 관계를 설명하는 핵심적인 공식은 다음과 같다.1 \(P = \frac{F \times W}{D}\) 여기서 각 변수는 다음과 같은 의미를 가진다.

• $P$: 이미지 센서에 투영된 마커의 크기 (단위: 픽셀)
• $F$: 카메라 시스템의 유효 초점 거리 (단위: 픽셀)
• $W$: 마커의 실제 물리적 크기 (단위: 미터)
• $D$: 카메라로부터 마커까지의 거리 (여기서는 150미터)

이 공식은 프로젝트의 핵심적인 제약 조건을 명확히 보여준다. 즉, 150미터라는 고정된 거리($D$)에서 마커가 센서 위에 충분한 픽셀 수($P$)를 차지하게 하려면, 마커의 물리적 크기($W$)를 키우거나 시스템의 유효 초점 거리($F$)를 늘려야만 한다. 이 둘은 서로 맞바꿀 수 있는 관계에 있다.

여기서 중요한 점은 유효 초점 거리 $F$(픽셀 단위)가 렌즈 사양에 명시된 초점 거리(mm 단위)와는 다른 개념이라는 것이다. $F$는 렌즈의 물리적 초점 거리(mm), 센서의 물리적 크기, 그리고 센서의 해상도(총 픽셀 수)에 의해 결정되는 복합적인 값이다. 이 미묘한 차이를 이해하는 것은 정확한 시스템 설계에 매우 중요하다. 이 기본 공식을 통해 사용자는 특정 카메라와 렌즈 조합에 필요한 마커 크기를 계산하거나, 특정 크기의 마커를 탐지하는 데 필요한 렌즈 사양을 역산할 수 있다.

피두셜 마커 탐지 알고리즘이 안정적으로 작동하기 위해서는 마커가 이미지 상에서 충분한 픽셀을 차지해야 한다. 만약 마커가 화면에서 몇 개의 불분명한 점으로만 보인다면, 알고리즘은 그 형태나 내부 패턴을 인식할 수 없다. 따라서 “충분한 픽셀”이 몇 개인지를 정의하는 것이 중요하다.

문서화가 잘 되어 있는 AprilTag 시스템의 경우, 알고리즘이 마커 내부의 비트(검은색 또는 흰색 사각형) 하나를 해독하기 위해 최소 2픽셀이 필요하다고 알려져 있다. 이는 나이퀴스트 주파수(Nyquist frequency)에 해당하는 이론적 최소치이다. 하지만 실제 환경에서는 조명 변화, 이미지 노이즈, 대기 왜곡 등으로 인해 이미지 품질이 저하되므로, 안정적인 탐지를 위해서는 비트당 5픽셀 정도를 확보하는 것이 권장된다.2 또한, 실제 실험에서 마커의 흰색 테두리부터 반대편 흰색 테두리까지의 폭이 32픽셀일 때 안정적인 탐지가 가능했다는 경험적 데이터도 존재한다.3

이러한 이론적, 경험적 근거를 종합하여, 150미터 거리에서 안정적인 성능을 확보하기 위한 설계 목표로 마커 전체가 최소 40x40 픽셀 크기로 이미지에 포착되도록 설정하는 것이 합리적이다. 이 목표는 이후 하드웨어 및 마커 설계에 대한 구체적인 가이드라인을 제공한다.

더 나아가, 마커의 복잡성과 탐지 거리 사이에는 중요한 상충 관계가 존재한다. AprilTag 25h9와 같이 내부 비트 수가 적은 태그는 동일한 물리적 크기의 36h11 태그보다 해독에 더 적은 픽셀을 요구한다. 결과적으로, 비트 수가 적은 태그가 더 먼 거리에서 탐지될 수 있다.2 이는 프로젝트 초기에 고려해야 할 중요한 설계 변수이다.

150미터라는 거리는 단순히 비어 있는 공간이 아니라, 신호 품질을 저하시키는 도전적인 매질이다. 이상적인 조건을 넘어 실제 환경에서 성능을 저하시키는 요인들을 반드시 고려해야 한다.

• 대기 난류 (아지랑이 현상): 지표면과 공기 사이의 온도 및 압력 차이는 공기 중에 미세하고 불규칙한 렌즈 역할을 하는 층을 만든다. 빛이 이 층을 통과하면서 굴절되어 이미지에 기하학적 왜곡과 흐림(blur) 현상을 유발한다.4 이 현상은 거리가 멀어질수록 심해지며, 선명한 가장자리와 안정적인 기하학적 형태에 의존하는 컴퓨터 비전 알고리즘의 성능을 심각하게 저해할 수 있다.4 소프트웨어 기반 완화 기술이 존재하지만 7, 이는 계산 비용이 높고 사후 처리 방식이므로, 근본적으로 강력한 초기 신호를 확보하는 것이 더 중요하다.
• 조명 및 날씨: 실제 환경 데이터는 비이상적인 조건에서 성능이 어떻게 저하되는지를 명확히 보여준다. 예를 들어, 마커 기반 SLAM(동시적 위치추정 및 지도작성) 실험에서 절대 궤적 오차(ATE)는 맑은 날(6000 Lux)에는 약 0.5m 수준이었으나, 이슬비가 내리는 환경에서는 2.0m 이상으로 크게 증가했으며, 해질녘(10-50 Lux)에는 탐지가 완전히 실패했다.10 이는 가변적인 외부 환경에서 수동적인 마커에만 의존할 때 발생하는 위험을 정량적으로 보여준다.
• 이미지 대비 및 눈부심: 직사광선은 광택이 있는 마커 표면에 반사되어 카메라 센서를 포화시키는 눈부심(glare)을 유발할 수 있다. 반대로 조도가 낮은 환경에서는 신호 대 잡음비(Signal-to-Noise Ratio, SNR)가 감소하여 알고리즘이 마커를 배경과 분리하기 어려워진다. 이는 무광택 재질 선택과 능동 조명 시스템의 필요성을 강력하게 시사한다.

