Orbbec Femto Bolt는 완전히 새로운 개념의 제품이 아니라, 2023년 8월에 단종된 Microsoft Azure Kinect DK (이하 AKDK)의 공식적인 후속 제품으로 시장에 진입했다.1 이러한 배경은 Femto Bolt의 시장 위치와 기술적 기반을 정의하는 가장 중요한 요소이다. Orbbec은 Microsoft와의 협력을 통해 이 기술을 계승하도록 공식적으로 지정되었으며, 이는 기존 개발자 커뮤니티에 연속성을 보장하는 역할을 한다.1
Femto Bolt의 핵심 가치 제안은 두 가지로 요약된다. 첫째, Microsoft의 iToF(indirect Time-of-Flight) 깊이 감지 모듈을 동일하게 사용하고 소프트웨어 호환성을 제공함으로써 기존 AKDK 사용자를 위한 원활한 마이그레이션 경로를 제공하는 것이다.6 둘째, HDR(High Dynamic Range) 기능이 탑재된 우수한 RGB 카메라, 더 작아진 폼팩터, 그리고 견고한 다중 카메라 동기화 시스템과 같은 하드웨어 개선을 통해 AKDK의 특정 단점들을 해결하는 것이다.2
이러한 접근 방식은 파괴적 혁신보다는 전략적인 시장 계승에 중점을 둔다. Femto Bolt의 주된 목표는 단종된 AKDK의 사용자 기반을 흡수하는 것이며, 이는 “동일한 깊이 성능”을 강조하고 AKDK SDK를 에뮬레이션하는 “Orbbec SDK K4A Wrapper”를 개발한 이유를 설명한다. 이 전략은 Orbbec에게는 초기 시장을 보장하고, 개발자에게는 기존 소프트웨어 자산을 보호할 수 있게 하는 위험 완화 전략이다. Microsoft와 같은 주요 기업이 인기 있는 개발자 키트(AKDK)를 단종시키면서 시장에는 상당한 공백이 생겼고, 기존 코드베이스를 가진 대규모 개발자 커뮤니티가 남겨졌다.2 Orbbec은 이 시장을 성공적으로 확보하기 위해 개발자의 전환 비용을 최소화해야 했고, 그중 가장 큰 비용은 소프트웨어 재개발이다. 따라서 가장 논리적인 전략은 핵심 감지 기술(1MP iToF 모듈)과 소프트웨어 API를 유지하는 것이었다. 이는 “동일한 깊이 성능”이라는 주장과 K4A Wrapper의 개발로 이어졌다.7 HDR, 소형화, 향상된 동기화와 같은 개선 사항들은 핵심 호환성을 깨지 않으면서 AKDK의 알려진 한계를 해결하여 전환을 유도하는 부가 가치로 작용한다. 이로써 Femto Bolt는 혁신적이지만 잠재적으로 호환되지 않는 대안이 아닌, “더 좋고 안전한” 대체품으로 자리매김하게 된다.
Femto Bolt의 깊이 센서는 진폭 변조 연속파(Amplitude Modulated Continuous Wave, AMCW) 방식의 간접 비행시간 거리 측정(iToF) 원리에 기반하여 작동한다.11 이 장치는 850nm 파장의 근적외선(NIR)을 특정 주파수로 변조하여 연속적인 파형으로 방출한다.6 센서는 방출된 파형과 물체에서 반사되어 돌아온 파형 간의 위상 변이(ϕ)를 측정하여 빛의 왕복 시간을 계산하고, 이를 통해 물체까지의 거리를 산출한다.12
각 픽셀의 거리(d)는 측정된 위상 변이를 기반으로 계산된다. 기본적인 관계식은 다음과 같다:
Code snippet
$$d = \frac{c \cdot \phi}{4 \pi f_{mod}}$$
여기서 c는 빛의 속도, ϕ는 라디안 단위의 위상 변이, 그리고 $f_{mod}$는 변조 주파수를 의미한다.13 센서는 각 픽셀에서 반사된 신호의 위상과 진폭을 정확히 계산하기 위해 0°, 90°, 180°, 270°의 서로 다른 위상 변이를 가진 네 개의 샘플을 캡처한다.13
iToF 기술은 몇 가지 고유한 문제점을 가지고 있으며, Femto Bolt 또한 이러한 영향을 받는다.
