# 센서와 지각의 입구. 점검용 센서는 “운반 방식”이 아닌 “측정 대상”으로 선택한다.

> https://bookfactory.kr/c/ai-tech/9803
> 게시판: AI·머신러닝
> 작성자: admin
> 작성일: 2026-08-16T18:59:30.267Z

---

![見出し画像](https://assets.st-note.com/production/uploads/images/296379979/rectangle_large_type_2_045570e5e6fa416558084f0e029aa97a.png?width=1280)

첫 번째에서는 Physical AI를 인식, 상태, 판단, 행동, 학습의 단계로 설명했습니다. 이번에는 그 시작점, 즉 인식 바로 앞 단계인 “센서”를 단계별로 살펴보겠습니다.

현장에서 “어떤 센서를 사용할지”에 대한 이야기는 종종 “드론, 로봇, 카메라 차량을 사용할지”에 대한 논의로 바뀌는 경우가 많습니다. 하지만 운반 방식은 센서의 본질이 아닙니다. 센서의 본질은 어떤 물리량을 측정하는가에 달려 있습니다. 가시광선을 수신하는지, 빛의 왕복 시간을 측정하는지, 온도를 읽는지를 보았을 때, 여기서 차이가 난다면 발견되는 결함이나 무너지는 조건도 완전히 달라집니다.

그리고 하나 더. 어떤 센서로도 나오는 것은 “그림”이나 “점”입니다. 그것은 그 자체로는 치수로는 되지 않습니다. 균열이 0.2mm인지 0.3mm인지 하는 것은 찍은 거리와 렌즈, 그리고 교정을 통해 결정됩니다. 이번에는 여섯 개의 센서 원리와 그림을 치수로 되돌리는 표준화 및 교정까지, 물리적인 측면까지 거슬러 올라가서 다룹니다.

## 센서는 “무엇을 측정하는지”로 선택하며, 방법이 아니다.

국가의 제도적 측면이 이 점을 구조적으로 보여줍니다. 국토교통성의 점검 지원 기술 성능 카탈로그는 기술을 일곱 가지 카탈로그로 분류하고 있습니다. 이미지 측정, 비파괴 검사, 측정·모니터링, 그리고 데이터 수집·통신을 포함합니다. 분류의 기준은 “어떤 원리로 측정하는가”입니다.

칠개의 카탈로그의 이름만 보셔도 드론, 로봇, 카메라차라는 단어는 하나도 나타나 있지 않습니다. 그렇다면 운반 방식은 어디에 있을까요? 표준 항목의 “3. 운동 성능”이라는 척도 중입니다. 그래서 처음으로, 비행형, 접촉형, 암형, 하중 지지형이라는 “형태”가 나타납니다. 근접하여 정지했을 때의 위치의 수렴(비행형만 해당), 진입 가능한 최소 단면, 가동 범위, 이동하면서 측정할 때의 측위 오차를 의미합니다. 운반 방식은 분류가 아닌, 척도로서 질문됩니다.

이는 제도가 “그렇게 주장하고 있는” 주장이 아닙니다. 카탈로그의 목차와 표준 항목 구조에서 읽을 수 있는 구조에 대한 지적입니다. 그 방식은 수단일 뿐이며, 측정되는 물리량이 목적이라는 구조가 국가의 분류에 그대로 나타나 있습니다.

덧붙여, 흔한 오해를 하나 바로잡아 드리겠습니다. 카탈로그의 기술명을 세어보면, 이미지 측정(다리)의 91가지 기술 중, 이름에 드론 관련 어구가 포함된 것은 27건이었습니다. 이는 “드론을 사용하는 기술이 27건”이 아닙니다. 이름에 나타나지 않는 기술들도 존재할 수 있습니다. 세어지는 것은, 단순히 이름에 어구가 포함되어 있는지 여부입니다.

그럼, 그 “측정하는 물리학”에는 어떤 종류가 있는지.

## 빛과 거리를 측정하는 여섯 가지 원리

센서를 측정하는 물리적 원리 여섯 가지로 분류합니다. 각 항목은 원리, 측정 가능한 대상, 파괴 조건, 점검 시 활용 요점 순으로 살펴봅니다.