이러한 분석을 통해, 150미터에서의 위치 추정 문제는 단순히 “어떤 마커를 쓸 것인가”의 문제를 넘어, “어떻게 광학적 한계와 환경적 방해를 극복할 것인가”라는 시스템 엔지니어링 문제로 확장된다. 마커의 복잡성을 높이면(예: AprilTag 36h11) 더 많은 픽셀이 필요하게 되고, 이는 더 큰 마커나 더 긴 초점 거리의 렌즈를 요구한다. 하지만 긴 초점 거리의 렌즈는 대기 난류의 영향을 더 크게 증폭시키며, 고해상도 센서는 저조도 환경에서 성능이 저하될 수 있다.11 따라서, 오류 정정 기능이 뛰어나다고 알려진 “견고한” 마커를 선택하는 것이 역설적으로 장거리 환경에서는 더 취약한 전체 시스템으로 이어질 수 있다는 점을 인지해야 한다. 이는 시스템 수준에서 숨겨진 중요한 상충 관계를 드러낸다.

이론적 원리를 바탕으로, 이제 150미터 도전 과제에 적합한 기존 마커 시스템들을 실용적인 관점에서 평가한다. 각 마커의 특성을 1장에서 수립한 원칙에 따라 분석하여 최적의 후보를 도출한다.

이들은 현재 가장 널리 사용되는 피두셜 마커 시스템으로, 모두 초기 탐지를 위한 검은색 사각 테두리와 식별을 위한 내부 이진 페이로드를 기반으로 한다.12

• ArUco: OpenCV 라이브러리에 포함되어 있어 생성이 쉽고, 2ms라는 매우 빠른 탐지 속도를 자랑한다.15 일부 테스트에서는 AprilTag와 유사한 성능을 보이지만 15, 빠른 속도는 계산 자원이 제한된 시스템에서 큰 장점이다.
• AprilTag: 매우 대중적이고 견고한 선택지로, 종종 벤치마크 대상으로 간주된다.12 오류 탐지 및 수정을 위한 렉시코그래픽(lexicographic) 인코딩 시스템을 사용하여 오탐지율(false positive)을 줄인다.12 최신 버전인 AprilTag 3는 견고성이 더욱 향상되었다.2 이 보고서에서 제안할 솔루션의 주요 후보 중 하나이다.
• STag: 이 마커의 핵심 혁신은 외부 사각 테두리와 내부 원형 테두리를 결합한 하이브리드 설계에 있다. 이 원형 특징은 호모그래피(homography) 정제 단계에 사용되어, 대기 난류로 인해 저하된 이미지에서 발생할 수 있는 지터(jitter)에 대해 위치 추정치를 더 안정적이고 견고하게 만든다.17 이러한 안정성은 장거리 추적에서 매우 중요한 장점이다.

이들 마커의 비교 연구에 따르면, 고정된 카메라 환경에서 ArUco와 AprilTag는 2.5m까지 우수한 탐지율을 보인 반면 15, STag의 설계는 반복적인 특징점 위치 파악에 더 유리하여 안정성 측면에서 강점을 가진다.17 150미터 문제에서는 대기 효과로 인한 이미지 품질 저하가 주된 문제이므로, 원시 탐지 속도(ArUco)보다는 안정성(STag)이 더 중요한 평가 기준이 될 수 있다.

• 원형 마커 (예: CCTag, Rune-Tag): 동심원이나 점 패턴을 사용한다.13 이들의 주된 장점은 모션 블러와 가림(occlusion)에 대한 견고성이다. 이는 사각형의 독립적인 네 꼭짓점과 달리, 타원 형태 전체가 위치 추정에 기여하기 때문이다.15 하지만 이상적인 조건에서는 사각형 마커보다 계산 속도가 느리고 탐지 거리가 짧을 수 있다.15 이미지 안정성이 최우선 순위일 경우 고려할 수 있는 대안이다.
• 토폴로지 마커 (예: TopoTag): 고정된 격자 대신 연결성 패턴과 같은 위상학적 및 기하학적 정보를 사용한다.13 주요 장점은 수백만 개의 고유 ID를 지원하는 엄청난 확장성과 높은 견고성이다.13 단일 마커 위치 추정 작업에서는 확장성이 덜 중요하지만, 왜곡에 대한 본질적인 견고성은 장거리 환경에서 이점으로 작용할 수 있다.

이들은 전통적인 이미지 처리 기법을 신경망으로 대체한 차세대 마커 시스템이다.

• DeepTag & E2ETag: 최적의 마커 패턴과 그에 상응하는 탐지기 네트워크를 함께 학습하는 종단간(end-to-end) 프레임워크이다. 열악한 노출, 모션 블러, 노이즈와 같은 까다로운 조건에서 전통적인 방법보다 뛰어난 성능을 보이도록 설계되었다.19
• YoloTag: 경량 객체 탐지기인 YOLOv8을 사용하여 마커를 찾는다. 어려운 조명 및 가림 상황에서 전통적인 방법의 한계를 개선하면서 실시간 항법 작업을 목표로 한다.21

이러한 시스템들은 강력하지만, 추론을 위해 GPU와 같은 상당한 계산 자원과 복잡한 학습 파이프라인을 요구한다.21 이는 미래의 방향을 제시하지만, 전용 머신러닝 인프라가 없는 사용자에게는 현재로서는 가장 실용적인 기성품 솔루션이 아닐 수 있다.