MPI는 센서의 한 픽셀이 여러 반사 경로를 통해 들어온 빛을 동시에 수신할 때 발생하는 주요 오차 원인이다. 예를 들어, 빛이 벽에 한 번 반사된 후 목표물에 도달하여 센서로 돌아오는 경우가 해당된다. 이는 일반적으로 실제보다 거리가 더 멀게 측정되는 결과를 낳는다.11 Femto Bolt의 깊이 엔진은 모서리나 물체 경계 주변에서 발생하는 모호한 신호를 감지하고 해당 픽셀을 무효화하는 필터를 포함하여 MPI의 영향을 완화한다.11
측정 대상까지의 거리가 센서가 명확하게 측정할 수 있는 최대 범위(dmax)를 초과할 때, 위상 정보가 한 주기를 넘어 “랩핑(wrapping)”되면서 멀리 있는 물체가 실제보다 가까이 있는 것처럼 보이게 되는 현상이다.13 이 최대 측정 가능 거리는 변조 주파수에 의해 결정된다:
Code snippet
$$d_{max} = \frac{c}{2 f_{mod}}$$
.18 Femto Bolt에 대해 명시적으로 언급되지는 않았지만, 이와 같은 고급 iToF 시스템은 일반적으로 이중 주파수 변조와 같은 기술을 사용하여 이러한 모호성을 해결하며, Microsoft의 기반 기술에도 이와 유사한 기법이 적용되었을 가능성이 높다.13
iToF 센서 설계에서 변조 주파수(fmod)의 선택은 근본적인 기술적 트레이드오프를 수반한다. 높은 주파수는 더 나은 깊이 정밀도를 제공하지만, 측정 가능한 최대 거리를 줄인다. 반대로 낮은 주파수는 최대 거리를 늘리지만 정밀도를 희생시킨다. 거리 공식 $d = \frac{c \cdot \phi}{4 \pi f_{mod}}$에서 볼 수 있듯이, 동일한 거리 변화에 대해 $f_{mod}$가 높을수록 더 큰 위상 변이 ϕ가 발생하여 측정 감도가 향상되고 노이즈에 덜 민감해져 정밀도가 높아진다. 그러나 거리 에일리어싱 공식 $d_{max} = \frac{c}{2 f_{mod}}$에 따르면 $f_{mod}$가 증가할수록 $d_{max}$는 선형적으로 감소한다. Femto Bolt가 WFOV(최대 2.21m)와 NFOV(최대 5.46m) 등 다양한 모드에서 서로 다른 최대 측정 범위를 제공한다는 점은 14, 기반 기술이 특정 사용 사례에 맞춰 이 트레이드오프를 최적화하기 위해 변조 매개변수를 동적으로 조정함을 강력히 시사한다. 더 넓고 가까운 장면을 위한 WFOV 모드는 세부 묘사를 위해 더 높은 주파수를 사용할 가능성이 높고, 장거리 감지를 위한 NFOV 모드는 더 낮은 주파수를 사용할 것이다.
시야각 (FOV): 80°(수평) × 51°(수직)으로, AKDK의 90°(수평) × 59°(수직)보다 약간 좁다.6
사양: 50Hz에서 2000Hz까지의 주파수 범위를 지원하며, 부동 소수점 형식의 데이터를 출력한다.14 이 고주파 데이터는 VIO(Visual-Inertial Odometry) 및 SLAM(Simultaneous Localization and Mapping) 애플리케이션의 견고성을 확보하는 데 매우 중요하다.