![画像](https://assets.st-note.com/img/1784641779-QPX80wDonCSuMs2xHGiE9Uqh.png?width=1200)

### 카메라가 저렴하지만, 거리를 유지하지 않는다.

시각카메라는 수동 센서입니다. 세계에서 오는 빛을 받아들이는 것 외에는 자신은 아무것도 던지지 않습니다. 따라서 저렴하고, 해상도가 높으며, 색과 무늬를 꼼꼼하게 묘사합니다. 깨진 듯한 외관, 녹슨 색, 누수 흔적 등 표면의 상태를 파악하는 데 첫 번째 도구입니다.

약점은 거리를 유지하지 않는 데 있습니다. 하나의 카메라의 한 장의 이미지에서는 물체의 절대적인 크기가 원리적으로 결정되지 않습니다. 같은 셔터 속도를 사용한 “작고 가까운” 것과 “크고 멀리 있는” 것을 구별할 수 없는 것이죠. 게다가 밝기에 대한 제약도 있습니다. 어두운 곳에서는 센서로 도달하는 광자 수가 줄어들고, 그 변동성(노이즈)이 신호에 대해 상대적으로 커집니다. 셔터 틸트를 늘리면 흔들리고, 조안을 열면 피사계 심도가 얕아집니다. 사진에 찍힌 균열이 몇 밀리미터나 되는지는 이 한 장의 이미지로는 말할 수 없으며, 어둡게 촬영하면 오히려 윤곽이 사라집니다.

### 스테레오, 두 눈으로 삼각형을 만듭니다.

사람은 양쪽 눈으로 깊이를 느끼는 것과 같은 원리입니다. 약간 떨어뜨린 두 대의 카메라로 같은 지점을 찍으면, 그 지점은 좌우의 이미지에서 약간 다른 위치에 찍히게 됩니다. 이 ずれ를 시차라고 합니다. 시차가 클수록 가까우며, 작을수록 멀리 떨어져 있습니다. 기하학은 단순하며, 깊이 Z는 조리개 거리 f와 양안 간격(기선) B와 시차 d로부터 Z＝f・B÷d로 결정됩니다.

여기에는 두 가지 함정이 있습니다. 하나는 대응 설정입니다. 좌우의 각 픽셀이 같은 점을 찾을 수 없으면 시차를 계산할 수 없습니다. 매끄럽고 흰색의 콘크리트 면이나 흰색으로 번진 면에서는 대응점이 잡히지 않아 깊이가 빠집니다. 이 대응 설정을 작은 창으로 비슷한 패턴을 찾는 블록 매칭이나 이미지 전체에서 부드러움을 더하는 반대 영역 매칭으로 해결합니다. 다른 하나는 정확도가 거리에 따라 갑자기 악화되는 것입니다. 위의 식을 거리로 미분하면 깊이 오차는 거리에 제곱에 비례하여 증가합니다. 가까우면 밀리미터 단위로 측정되지만 멀어지면 같은 시차 오차가 큰 깊이 오차로 변합니다. 기선 B를 길게 하면 더 멀리 볼 수 있지만 양안이 멀어질수록 장치는 커지고, 함께 보이는 범위도 좁아집니다.

### ToF(Time of Flight)와 구조광: 스스로 빛을 투사하여 측정

능동 센서입니다. ToF(타임 오브 플라이트)는 변조된 빛을 쏘아 반사되는 시간이나 위상 차이로부터 거리를 측정합니다. 구조화광은 미리 알려진 패턴을 쏘아 그 패턴이 대상의 불규칙성에 의해 어떻게 왜곡되는지에서 형태를 인식합니다. 둘 다 스스로 빛을 내므로, 무늬가 없는 면에서도 거리가 떨어져 있을 때 측정할 수 있습니다.

