ToF(Time of Flight) 센서란? 카메라와 LiDAR 사이, 실내 로봇의 최적 선택
ToF(Time of Flight) 센서란? 카메라와 LiDAR 사이, 실내 로봇의 최적 선택
실내 자율주행 로봇은 사람이나 장애물을 피하면서 목적지까지 정확하게 이동해야 합니다.
이를 위해서는 주변 환경을 빠르게 인식하고 물체까지의 거리를 정확하게 측정하는 센서가 필요합니다.
가장 많이 알려진 기술은 카메라와 LiDAR(라이다)이지만, 최근에는 ToF(Time of Flight, 비행시간측정) 센서가 다양한 로봇과 스마트 기기에 적용되고 있습니다. ToF 센서는 LiDAR보다 하드웨어 구조가 단순해 가격 경쟁력이 높고, 일반 카메라와 달리 깊이(Depth) 정보를 직접 얻을 수 있다는 확실한 장점이 있습니다.
이번 글에서는 ToF 센서의 작동 원리부터 dToF와 iToF의 기술적 차이, 그리고 왜 실내 자율주행 로봇의 핵심 눈이 되었는지 깊이 있게 분석해 보겠습니다.
1. ToF(Time of Flight) 센서의 기본 원리
ToF 센서는 단어 뜻 그대로 '빛이 날아가서 물체에 부딪힌 뒤 돌아오는 시간(비행 시간)'을 측정하여 거리를 계산하는 센서입니다.
빛의 속도(초당 약 30만 km)는 진공에서든 공기 중에서든 사실상 일정하므로, 발사된 빛이 수신기에 도달하기까지의 시간(t)만 초정밀 단위로 측정하면 두 지점 사이의 거리(d)를 역산할 수 있습니다.
d = (빛의 속도 × 왕복 시간) ÷ 2
이 원리는 흔히 자율주행차에 쓰이는 LiDAR와 근본적으로 같습니다.
다만 시장에서는 아래와 같이 구분하여 부르는 경향이 있습니다.
- ToF 센서(또는 ToF 카메라): 수만 개의 픽셀을 가진 센서(면 형태)를 통해 주변 영역을 한 번에 비춰 전체의 깊이 지도(Depth Map)를 만듭니다.
- LiDAR: 레이저 빔을 회전(Mechanical)시키거나 거울로 반사(MEMS)시켜 가며 점(Point) 단위로 거리를 빠르게 스캔해 포인트 클라우드(Point Cloud, 점군)를 생성합니다.
💡 기술 트렌드 Note: 최근에는 라이다 역시 모터 회전부가 없는 고정형 '솔리드 스테이트 라이다(Solid-State LiDAR)'나 면 광원을 쏘는 '플래시 라이다(Flash LiDAR)' 형태로 진화하면서, ToF 카메라와의 하드웨어적 경계가 점차 허물어지고 있습니다.
2. ToF 센서의 두 가지 심장: dToF vs iToF
ToF 센서는 시간을 어떻게 처리하느냐에 따라 크게 직접 방식(dToF)과 간접 방식(iToF)으로 나뉩니다.
두 방식은 센서 설계와 단가, 응용처를 결정짓는 핵심 요인입니다.
① 직접 방식 (dToF, Direct ToF)
아주 짧고 강한 레이저 펄스(Pulse)를 쏘고, 반사되어 돌아오는 물리적인 시간(t)을 초정밀 타이머로 직접 측정합니다.
- 특징: 극도로 미세한 빛 알갱이 하나까지 잡아내는 SPAD(Single-Photon Avalanche Diode, 단일광자 애벌란시 다이오드) 센서 어레이가 필요합니다.
- 장점: 먼 거리(수십~수백 m)까지 측정할 수 있고, 강한 야외 햇빛(외란광) 환경에서도 간섭을 잘 극복합니다. 일반 상용 제품은 보통 cm 단위의 정확도를 가지며, 고정밀 산업·측량용 제품은 mm 단위까지 구현됩니다.
- 단점: 고난도의 센서 패키징 및 미세 공정이 필요해 생산 단가가 상대적으로 매우 높습니다.
- 대표 예시: 자율주행 차량용 LiDAR, 아이폰·아이패드 프로 라인업의 LiDAR 스캐너
② 간접 방식 (iToF, Indirect ToF)
빛의 시간을 직접 재는 대신, 일정한 주기로 밝기가 변조(Modulation)된 연속파(Continuous Wave) 빛을 방출합니다.
이후 반사되어 돌아온 빛의 위상 차이(Phase Shift, 파형이 밀린 정도)를 계산하여 거리를 간접적으로 알아냅니다.
- 특징: 일반적인 CMOS 이미지 센서 픽셀 기술을 응용할 수 있어 대량 생산이 쉽고, 픽셀 수를 늘려 해상도를 높이기에 유리합니다.
- 장점: 조밀한 깊이 영상(해상도)을 얻을 수 있고, 하드웨어 구성 비용이 상대적으로 저렴합니다.