동기화 포트: 고급 다중 카메라 동기화를 위한 8핀 GPIO 커넥터를 제공하며, 이는 AKDK의 2핀 오디오 잭 솔루션보다 더 많은 기능을 제공한다.7
거리의 0.1% + 11mm 미만으로 명시되어 있다.14 이는 시스템 오차가 거리에 따라 선형적으로 증가함을 의미한다.17mm 이하로 명시되어 있다.14 이는 깊이 데이터의 시간적 노이즈 또는 “스페클(speckle)”을 정량화한 값이다.Femto Bolt와 그 전신인 AKDK의 주요 하드웨어 및 성능 사양을 비교하면, 개발자들이 마이그레이션의 장단점을 신속하게 평가하는 데 도움이 된다. 아래 표는 여러 출처의 정보를 종합하여 핵심적인 차이점과 유사점을 명확히 보여준다.7
| 기능 | Orbbec Femto Bolt | Microsoft Azure Kinect DK | 분석 |
|---|---|---|---|
| 깊이 모듈 | 1MP iToF, Microsoft 기술 | 1MP iToF, Microsoft 기술 | 동일한 성능 및 모드 7 |
| 깊이 정확도 | < 11 mm + 0.1% dist. | < 11 mm + 0.1% dist. | 동일 7 |
| 깊이 정밀도 | ≤ 17 mm std. dev. | ≤ 17 mm std. dev. | 동일 7 |
| RGB 카메라 | 4K @ 30fps, HDR 지원 | 4K @ 30fps, HDR 미지원 | 주요 개선점: Bolt가 고대비 장면에서 월등함 22 |
| RGB 동적 범위 | 81.1 dB | 45.6 dB | 이미지 품질의 정량적 개선 7 |
| RGB FOV (H x V) | 80° x 51° | 90° x 59° | 단점: Bolt의 시야각이 더 좁음 7 |
| D2C 정렬 오차 | 평균 < 2px, 최대 < 4px | 평균 < 7.8px, 최대 < 15.05px | 주요 개선점: 4배 더 정확한 공장 캘리브레이션 7 |
| 폼팩터 (WHD) | 115 x 40 x 65 mm | 103 x 39 x 125.4 mm | 주요 개선점: Bolt의 깊이가 약 50% 짧음 7 |
| 무게 | 335g | 440g | 더 가벼워 모바일 로봇에 유리함 8 |
| 데이터 커넥터 | USB-C (잠금 나사 포함) | USB-C (잠금 없음) | 개선점: 산업용으로 더 안전함 7 |
| 동기화 인터페이스 | 8핀 GPIO (확장 기능) | 2핀 오디오 잭 (Sync In/Out) | 주요 개선점: 더 견고하고 유연한 동기화 7 |
| 마이크로폰 어레이 | 없음 | 7-마이크 원형 어레이 | 단점: Bolt는 오디오 캡처 기능이 없음 8 |
| 깊이 처리 | 호스트 PC GPU | 온디바이스 | 구조적 차이: Bolt는 호스트 자원에 의존함 28 |
3D 카메라를 선택하는 개발자는 기반 기술의 근본적인 장단점을 이해해야 한다. 아래 표는 Femto Bolt에 사용된 iToF 기술이 구조광(Structured Light) 및 스테레오 비전(Stereo Vision)과 같은 대안 기술과 주요 성능 영역에서 어떻게 비교되는지 보여준다. 이 표는 iToF가 텍스처가 없는 표면에 강하고 실시간 애플리케이션에 적합하지만, 근거리에서는 구조광보다 정확도가 떨어질 수 있음을 설명하여 Femto Bolt의 내재적인 강점과 약점을 이해하는 데 도움을 준다.30
| 파라미터 | iToF (Femto Bolt) | 구조광 (Structured Light) | 스테레오 비전 (Stereo Vision) |
|---|---|---|---|
| 원리 | 빛의 비행 시간/위상 측정 | 패턴 왜곡 분석 | 두 시점에서의 삼각 측량 |
| 정확도 | 중간 (mm 단위) | 높음 (µm ~ mm 단위) | 낮음 ~ 중간 (cm 단위) |
| 범위 | 양호하나 에일리어싱 발생 가능 | 일반적으로 더 짧은 범위 | 길 수 있으나 오차가 거리의 제곱에 비례 |
| 저조도 성능 | 우수 (능동 조명) | 우수 (능동 조명) | 약함 (수동, 주변광 필요) |
| 실외 성능 | 양호하나 태양광 IR에 민감 | 약함 (패턴이 씻겨나감) | 양호하나 텍스처 필요 |
| 텍스처 없는 표면 | 우수 | 우수 | 매우 취약 (대응점 문제) |
| 반사/어두운 표면 | 어려움 (신호 흡수/정반사) | 어려움 | 어려움 |
| 응답 시간 | 빠름 (실시간) | 느림 ~ 중간 | 중간 |
| 계산 비용 | 낮음 ~ 중간 (Bolt는 호스트 GPU) | 중간 ~ 높음 | 높음 (대응점 탐색) |
| 소형화 | 높음 (방출기/센서 동시 배치) | 중간 | 낮음 (기선 거리 필요) |
Orbbec은 개발자들에게 두 가지 주요 SDK 옵션을 제공하여 유연성과 호환성을 모두 확보하는 전략을 취하고 있다.