아래 표는 본 절의 분석을 종합하여, 150미터 장거리 위치 추정이라는 특정 목적에 맞춰 각 마커 시스템을 직접적으로 비교한 것이다.

마커 제품군	유형	탐지 원리	주요 강점	주요 약점	150m 적합성 점수 (1-5)
ArUco	사각 이진	가장자리/사각 탐지 + 이진 코드 해독	빠른 속도, OpenCV 통합 용이성	지터에 상대적으로 민감	3
AprilTag	사각 이진	가장자리/사각 탐지 + 렉시코드 오류 수정	높은 견고성, 낮은 오탐지율, 우수한 라이브러리 지원	ArUco보다 느림	4
STag	하이브리드 (사각+원)	사각 탐지 + 원형 특징을 이용한 호모그래피 정제	뛰어난 안정성, 지터 및 왜곡에 강함	AprilTag/ArUco보다 덜 보편적임	5
CCTag	원형	동심원 타원 피팅	모션 블러 및 가림에 강함	계산 비용 높음, 상대적으로 짧은 탐지 거리	2
TopoTag	토폴로지	연결성 그래프 분석	엄청난 확장성, 왜곡에 대한 견고성	단일 마커 추적에는 과도한 기능	3
DeepTag/YoloTag	딥러닝 기반	학습된 특징 탐지기 (CNN/YOLO)	열악한 환경(조명, 블러)에서 최고의 견고성	높은 계산 비용(GPU 필요), 복잡한 구현	4 (자원 확보 시)

장거리 탐지에서는 단순한 탐지 성공 여부보다 안정적인 위치 값을 얻는 것이 더 중요하다. 대기 난류는 이미지에 지속적인 지터(미세한 떨림)를 유발하는데, STag는 설계 단계부터 이러한 지터를 억제하는 메커니즘을 포함하고 있다.17 따라서, 약간의 처리 속도를 희생하더라도 더 안정적이고 정확한 포즈를 제공하는 STag가 150미터 환경에서 가장 적합한 마커로 평가된다.

2장에서 선택한 마커 기술을 실제로 구현하는 단계이다. 물리적 마커의 설계와 제작은 카메라로 전송되는 신호의 품질을 결정하는 가장 중요한 요소이다.

• 크기 계산: 1.2절에서 설정한 ‘목표물 위 40x40 픽셀’ 목표와 1.1절의 공식을 사용하여 실제 필요한 마커 크기를 계산할 수 있다. 예를 들어, DJI Zenmuse H20T 줌 카메라와 유사한 사양(1/1.7” 센서, 4K 해상도(가로 3840px), 556mm 환산 초점 거리)을 가정하고 계산하면, 150미터 거리에서 40픽셀 크기로 보이려면 마커의 실제 폭($W$)은 약 1.1미터가 되어야 한다.1 이 계산은 프로젝트에 필요한 마커의 규모를 구체적으로 제시한다.
• 재질 및 대비: 햇빛 반사로 인한 눈부심은 카메라 센서를 포화시켜 탐지를 불가능하게 만들 수 있으므로, 반드시 무반사 무광(matte) 재질을 사용해야 한다. 알루미늄 복합 패널과 같은 견고하고 내후성이 있는 기판에 순수한 검은색과 흰색으로 인쇄하여 대비를 극대화하는 것이 기본이다.

이는 수동 마커의 성능을 극적으로 향상시키는 방법이다. 재귀반사(Retroreflection)는 입사된 빛을 광원으로 거의 그대로 되돌려 보내는 원리이다.23

• 기술: 3M 다이아몬드 그레이드 DG³ 시리즈 4000/4090과 같은 고성능 재귀반사 시트를 사용하는 것을 강력히 권장한다.24 이 제품은 ‘초고효율’ 풀큐브 마이크로프리즘 광학 기술을 특징으로 하며, 일반적인 관측 각도에서 흰색 시트 기준

  $580 \sim 850 \, \text{cd/lux/m}^2$에 달하는 매우 높은 반사 성능 계수($R_A$)를 가진다.24

• 시스템 설계: 마커 전체를 이 재귀반사 시트로 제작하고, 카메라 시스템에는 동기화된 적외선(IR) 조명기를 장착한다.23 이렇게 하면 카메라가 쏜 적외선 빛이 마커에서 강하게 반사되어 돌아오는 폐쇄 루프 시스템이 구성된다. 결과적으로 카메라는 어두운 배경 속에서 매우 밝게 빛나는 마커를 보게 되어 신호 대 잡음비(SNR)가 극적으로 향상된다. 이 방식은 주변 조명 변화에 영향을 받지 않아 주야간 모두 안정적인 운영이 가능하다.27

이는 최고의 성능을 목표로 하는 솔루션이다. 반사 재질 대신 고휘도 LED를 사용하여 마커 패턴 자체를 광원으로 만드는 방식이다.23

• 밝기 계산: 주간에 밝은 하늘을 배경으로 마커가 보이게 하는 것이 가장 큰 도전이다. 이를 위해 항공 및 해상 항법에서 사용되는 표준 공식인 알라드 법칙(Allard’s Law)을 도입할 수 있다. 이 법칙은 주어진 배경 휘도에 대해 특정 거리에서 광원이 보이려면 어느 정도의 광도(단위: 칸델라, cd)가 필요한지 계산하는 데 사용된다.28 알라드 법칙의 그래프 해법이나 항공 표준에 따르면, ‘맑은 날’ 배경에서 장거리 가시성을 확보하려면 수천 칸델라 이상의 광도가 필요하다.30 야간용 저광도 항공 장애등이 25 cd, 고광도 활주로등이 10,000 cd인 것을 참고하면 30, 주간용 능동 마커에 필요한 LED의 성능 목표를 정량적으로 설정할 수 있다.
• 장단점: 장점은 어떤 환경에서도 압도적인 신호 강도를 확보할 수 있다는 것이다. 단점은 마커 위치에 전력 공급이 필요하고 설계가 복잡해진다는 점이다.