약점은 두 가지입니다. 외부 빛에 약한 점이 하나이고, 또 ToF(Time-of-Flight) 방식의 경우 측정 가능한 거리에는 보정이 있습니다. 변조의 한 주기를 넘어선 지점은 가까운 지점과 동일한 위상으로 인식되기 때문에, 코너나 반사면에서는 빛이 여러 경로를 통해 반사되어 거리가 왜곡됩니다. 실내나 근거리에서 능숙하며, 외부 구조물의 전체를 측정하는 데는 적합하지 않습니다.

### LiDAR 레이저의 왕복 이동으로 점군을 생성한다.

펄스 형태의 레이저를 발사하여 왕복 시간으로부터 거리를 측정하고, 이를 고속으로 스캔하면 공간이 점들의 모임, 즉 점군이 됩니다. 카메라와 달리 점군은 처음부터 실측 값을 가집니다. 실외에서도 정확한 치수를 얻을 수 있어 구조물의 형태, 변형, 셈치기를 측정하는 데 적합합니다.

원리 자체와 관련된 특성들을 몇 가지 제시한다. 스캔 방식에는 거울을 기계적으로 회전시키는 방식과 MEMS 거울이나 빛의 위상으로 방향을 바꾸는 고체 방식이 있으며, 후者は보다 작고 진동에 강하다. 한 번의 펄스가 여러 면에서 반사될 수 있으며, 이러한 다중 반사를 분석하면 앞쪽 장애물의 뒤에 있는 면까지 감지할 수 있다. 반사되는 빛의 강도 자체 또한 면의 반사율을 나타내는 지표가 된다. 일반적으로 파장은 905nm 근처는 저렴하지만 태양광의 영향을 받기 쉽고, 1550nm 근처는 눈에 안전하며 높은 출력을 낼 수 있다. 약점은 점이 드문 것이다. 카메라의 픽셀처럼 빽빽하게 채워져 있지 않고, 얇은 균열과 같은 미세한 무늬는 점의 틈새에 자리 잡는다. 비나 안개, 먼지 속에서는 레이저가 중간에 흩어져 정확도가 저하된다. LiDAR는 형태를 측정하는 데 능하지만 균열의 폭을 측정하는 데는 취약하다.

### 열화상 온도 측정으로 내부를 꿰뚫어 본다.

열화상은 대상이 방출하는 적외선을 받아 온도의 분포를 나타냅니다. 사용되는 파장은 사람의 눈에 보이는 빛보다 훨씬 긴, 약 8에서 14 마이크로미터 사이의 띠입니다. 이 파장을 감지하는 마이크로볼로미터라는 소자로, 면의 온도를 그림으로 표현합니다.

점검에서 효과를 보기 위해서는 표면 아래를 꿰뚫어 보는 것입니다. 콘크리트 내부에서 균열이나 탈락이 있으면, 그곳은 열의 전달 방식이 달라져 햇빛이나 기온 변화에 대해 표면 온도가 주변과 다른 속도로 움직입니다. 이 차이가 균열이나 누수 형태로 나타나는 것입니다. 읽을 때 주의할 점이 두 가지 있습니다. 첫째, 이것은 열의 대비가 있어야 처음에는 보이는 현상입니다. 흐린 날씨에 온도차가 없는 시간대나, 대상이 주변과 같은 온도로 안정된 경우에는 내부에서 이상이 있어도 표면에는 나타나지 않습니다. 따라서 열 영상은 언제 촬영하느냐가 결과를 좌우합니다. 햇빛이나 기온 변화를 기다리는 수동적인 방식에 대해, 외부에서 열을 가해 반응을 관찰하는 능동적인 방식도 있습니다. 둘째, 그림으로 나타나는 온도는 표면의 복사율에 영향을 받습니다. 같은 온도라도 매끄러운 금속과 거친 콘크리트에서는 다른 양의 적외선을 방출합니다. 온도 자체를 숫자로 표현한다면, 복사율을 고려한 보정이 필요합니다.