Orbbec SDK K4A Wrapper: 이 소프트웨어는 Femto Bolt의 핵심적인 호환성 계층이다. 기존 Azure Kinect Sensor SDK를 포크하여 내부 구현을 Orbbec SDK 호출로 대체한 것이다.9 이를 통해 개발자들은 단순히 헤더 파일과 라이브러리 파일을 교체하는 것만으로 기존 AKDK용 애플리케이션을 Femto Bolt에서 코드 변경 없이 또는 최소한의 변경으로 실행할 수 있다.9 이 래퍼는 Orbbec의 원활한 마이그레이션 전략의 핵심이다.
로보틱스 (ROS): Orbbec은 GitHub를 통해 공식 ROS1 및 ROS2 래퍼를 제공한다.39 이 래퍼들은 카메라 스트림(컬러, 깊이, IR), 포인트 클라우드, IMU 데이터를 표준 ROS 토픽으로 발행한다. 해상도, 프레임 속도, 포인트 클라우드 생성, 깊이 등록 등 광범위한 설정을 위한 런치 파라미터를 제공하여 39, Navigation2나 MoveIt과 같은 로보틱스 프레임워크에 쉽게 통합할 수 있다.
인터랙티브 개발 (Unity & Unreal Engine):
Unity: Unity Asset Store에서 여러 에셋을 사용할 수 있다. Orbbec은 자체 OrbbecUnitySDK를 제공하며 42, RF Solutions의 “Azure Kinect and Femto Bolt Examples for Unity” 43나 LightBuzz의 “Body Tracking for Orbbec Femto Bolt, Mega, & Azure Kinect” 45와 같은 서드파티 에셋들은 K4A 래퍼를 활용하여 신체 추적 및 기타 기능을 제공한다. 사용자 보고에 따르면, 특정 해상도(512x512, 1024x1024)에서 깊이 이미지가 “마름모꼴”로 나타나는 문제가 있으며, 이는 Unity 래퍼 내의 투영 또는 렌더링 문제일 수 있다.46
Unreal Engine: 통합이 더 어려운 것으로 보인다. Nuitrack SDK와 같은 서드파티 솔루션이 UE4/UE5에서 Femto Bolt를 지원하지만 47, 사용자들이 K4A 래퍼를 Unreal의 최종 빌드(shipping build)에서 Azure Kinect Body Tracking SDK와 직접 사용하려 할 때
Failed to create k4abt tracker! 오류와 같은 심각한 문제를 보고했다.49 이는 패키징된 Unreal 애플리케이션에서 라이브러리 로딩 또는 초기화 문제의 가능성을 시사한다.
K4A Wrapper는 시장 채택을 위한 훌륭한 전략적 도구이지만, 동시에 미묘하지만 중요한 문제를 야기할 수 있는 양날의 검과 같다. 이 래퍼는 Femto Bolt가 AKDK처럼 동작하도록 강제하며, 이 과정에서 새로운 기능(예: 고급 동기화 제어)을 제대로 노출하지 못하거나 가릴 수 있다. 또한, 원 개발자(Microsoft)가 더 이상 적극적으로 개발하지 않는 API에 대한 의존성을 생성한다. Unity 및 Unreal에서 보고된 문제들은 Orbbec SDK의 동작과 K4A API의 기대치 사이에서 번역이 완벽하지 않다는 증상일 가능성이 높다. 특히 복잡한 런타임 환경에서는 더욱 그렇다. AKDK는 통합 하드웨어에서 데이터 흐름과 타이밍을 처리했지만, Femto Bolt는 호스트 GPU에서 깊이 데이터를 처리하고 이를 컬러 스트림과 동기화해야 한다. K4A 래퍼 프레임워크 내에서 이 동기화를 에뮬레이션하는 과정의 불완전함이 컬러 스트림과 신체 추적 스트림 간의 지연 현상 28, Unreal에서의 트래커 생성 실패 50, Unity에서의 렌더링 아티팩트 46와 같은 문제로 나타나는 것으로 분석된다.