장거리 탐지와 근거리 정밀 추정 사이의 상충 관계를 해결하기 위해, 계층적 또는 다중 스케일(multi-scale) 마커 설계를 제안한다.

• 개념: 마커는 150미터 거리에서의 초기 포착을 위해 매우 크고 단순한 외부 패턴(예: 재귀반사 재질이나 LED로 만든 큰 십자가 또는 원)과, 그 내부에 더 작고 표준적인 피두셜 마커(예: AprilTag 또는 STag)로 구성된다.10
• 작동 원리: 시스템은 먼저 단순한 외부 패턴을 사용하여 먼 거리에서 목표물을 찾고 대략적인 위치를 파악한다. 카메라 시스템(예: 드론)이 목표물에 접근함에 따라, 더 높은 해상도로 내부의 복잡한 마커를 식별하여 정밀한 6자유도(6-DoF) 포즈를 추정할 수 있게 된다.10 이 접근 방식은 탐지 가능 거리를 크게 확장한다.10

결론적으로, 150미터 탐지 문제는 “수동적인 패턴을 탐지하는 것”에서 “고대비 신호를 생성하는 것”으로 관점을 전환해야 해결할 수 있다. 이러한 관점의 전환은 단순히 마커를 크게 인쇄하는 것보다 훨씬 더 견고한 엔지니어링 솔루션(재귀반사, LED)으로 이어진다. 수동 인쇄 마커는 크기가 충분하더라도 조명 및 대기 왜곡과 같은 환경 요인에 의해 신호가 심각하게 저하될 것이다.5 따라서 다중 스케일 디자인과 고성능 재질(재귀반사) 또는 능동 조명(LED)을 결합한 하이브리드 시스템이 150미터 도전 과제의 모든 측면을 충족하는 가장 견고한 엔지니어링 솔루션이다.

시스템 요구사항을 구체적인 하드웨어 구성 요소로 변환하는 단계이다. 센서와 렌즈의 선택은 마커 자체만큼이나 중요하다.

장거리 이미징에서는 직관과 달리 저해상도 센서가 더 나을 수 있다. 동일한 크기의 센서에 4K(8백만) 화소를 집적하는 것보다 2MP(1080p, 2백만) 화소를 집적하면 각 픽셀의 물리적 크기가 더 커진다. 픽셀이 크면 더 많은 빛(광자)을 수집할 수 있어 저조도 환경에서 더 높은 감도를 보인다.11

150미터 거리에서 마커로부터 오는 신호는 희미할 수밖에 없으므로, 빛에 대한 감도가 무엇보다 중요하다. 따라서 소비자 등급의 4K 센서보다는 저조도 성능이 뛰어난 고품질 2MP 또는 4MP 산업용 센서를 권장한다. 필요한 해상도는 센서가 아닌 렌즈를 통해 확보해야 한다. Keyence와 같은 고급 산업용 비전 카메라는 해상도와 성능의 균형을 맞춘 고품질 9MP 옵션도 제공한다.32

이 과제에서 렌즈는 가장 중요한 구성 요소이다. 표준 렌즈로는 불충분하며, 상당한 광학 줌 기능을 갖춘 망원 렌즈가 필수적이다.33

1.1절의 공식과 3.1절에서 계산한 마커 크기를 다시 참조하면, 150미터 떨어진 1.1미터 크기의 마커를 2MP 센서에서 40픽셀 높이로 보이게 하려면 약 500-600mm의 환산 초점 거리를 가진 렌즈가 필요하다. 이는 구체적인 렌즈 사양 목표를 제시한다. 실제로 최대 240미터 거리 감시에 권장되는 ‘Sharpshooter 2.0’과 같은 장거리 감시 카메라는 최대 줌에서 3도의 매우 좁은 화각을 가지는데, 이는 매우 긴 초점 거리를 의미한다.11

지금까지 논의된 원칙들을 구현한 실용적인 기성품 솔루션으로, DJI Zenmuse H20T와 같은 드론용 페이로드를 분석할 수 있다.34

• 시스템 분석: H20T는 다음과 같은 하이브리드 시스템이다.
  • 20MP 줌 카메라: 23배 하이브리드 광학 줌과 최대 556.2mm의 환산 초점 거리를 제공한다. 이것이 장거리 탐지를 위한 주요 도구이다.35
  • 12MP 광각 카메라: 24mm 환산 초점 거리의 렌즈를 탑재하여, 안정적인 근거리 포즈 추정에 이상적이다.35
  • 열화상 카메라: 능동(가열) 또는 IR 조명 마커를 주야간에 탐지하는 데 사용할 수 있다.34
  • 레이저 거리 측정기: 목표물까지의 직접적인 거리 측정이 가능하다.34
• 사례 연구: 바로 이 H20T 시스템과 AprilTag를 사용하여 수평 거리 168미터, 고도 102미터에서 드론 정밀 착륙에 성공한 사례 연구는 제안된 접근 방식이 실현 가능하다는 가장 직접적이고 강력한 증거이다.37

아래 표는 사용자가 프로젝트 계획을 세울 수 있도록 구체적인 하드웨어 패키지를 등급별로 제시한다.