### 초음파, 음향, 그리고 이벤트 카메라

빛은 표면까지만 볼 수 있습니다. 표면 아래의 빈 공간, 균열, 강철의 부식을 감지하기 위해 탄성파를 사용합니다. 초음파를 조사하여 반사까지 걸리는 시간에서 깊이를 측정하거나, 판 안을 통과하는 도파로 넓은 면을 탐색하거나, 타격을 가해 소리의 차이를 듣는 타음 진단을 수행합니다. 健全한 부분과 균열이 있는 부분에서는 두드렸을 때 반향되는 음높이가 달라집니다. 접촉이나 타격이 필요하기 때문에 면적인 속도는 나오지 않지만, 빛이 닿지 않는 내부를 직접 탐색할 수 있습니다.

새로운 시스템으로서 이벤트 카메라를 직접 체험해 보았습니다. 일반 카메라는 일정 간격으로 전체 화면을 촬영하는 반면, 이벤트 카메라는 픽셀 단위로 밝기가 일정량 변했을 때만 마이크로초의 시간 분해능으로 비동기적으로 출력합니다. 움직임의 흔들림에 강하고 명암 차이가 백데시벨을 넘는 장면에도 강합니다. 고속으로 움직이면서 촬영하는 역광과 터널 출구와 같은 극단적인 명암이 섞인 상황에서 획득 가능성이 있습니다.

어떤 센서도 측정하는 물리량이 다르면 발견되는 것이 달라지고, 붕괴되는 조건도 다릅니다. 하나로는 모든 것을 측정할 수 없습니다.

### 목표 달성에 실패한 탓으로 인해 조합이 결정되었다.

그러므로 선택 방식은 싣는 방식이 아닌, 목표로 하는 결함의 물리적 특성에서 결정됩니다. 표면의 균열 폭을 측정하는 경우에는 근접하여 교정된 고해상도 카메라를 사용하고 LiDAR는 효과가 없습니다. 반면에 桁의 휨, 변위, 단면의 형태 측정과 같은 형태를 측정하는 경우에는 실제 크기를 가진 LiDAR의 포인트 클라우드나 스테레오가 효과적입니다. 콘크리트 내부의 부식이나 탈락은 표면에 뚜렷한 무늬로 나타나지 않으므로 열 전달의 차이를 읽는 열 이미지나 두드린 소리의 차이를 듣는 타음각・탄성파에 의존합니다. 누수나 습윤은 물이 증발할 때 열을 빼앗아 표면 온도를 낮추므로 열 이미지가 포착합니다. 강재의 부식은 외관을 카메라로 확인하고 남은 두께를 초음파로 측정하는 등 역할을 분담합니다. 염분으로 인한 덮기 콘크리트의 부식과 같이 빛으로는 표면까지 도달하지 못하는 대상에는 전자기파나 전기화학적 방법을 사용하는 비파괴 검사가 필요합니다. 국가가 직할 국도를 활용하는 경우에도 염화물 이온량의 측정이 그대로 나열되어 있습니다.

하나로 채워지지 않는다면, 반복해서 사용합니다. 반복할 때는 각 센서가 세계의 어디를 향하고 있는지를 대응시키는 센서 간의 외부 기준이 필요합니다. 카메라 픽셀과 LiDAR 점을 동일한 좌표에 맞춰서 처음에는 색이 있는 점군이 되고, 형태와 무늬를 동시에 표현할 수 있습니다. 촬영 시각도 맞춰야 합니다. 움직이면서 측정하는 경우에는 카메라 한 장과 LiDAR의 한 스캔이 특정 시점의 동일한 자세에 대응하는지가 달라지면, 중복된 이미지가 생성됩니다. 융합은 각 센서의 약점을 다른 센서로 보완하는 대신, 기준 설정 및 동기화라는 노력을 새로 지는 선택입니다.

## 픽셀에서 물리적 크기로

이제부터가 이번의 핵심입니다. 센서가 내는 것은 그림과 점입니다. 검사의 판단에 사용하기 위해서는 이를 치수로 환산해야 합니다. “여기 균열이 있다” 다음의 “폭 0.2mm”를 산출하는 단계입니다.