고품질 깊이 카메라와 고주파 IMU의 조합은 Femto Bolt를 SLAM 및 VIO 애플리케이션에 매우 적합한 후보로 만든다.51 ORB-SLAM3 및 VINS-Fusion과 같은 프로젝트에서 해당 데이터 스트림을 활용할 수 있다. 그러나 RGB 카메라의 롤링 셔터는 빠르게 움직이는 플랫폼에 제한 요소가 될 수 있으며, IMU 데이터의 품질과 카메라와의 외부 파라미터(extrinsics) 캘리브레이션은 성능에 매우 중요하다.52 사용자 보고에 따르면 IMU는 노이즈가 심할 수 있으며, 신뢰할 수 있는 VIO를 위해서는 Madgwick 필터와 같은 필터링 및 정밀한 외부 파라미터 캘리브레이션이 필요하다.52
고해상도 깊이 센서와 4K 컬러 센서는 상세한 3D 모델과 볼류메트릭 비디오를 제작하는 데 이상적이다. 이를 위해서는 다중 카메라 설정이 필수적이며, Femto Bolt의 고급 동기화 시스템이 핵심적인 역할을 한다.27
subordinate_delay_off_master_usec)을 설정할 수 있도록 지원한다.27 이를 통해 최대 9대의 카메라가 시야각이 겹치는 환경에서도 간섭 없이 작동할 수 있다.Azure Kinect Body Tracking SDK와의 호환성 덕분에 제스처 인식, 인터랙티브 설치물, 그리고 피트니스 및 재활을 위한 동작 분석에 강력한 도구로 사용될 수 있다.6 고품질 HDR RGB 카메라는 AKDK에 비해 이러한 애플리케이션의 시각적 측면을 크게 향상시킨다.
AKDK나 Femto Mega와 비교했을 때 가장 큰 구조적 변화는 깊이 계산을 호스트 PC의 GPU에 의존한다는 점이다.26 이는 다음과 같은 중요한 영향을 미친다:
특히 TouchDesigner 커뮤니티의 여러 사용자들이 K4A 래퍼를 사용할 때 컬러 스트림과 깊이/신체 추적 스트림 간에 최대 1초에 달하는 상당한 지연을 보고했다.28 이 문제는 여러 스트림을 동시에 활성화할 때 악화되는 것으로 보이며, 실시간 인터랙티브 애플리케이션에 심각한 장애가 된다. 이는 호스트 측 처리 파이프라인과 K4A 래퍼의 에뮬레이션과 관련된 소프트웨어/드라이버 문제일 가능성이 높다.
사용자들은 특히 장치가 정지해 있을 때 IMU 데이터에서 상당한 노이즈와 드리프트를 보고했다.53 비교 결과에 따르면 중력 벡터 오차가 기존 AKDK보다 커서 방향 추정에서 더 빠른 드리프트가 발생한다.53 따라서 본격적인 VIO/SLAM 작업을 위해서는 칼만 필터나 Madgwick 필터와 같은 센서 융합 알고리즘의 사용과 견고한 캘리브레이션이 필수적이다.52
일부 사용자들은 카메라가 간헐적으로 USB 3.1 대신 USB 2.1 장치로 연결되어 대역폭과 기능이 심각하게 제한되는 문제를 보고했다. 이 문제는 케이블 품질, 길이, 호스트 컨트롤러 호환성에 민감한 것으로 보이며, 문제를 해결하기 위해 물리적인 재연결이나 시스템 재부팅이 필요할 수 있다.59
Orbbec Femto Bolt는 Azure Kinect DK의 지정된 후속 제품으로서의 역할을 성공적으로 수행한다. 핵심적인 고품질 Microsoft iToF 깊이 센서를 유지하면서, HDR RGB 카메라를 통한 월등한 컬러 이미징, 훨씬 더 정확해진 D2C(Depth-to-Color) 정렬, 그리고 산업용으로 더 작고 견고해진 물리적 설계와 같은 중요한 영역에서 의미 있는 개선을 이루었다. K4A 래퍼는 기존 개발자 커뮤니티를 위해 효과적이지만 완벽하지는 않은 마이그레이션 경로를 제공한다.
이 장치의 가장 큰 트레이드오프는 깊이 처리를 호스트 측으로 이전한 것이다. 이로 인해 장치의 비용과 복잡성은 낮아졌지만, 호스트 시스템의 GPU 성능에 대한 강한 의존성이 생겼다. 이는 Femto Bolt를 독립적인 AKDK나 Femto Mega보다 예측 가능성이 낮은 시스템으로 만든다. 보고된 지연 시간 및 IMU 노이즈 문제는 개발자가 소프트웨어 솔루션과 신중한 시스템 통합을 통해 해결해야 할 중요한 실질적인 장애물이다.