등급	카메라 센서	렌즈	조명기 (해당 시)	예시 제품	예상 비용
예산형 (수동)	2MP 산업용 카메라	200mm C-마운트 렌즈	없음	-	낮음
성능형 (재귀반사)	4MP 저조도 산업용 카메라	>300mm 전동 줌 렌즈	동기화된 IR 조명기	1m 재귀반사 마커	중간
통합 드론 (검증됨)	DJI Zenmuse H20T 페이로드	(내장 줌/광각 렌즈)	(내장 IR 기능 활용 가능)	DJI Matrice 300 RTK	높음

이 분석을 통해, 단일 고정 렌즈로는 장거리 포착(좁은 화각)과 안정적인 근거리 추적(넓은 화각)이라는 상반된 요구사항을 동시에 만족시킬 수 없음이 명확해진다. 따라서 최적의 하드웨어 솔루션은 H20T와 같이 매우 좁은 화각과 넓은 화각 사이를 전환할 수 있는 다중 카메라 시스템 또는 막강한 광학 줌을 갖춘 단일 카메라이다.34 DJI H20T와 같은 기성품 페이로드와 그 성공적인 사용 사례는 이 프로젝트의 기술적 위험을 크게 줄여준다. 사용자는 처음부터 솔루션을 개발할 필요 없이, 검증된 상용 시스템을 도입하여 작업에 필요한 하드웨어 성능을 높은 신뢰도로 확보할 수 있다.37

모든 구성 요소를 하나로 묶어 성공적인 구현을 위한 소프트웨어 및 단계별 프로세스를 설명한다.

• 탐지 라이브러리: 잘 유지 관리되는 표준 라이브러리를 사용하는 것이 좋다. AprilTag 3는 견고성과 성능으로 인해 최고의 선택이다 (C, Python, MATLAB 등에서 사용 가능).39

  OpenCV의 ArUco 모듈은 속도와 기존 OpenCV 파이프라인과의 통합이 우선순위일 경우 강력한 대안이다.40

• 실시간 이미지 복원: 최고의 성능을 위해서는 실시간 대기 왜곡 보정 알고리즘을 통합하는 것을 고려할 수 있다. 이러한 기술은 종종 딥러닝 41 또는 다중 프레임 분석(예: 럭키 이미징, 프레임 정렬 및 융합)을 사용하여 왜곡과 흐림을 줄인다.6 이는 계산 비용이 많이 드는 고급 구현이지만, 아지랑이가 심한 환경에서는 결정적일 수 있다. 안개 낀 이미지의 대비를 개선하기 위한 CLAHE(Contrast Limited Adaptive Histogram Equalization)와 같은 더 간단한 방법도 있다.42

이는 다중 페이로드 카메라 시스템의 논리를 직접 반영하는 핵심 운영 워크플로우이다.

• 1단계: 포착 (장거리): 망원 렌즈를 최대 광학 줌(좁은 화각)으로 사용한다. 예상 목표 지역을 스캔하여 마커의 존재와 픽셀 좌표를 확인하는 것이 목표이다. 여기서는 다중 스케일 마커의 외부 패턴이 핵심적인 역할을 한다.
• 2단계: 개략적 추적 (중거리): 마커가 탐지되면 짐벌 제어 시스템을 사용하여 마커를 화각 중앙에 유지한다. 이제 시스템은 카메라로부터의 마커 방향을 기반으로 대략적인 위치 업데이트를 받을 수 있다. H20T와 같은 시스템의 레이저 거리 측정기는 직접적인 거리 측정값을 제공할 수 있다.34
• 3단계: 정밀 포즈 추정 (근거리): 시스템이 더 가까워지면 줌을 줄이거나 광각 카메라로 전환한다. 이 넓은 화각은 지터에 덜 민감하여 더 안정적인 시야를 제공하며, 이를 통해 탐지 알고리즘이 상세한 내부 마커를 사용하여 고정밀 6자유도(6-DoF) 포즈를 추정할 수 있다.37

이러한 동적인 상태 의존적 전략은 필수적이다. 150미터에서의 탐지를 위한 광학적 요구사항(고배율, 좁은 화각)은 근거리에서의 안정적인 포즈 추정을 위한 요구사항(저배율, 넓은 화각, 낮은 지터)과 정반대이기 때문이다. 모든 거리에 동일한 렌즈와 알고리즘 설정을 사용하는 시스템은 비효율적인 타협안에 그칠 것이다. 단계적 접근 방식은 각 거리에서 주어진 작업에 최적화된 하드웨어와 소프트웨어 구성을 사용하여 탐지 범위와 최종 정확도를 모두 극대화한다.

이 단계는 협상의 여지가 없는 필수 과정이다. 캘리브레이션되지 않은 시스템은 무의미한 위치 데이터만 생성할 것이다.

• 내부 캘리브레이션(Intrinsic Calibration): 사용되는 각 렌즈(줌 및 광각)에 대해 카메라의 내부 파라미터(초점 거리, 주점, 렌즈 왜곡)를 정밀하게 측정해야 한다.
• 외부 캘리브레이션(Extrinsic Calibration): 다중 카메라 시스템을 사용하는 경우 각 카메라 간의 상대적 포즈와, 카메라 시스템과 탑재 차량(예: 드론)의 좌표계 간의 포즈를 알아야 한다.
• 포즈 모호성(Pose Ambiguity): AprilTag와 같은 평면 마커는 특히 노이즈가 있는 이미지 데이터에서 동일한 2D 꼭짓점 집합으로부터 두 개의 그럴듯하지만 잘못된 포즈가 계산될 수 있는 포즈 모호성 문제를 겪을 수 있다.14 칼만 필터와 같은 시간적 필터링을 사용하거나 재투영 오차를 분석하여 올바른 포즈를 선택하는 방법으로 이 문제를 해결할 수 있다.14 하드웨어와 환경 문제를 해결한 후에도, 평면 마커 자체에서 발생하는 이러한 포즈 모호성은 가장 큰 잔여 오차 원인이 될 수 있으므로, 최종 소프트웨어 계층에서 이를 해결하는 과정이 반드시 포함되어야 한다.