- 단점: 변조 주기의 한계로 인해 측정 범위를 벗어나면 거리가 왜곡되는 '위상 모호성(Phase Ambiguity)' 문제가 발생합니다. 정확도 자체는 dToF보다 낮은 편이며, 야외 태양광 아래에서는 적외선 노이즈로 인해 측정 오차가 더 커집니다.
- 대표 예시: 실내용 서비스 로봇, 스마트폰 안면 인식(Face ID), AR 기기
3. ToF 센서 vs 일반 RGB 카메라 vs LiDAR 비교
세 센서는 자율주행과 공간 인식을 구성하는 핵심 축입니다. 아래 표를 통해 한눈에 비교해 보겠습니다.
| 구분 | 일반 RGB 카메라 | ToF 센서 (주로 iToF) |
LiDAR (주로 dToF) |
| 측정 방식 | 반사된 빛의 가시광선 색상 촬영 |
면(面) 단위 광원 방출 및 위상차 측정 |
레이저 스캔을 통한 물리적 시간(dToF) 측정 |
| 출력 형태 | 2D 이미지 (RGB Color) |
3D 깊이 영상 (Depth Map) |
3D 포인트 클라우드 (Point Cloud) |
| 거리 정보 | 없음(소프트웨어적 추정만 가능) |
직접 획득 (대개 5m 이내) |
직접 획득 (수십~수백 m) |
| 정밀도 | 거리 측정 불가 | 측정 거리의 약 1% 내외 오차, 대신 해상도가 높음 |
보통 센티미터(cm) 단위 오차, 최상급 정밀 제품은 mm 단위까지 가능 |
| 환경 영향 | 어두운 환경(야간)에 취약 |
야외 직사광선(햇빛)에 다소 취약 |
악천후(안개, 눈, 비) 외에는 비교적 안정적 |
| 시스템 비용 |
매우 저렴 | 낮음 ~ 보통 | 매우 높음 |
4. 실내 로봇이 ToF 센서를 선택하는 이유
식당 서빙 로봇, 병원 배송 로봇 등 실내에서 활동하는 자율주행 로봇 설계 시 ToF 센서가 표준으로 자리 잡은 이유는 무엇일까요?
- 근거리 공간의 완벽한 매핑: 실내 로봇이 탐지해야 하는 범위는 보통 5m 이내입니다. ToF 센서는 고가의 장거리 LiDAR를 쓰지 않고도 이 영역의 장애물을 입체적으로 인식합니다.
- 실시간 장애물 회피: 한 프레임(Frame) 안에 수만 개의 깊이 데이터를 동시에 출력하므로, 갑자기 나타난 사람이나 애완동물의 실루엣을 지연 시간(Latency) 없이 실시간으로 탐지합니다.
- 소형화 및 전력 효율: 복잡한 기계식 모터나 스캐닝 미러가 없기 때문에 로봇 내부 공간을 거의 차지하지 않으며, 배터리 소모량이 적어 로봇의 운행 시간을 늘려줍니다.
5. ToF 센서의 한계
완벽해 보이는 ToF 센서도 실내 환경에서 아래와 같은 물리적 한계를 겪으며, 이를 극복하기 위한 신호 처리 기술이 꾸준히 연구되고 있습니다.
- 다중경로 간섭 (Multipath Interference): 방 모서리나 좁은 복도를 지나갈 때, 벽면에서 여러 번 반사된 적외선 신호가 하나의 픽셀에 섞여 들어오면서 실제 거리보다 멀리 있는 것처럼 왜곡되는 현상입니다. 일반적으로 거리가 실제보다 길게 측정되는 방향으로 오차가 나타나지만, 장면 구조에 따라 왜곡 양상은 달라질 수 있습니다.
- 반사율에 따른 왜곡 (Ambiguity on Reflectivity): 거울처럼 빛을 그대로 반사하는 유리창이나, 반대로 빛을 거의 다 흡수해 버리는 검은색 카펫을 만났을 때 깊이 값 정보를 잃어버리는 현상이 발생할 수 있습니다.
6. 결론: 센서 융합(Sensor Fusion)의 시대
최근 로봇 공학에서는 ToF 센서 단독으로 모든 경로를 파악하지 않습니다.
바닥면의 장애물이나 테이블 모서리를 놓치지 않기 위해 ToF 카메라로 정면의 3D 공간을 실시간 감시하고, 실내 전방위 지도를 그릴(SLAM) 때는 가성비 좋은 2D 360도 회전 라이다를 혼합합니다. 여기에 차선이나 장애물의 고유 색상을 분류하는 RGB 카메라를 얹어 하나의 인식 데이터로 묶어내는 '센서 융합(Sensor Fusion)' 기술이 실내 로봇의 안전성을 완성하고 있습니다.
ToF 센서는 고성능 반도체 소자(SPAD) 기술의 발전과 알고리즘 고도화에 힘입어, 앞으로 실내를 넘어 점차 실외 자율주행 영역까지 그 활용 범위를 넓혀갈 것입니다.