산업의 추세는 더 높은 수준의 온칩 통합으로 나아가고 있다. onsemi의 Hyperlux ID 제품군과 같은 미래의 센서들은 깊이 처리 ASIC을 센서에 직접 통합하여 강력한 외부 호스트 없이도 장치에서 실시간 깊이 맵 계산을 가능하게 한다.60 이는 Femto Bolt의 주요 구조적 약점을 해결하는 방향이다. 또한, 딥러닝은 MPI와 같은 iToF의 고유한 오차를 보정하고 63, 정반사 또는 저조도 표면과 같은 까다로운 환경에서의 성능을 향상시키는 핵심 도구로 부상하고 있다.66 이는 미래의 센서 데이터가 정교한 온보드 또는 SDK 수준의 AI 모델에 의해 점점 더 향상될 것임을 시사한다.
| Orbbec and Microsoft’s collaboration | MYBOTSHOP.DE, accessed July 25, 2025, https://www.mybotshop.de/Orbbec-and-Microsofts-collaboration-Orbbec-Femto |
| [Function comparison] What is the difference between Azure Kinect DK and Orbbec Femto Bolt? | Information dissemination media for research and development TEGAKARI, accessed July 25, 2025, https://www.tegakari.net/en/2023/09/compare-orbbec-femto-bolt-with-azure-kinect-dk/ |
| indirect time-of-flight | Photonics Dictionary, accessed July 25, 2025, https://www.photonics.com/EDU/indirect_time-of-flight/d8703 |
| Femto Bolt | Datasheet v1.0 - Cloudfront.net, accessed July 25, 2025, https://d1cd332k3pgc17.cloudfront.net/wp-content/uploads/2023/08/ORBBEC_Datasheet_Femto-Bolt-1.pdf |
| Direct vs. Indirect Time-of-Flight (ToF) Sensors: Key Differences | RF Wireless World, accessed July 25, 2025, https://www.rfwireless-world.com/terminology/direct-vs-indirect-tof-sensors |
| A thorough comparison of Orbbec Femto Bolt and Microsoft Azure Kinect DK [Technical Article] | TEGAKARI, an information dissemination media for research and development, accessed July 25, 2025, https://www.tegakari.net/en/2024/09/techinfo-orbbec-femto-bolt/ |
| [Case study] Use case using Femto Bolt (Orbbec) | Information dissemination media for research and development TEGAKARI, accessed July 25, 2025, https://www.tegakari.net/en/2024/04/orbbec-case-studies-vol1/ |
| Time-of-Flight (ToF) vs Stereo Vision vs Structured light – Detailed look | eVision Hub - Ep 09 - YouTube, accessed July 25, 2025, https://m.youtube.com/watch?v=K1j73e3D8qU&pp=ygUNI3RvZmF1dG9mb2N1cw%3D%3D |
| 3D Technologies: Time-of-Flight Versus Stereo Vision | Basler AG, accessed July 25, 2025, https://www.baslerweb.com/en/learning/time-of-flight-stereovision/ |
| Orbbec SDK | OrbbecSDK - GitHub Pages, accessed July 25, 2025, https://orbbec.github.io/OrbbecSDK/ |
| Azure Kinect and Femto Bolt Examples for Unity | Integration, accessed July 25, 2025, https://assetstore.unity.com/packages/tools/integration/azure-kinect-and-femto-bolt-examples-for-unity-149700 |
| Azure Kinect and Femto Bolt Examples for Unity | RF Solutions, accessed July 25, 2025, https://rfilkov.com/2019/07/24/azure-kinect-examples-for-unity/ |
| Body Tracking for Orbbec Femto Bolt, Mega, & Azure Kinect | Integration | Unity Asset Store, accessed July 25, 2025, https://assetstore.unity.com/packages/tools/integration/body-tracking-for-orbbec-femto-bolt-mega-azure-kinect-157915 |
| A Fastening Tool Tracking System Using an IMU and a Position Sensor With Kalman Filters and a Fuzzy Expert System | Request PDF - ResearchGate, accessed July 25, 2025, https://www.researchgate.net/publication/224353864_A_Fastening_Tool_Tracking_System_Using_an_IMU_and_a_Position_Sensor_With_Kalman_Filters_and_a_Fuzzy_Expert_System |