이 섹션은 “피두셜 마커가 이 작업에 적합한 도구인가?”라는 근본적인 질문에 답하며 중요한 맥락을 제공한다. 주요 대안 기술과 비교함으로써 피두셜 마커의 선택을 검증하고 그 고유한 역할을 명확히 한다.

• 작동 원리: 고정된 기준국이 실시간 보정 신호를 이동국으로 전송하여 대기 및 위성 시계 오차를 상쇄한다.43
• 강점: 센티미터 수준(1-3 cm)의 정확도로 전 지구적 위치를 제공하며, 매우 긴 거리에서 작동한다.43

• 약점: 기준국과 탁 트인 하늘 시야가 필요하다. ‘도심 협곡’이나 큰 구조물 근처에서는 신호 차단 및 다중 경로 오차에 취약하다. 객체의 방향이 아닌 안테나의 위치만 제공하며, 비전 시스템보다 업데이트 속도가 느리고 상대적으로 비용이 높다.43

• 작동 원리: 레이저 펄스를 방출하고 그 비행 시간을 측정하여 주변 환경의 3차원 포인트 클라우드를 생성한다.45
• 강점: 높은 정확도(1-5 cm)를 가지며, 어둠을 포함한 모든 조명 조건에서 작동하고, 식생을 투과할 수 있다.45
• 약점: 카메라에 비해 비용이 매우 높다.45 데이터가 희소할 수 있으며, 특징 없는 특정 객체를 식별하는 데 어려움이 있다. 비와 반사면에 의해 영향을 받는다. LiDAR SLAM을 통해 위치 추정은 가능하지만, 150미터 거리에서 특정 지점을 찾는 것은 LiDAR용 피두셜 마커 없이는 어렵다.47

아래 표는 세 가지 기술을 최종적으로 요약 비교하여, 사용자가 자신의 제약 조건에 맞는 올바른 도구를 선택할 수 있도록 돕는다.

기술	정확도 (일반)	업데이트 속도	시스템 비용	강점	약점/제약
피두셜 마커 시스템	cm 수준 (상대)	높음 (30-60+ Hz)	낮음-중간	6-DoF 상대 포즈, 고주파, 저비용, 특정 객체 추적	시야 확보 필요, 환경(조명, 대기) 영향, 제한된 거리
RTK-GPS	cm 수준 (절대)	낮음 (1-20 Hz)	높음	전 지구적 위치, 장거리, 날씨 영향 적음	방향 정보 없음, 하늘 시야 필요, 다중 경로 오차
LiDAR	cm 수준 (절대/상대)	중간-높음	매우 높음	3D 환경 모델링, 모든 조명 조건, 식생 투과	고비용, 특정 객체 식별 어려움, 반사면/강수 영향

이 비교를 통해 피두셜 마커는 전 지구적 위치 측정 시스템의 대체재가 아니라, 고주파의 정밀한 상대 포즈 추정을 위한 도구임이 명확해진다. RTK-GPS는 전 지구적 좌표(위도, 경도, 고도)를 비교적 낮은 주파수로 제공하는 반면 43, 카메라 기반 피두셜 시스템은 카메라와 마커 간의 완전한 6자유도 상대 포즈(x, y, z, roll, pitch, yaw)를 높은 주파수로 제공한다.48 이 둘은 상호 보완적인 기술로, 자율주행 차량이 RTK-GPS를 이용해 목표물 근처까지 이동한 후, 최종적인 정밀 도킹이나 상호작용을 위해 피두셜 마커 시스템으로 전환하는 구조가 일반적이다.

결론적으로 피두셜 마커 시스템의 핵심적인 장점은 저비용으로 특정 목표 객체에 대한 풍부한 6자유도 포즈 정보를 제공한다는 점이다. 이는 RTK-GPS나 LiDAR가 효과적으로 수행하기 어려운, 로봇 팔 정렬이나 자율 도킹과 같이 완전한 상대 포즈가 중요한 작업에 이 시스템을 독보적으로 적합하게 만든다.13

본 보고서의 전체 분석을 종합하여 명확하고 실행 가능한 결론과 실용적인 체크리스트를 제공한다.

두 가지 구체적인 종단간(end-to-end) 솔루션을 제안한다.

• 권장사항 A: 고성능 재귀반사 시스템 (맞춤형 구축)
  • 비용과 성능의 균형을 맞춘 솔루션이다.
  • 마커: 1.5m x 1.5m 크기의 다중 스케일 마커. 외부 패턴은 큰 십자가 형태로, 내부 패턴은 40cm 크기의 STag 마커로 구성하며, 전체를 3M DG³ 재귀반사 시트로 제작한다.
  • 비전 시스템: 고품질 25-300mm 전동 줌 렌즈를 장착한 4MP 산업용 카메라와, 카메라와 동기화된 고출력 IR LED 링 조명기를 조합한다.
  • 전략: 5.2절에서 설명한 단계적 탐지 및 추적 전략을 사용한다.
• 권장사항 B: 궁극의 성능을 위한 능동 시스템 (드론 기반)
  • 최상위 등급의 검증된 솔루션이다.
  • 마커: 1m x 1m 크기의 AprilTag 36h11 마커. 주간 대비를 극대화하기 위해 흰색 사각형 부분에 능동 LED 조명을 내장하는 것을 고려할 수 있다.
  • 비전 시스템: DJI Matrice 300 RTK 드론에 Zenmuse H20T 페이로드를 장착한다.
  • 전략: 성공적인 드론 착륙 사례 연구37의 방법론을 그대로 따른다. 줌 카메라로 초기 포착을 수행하고, 최종 접근 시에는 광각 카메라를 사용한다.

사용자가 정보에 입각한 최종 결정을 내릴 수 있도록 돕는 체크리스트이다.

• [ ] 예산: 마커와 비전 시스템에 대한 총 예산은 얼마인가? (표 2 참조)
• [ ] 정확도: 요구되는 최종 위치 정확도는 어느 수준인가? (cm 단위, m 단위)
• [ ] 환경: 시스템이 주야간 모두 작동해야 하는가? 맑은 날씨에서만 사용되는가, 아니면 모든 기상 조건에서 사용되는가? 심한 아지랑이가 예상되는 환경인가?
• [ ] 계산 자원: 처리를 위한 GPU가 장착된 전용 컴퓨터가 있는가? (딥러닝 마커 또는 이미지 복원 시 관련)
• [ ] 플랫폼: 카메라가 고정되어 있는가, 아니면 이동 플랫폼(예: 드론, 지상 차량)에 장착되는가?
• [ ] 전력: 마커 위치에서 전력 공급이 가능한가? (능동 LED 마커에 필요)

이 체크리스트의 답변은 본 보고서에서 논의된 특정 권장사항 및 상충 관계와 직접 연결되어, 사용자의 고유한 요구사항에 가장 적합한 솔루션을 선택하는 데 도움을 줄 것이다.

1. EP4562603A1 - System and method for estimating object distance and/or angle from an image capture device - Google Patents, accessed July 16, 2025, https://patents.google.com/patent/EP4562603A1/en
2. Designing the perfect Apriltag - Optitag, accessed July 16, 2025, https://optitag.io/blogs/news/designing-your-perfect-apriltag
3. Pixels for Apriltag Detection? - Programming - Chief Delphi, accessed July 16, 2025, https://www.chiefdelphi.com/t/pixels-for-apriltag-detection/424609
4. Temporally Consistent Atmospheric Turbulence Mitigation with Neural Representations - NIPS, accessed July 16, 2025, https://proceedings.neurips.cc/paper_files/paper/2024/file/4eb91efe090f72f7cf42c69aab03fe85-Paper-Conference.pdf
5. Deep Learning for Anisoplanatic Optical Turbulence Mitigation in Long Range Imaging - DTIC, accessed July 16, 2025, https://apps.dtic.mil/sti/trecms/pdf/AD1117810.pdf
6. Deep learning-based turbulence mitigation for long-range imaging - University of Strathclyde, accessed July 16, 2025, https://pureportal.strath.ac.uk/files/249170317/Vint-etal-SPIE-2024-Deep-learning-based-turbulence-mitigation-for-long-range-imaging.pdf
7. Dynamic turbulence mitigation for long-range imaging in the presence of large moving objects - ResearchGate, accessed July 16, 2025, https://www.researchgate.net/publication/330125148_Dynamic_turbulence_mitigation_for_long-range_imaging_in_the_presence_of_large_moving_objects
8. Restoration of heat haze in image and video based on DT-CWT image fusion, accessed July 16, 2025, https://web.itu.edu.tr/eksioglue/preprints/2024-SPIE.pdf
9. A Novel Method for Heat Haze-Induced Error Mitigation in Vision-Based Bridge Displacement Measurement - MDPI, accessed July 16, 2025, https://www.mdpi.com/1424-8220/24/16/5151
10. arxiv.org, accessed July 16, 2025, https://arxiv.org/html/2309.08769v3

11. Which CCTV Camera is Best for Long Distance Vision?

    SCW, accessed July 16, 2025, https://www.getscw.com/knowledge-base/long-range-security-camera

12. Comparing Fiducial Marker Systems Occlusion Resilience Through a Robot Eye, accessed July 16, 2025, https://kpfu.ru/staff_files/F398472270/DESE_2017_MAG_Comparing_Fiducial_Marker.pdf
13. Fiducial Markers Overview: Types, Use Cases, & Comparison Table - It-Jim, accessed July 16, 2025, https://www.it-jim.com/blog/fiducial-markers-types/
14. Smart Artificial Markers for Accurate Visual Mapping and Localization - PMC, accessed July 16, 2025, https://pmc.ncbi.nlm.nih.gov/articles/PMC7830840/
15. FIDUCIAL MARKER SYSTEMS OVERVIEW AND EMPIRICAL … - UPB, accessed July 16, 2025, https://www.scientificbulletin.upb.ro/rev_docs_arhiva/full7bc_966141.pdf
16. An Autonomous Tracking and Landing Method for Unmanned Aerial Vehicles Based on Visual Navigation - MDPI, accessed July 16, 2025, https://www.mdpi.com/2504-446X/7/12/703
17. [1707.06292] STag: A Stable Fiducial Marker System - ar5iv - arXiv, accessed July 16, 2025, https://ar5iv.labs.arxiv.org/html/1707.06292
18. Designing Highly Reliable Fiducial Markers - ResearchGate, accessed July 16, 2025, https://www.researchgate.net/publication/44617782_Designing_Highly_Reliable_Fiducial_Markers
19. DeepTag: A General Framework for Fiducial Marker Design and Detection - ResearchGate, accessed July 16, 2025, https://www.researchgate.net/publication/351990630_DeepTag_A_General_Framework_for_Fiducial_Marker_Design_and_Detection
20. A Reliable and Easily Identifiable Long-Range Fiducial Marker - ResearchGate, accessed July 16, 2025, https://www.researchgate.net/publication/387891016_A_Reliable_and_Easily_Identifiable_Long-Range_Fiducial_Marker
21. YoloTag: Vision-based Robust UAV Navigation with Fiducial Markers - arXiv, accessed July 16, 2025, https://arxiv.org/html/2409.02334v1
22. DeepFormableTag: End-to-end Generation and Recognition of Deformable Fiducial Markers - vclab, kaist, accessed July 16, 2025, https://vclab.kaist.ac.kr/siggraph2021/DeepFormableTag-main-screen.pdf
23. Markers - Advanced Realtime Tracking, accessed July 16, 2025, https://ar-tracking.com/en/product-program/markers
24. 3M™ Diamond Grade™ DG³ Reflective Sheeting Series 4090, accessed July 16, 2025, https://multimedia.3m.com/mws/media/1469270O/product-information-bulletin-3m-eu-4090-2017-pdf.pdf
25. Diamond Grade™ DG3 Reflective Sheeting Series 4000 - Safeway Sign Company, accessed July 16, 2025, https://www.safewaysign.com/uploads/downloads/3M-DG3-Product-Bulletin.pdf
26. 3M™ Diamond Grade™ DG³ Reflective Sheeting Series 4000, accessed July 16, 2025, https://www.3m.com/3M/en_US/p/d/b00050505/
27. Real Time Camera Tracking 2023 - Pixotope, accessed July 16, 2025, https://www.pixotope.com/products/pixotope-marker-vision-edition
28. Introduction to atmospheric visibility estimation - Biral, accessed July 16, 2025, https://www.biral.com/wp-content/uploads/2015/02/Introduction_to_visibility-v2-2.pdf
29. Untitled - NET, accessed July 16, 2025, https://ntlrepository.blob.core.windows.net/lib/13000/13900/13918/ADA357971.pdf
30. Low-Visibility Lighting Criteria for Airports and Roadways - Transportation Research Board, accessed July 16, 2025, https://onlinepubs.trb.org/Onlinepubs/trr/1991/1316/1316-011.pdf
31. Standard 621 - Obstacle Marking and Lighting - Canadian Aviation Regulations (CARs), accessed July 16, 2025, https://tc.canada.ca/en/corporate-services/acts-regulations/list-regulations/canadian-aviation-regulations-sor-96-433/standards/standard-621-obstacle-marking-lighting-canadian-aviation-regulations-cars

32. Vision Systems

    KEYENCE America, accessed July 16, 2025, https://www.keyence.com/products/vision/vision-sys/

33. Camera lenses & focal length. What are the numbers on a lens? - Visual Education, accessed July 16, 2025, https://visualeducation.com/photography-course/lenses-focal-lengths/
34. Zenmuse H20 Series - UAV load gimbal camera - DJI Enterprise, accessed July 16, 2025, https://enterprise.dji.com/zenmuse-h20-series
35. DJI Zenmuse H20T Thermal Camera with Shield Plus CP.ZM.00000121.01 - Vertigo Drones, accessed July 16, 2025, https://www.vertigodrones.com/DJI-Zenmuse-H20T-Thermal-Camera-with-Shield-Plus-CPZM0000012101_p_2256.html
36. DJI Zenmuse H20T Quad-Sensor - AEROMOTUS, accessed July 16, 2025, https://www.aeromotus.com/product/dji-zenmuse-h20t/
37. arxiv.org, accessed July 16, 2025, https://arxiv.org/html/2403.03806v1
38. A Precision Drone Landing System using Visual and IR Fiducial …, accessed July 16, 2025, https://arxiv.org/pdf/2403.03806
39. AprilTag is a visual fiducial system popular for robotics research. - GitHub, accessed July 16, 2025, https://github.com/AprilRobotics/apriltag
40. PERFORMANCE EVALUATION OF FIDUCIAL MARKER- BASED POSE ESTIMATION FOR RELATIVE LOCALIZATION OF AGRICULTURAL TRACTOR AND IMPLEMENT - ASABE Technical Library, accessed July 16, 2025, https://elibrary.asabe.org/azdez.asp?JID=3&AID=54655&ConfID=aeaj2024&v=40&i=2&T=2&redirType=

41. A Novel Machine Learning Approach for Real-Time Correction of Atmospheric Distortion in Multispectral Satellite Images

    Request PDF - ResearchGate, accessed July 16, 2025, https://www.researchgate.net/publication/392770024_A_Novel_Machine_Learning_Approach_for_Real-Time_Correction_of_Atmospheric_Distortion_in_Multispectral_Satellite_Images

42. A Study on Haze Removal Techniques for Image Processing, accessed July 16, 2025, https://www.ijarcce.com/upload/2016/may-16/IJARCCE%20164.pdf
43. Outdoor positioning: What is the difference between RTK and GPS? - Ebyte, accessed July 16, 2025, https://www.cdebyte.com/news/1146
44. How Accurate Is a Drone Survey? LiDAR, RTK & Photogrammetry - AeroViews, accessed July 16, 2025, https://aeroviews.co/blog/how-accurate-is-a-drone-survey/
45. Photogrammetry vs. LiDAR accuracy in RTK drone mapping - Emlid …, accessed July 16, 2025, https://blog.emlid.com/photogrammetry-vs-lidar-accuracy-in-rtk-drone-mapping/
46. LiDAR vs Photogrammetry: A Comprehensive Comparison for Aerial Mapping, accessed July 16, 2025, https://www.bluefalconaerial.com/photogrammetry-or-lidar-which-technology-offers-better-data-accuracy/
47. MAPPING AND LOCALIZATION USING LIDAR FIDUCIAL MARKERS - arXiv, accessed July 16, 2025, https://arxiv.org/html/2502.03510v1
48. isaac_ros_apriltag/README.md at main - GitHub, accessed July 16, 2025, https://github.com/NVIDIA-ISAAC-ROS/isaac_ros_apriltag/blob/main/README.md