![画像](https://assets.st-note.com/img/1784641809-5iJOYWNEntyXS9fTq6KHc1jQ.png?width=1200)

レンズには癖があります。同じ物でも、画面の端では歪み、中心とは違う写り方をします。この癖を数値で捕まえるのが標定です。捕まえるのは二種類のパラメータです。内部パラメータは、レンズとセンサ自身の性質です。焦点距離、画像の中心にあたる主点、そしてレンズの歪みの係数。歪みは、放射状に伸び縮みする成分と、レンズと素子のずれから来る成分に分けて数値化します。外部パラメータは、そのカメラが世界のどこに、どちらを向いて置かれているかで、回転と並進で表します。三次元の点は、この内部と外部をまとめた行列を通って、画像の上の一点に射影されます。標定とは、この行列を逆算する作業です。実務では、格子模様の板をいろいろな角度から撮り、板の上の既知の点が画像のどこに写ったかを手がかりに、パラメータを一括で最適化します。良し悪しは、求めたパラメータで三次元点を画像に投影し直したとき、実際に写った位置とどれだけずれるか、その再投影誤差で測ります。この誤差が画素の何分の一かに収まって、初めて標定できたと言えます。標定なしの画素は、癖のかかった絵のままで、寸法の話には乗せられません。

### 규모는 불확실하며, 절대적인 크기는 어디에서든 빌려오는 것이다.

단안 카메라에는 근본적인 제약이 있습니다. 하나의 이미지는 세계를 相似의 まま 축소하거나 확대하거나 해도 똑같이 담아냅니다. 그래서 절대적인 크기가 이미지만으로는 결정되지 않습니다. 이를 스케일 불정타라고 부릅니다. 여러 겹의 이미지에서 형태를 만들어낼 때도 사정은 같습니다. 사진만으로부터 복원한 형태는 전체를 몇 배로 하든 모순이 생기지 않습니다. 배율의 자유가 한 번 반드시 남습니다. 스케일은 밖으로부터 빌려오는 것일 뿐입니다. 이중 안의 기선 길이, 알려진 치수의 기준 물, 혹은 거리를 직접 측정하는 센서 그 무엇 하나가 있고, 처음에는 그림에 실측이 들어갑니다. 최근에는 하나의 이미지에서 奥行기를 추정하는 기술도 발전했지만 거기서 나오는 것은 대부분 상대적인 奥行기로 절대값은 역시 다른 단서로부터 주어집니다. 검사에서 “폭 몇 밀리미터”를 말한다면 스케일을 어디로부터 빌려왔는지를 항상 의식해야 합니다.

### GSD(글래스 스트레이트 데pth)의 1픽셀이 나타내는 밀리미터 값을 통해 검출 하한을 결정한다.

회를 원래 크기로 복원할 때, 마지막으로 말하는 것이 한 픽셀의 실제 치수입니다. 이를 지상 분해능, GSD라고 부릅니다. 대략적으로는 픽셀 간격과 촬영 거리를 곱하여 초점 거리로 나눈 값입니다. 멀리서 촬영하면 한 픽셀이 담당하는 실제 치수는 커지고, 가까이로 다가갈수록 작아집니다.

![画像](https://assets.st-note.com/img/1784641831-68z1KhSCTAFO4qnbHUoltg3I.png?width=1200)

이는 감지 가능한 세부성의 물리적 하한이 됩니다. 국가 성능 카탈로그 제안은 다음과 같이 제시됩니다. “0.3mm 미만의 미세 균열 폭은 감지할 수 없으며, 0.3mm 단위로 반올림하여 산출됩니다.” 즉, 1 픽셀이 0.3mm의 거리를 담당하는 방식으로 촬영하면 0.2mm의 균열은 0.2mm로 측정되지 않고, 1 픽셀 단위로 반올림됩니다. 존재하더라도 1 픽셀 단위로 반올림됩니다. 또한, 1 픽셀은 단순한 이론적인 기준일 뿐이며, 균열이 뚜렷하게 1 픽셀 폭으로 나타나지 않을 수 있습니다. 렌즈 왜곡이나 대상과의 각도에 따라 이미지는 여러 픽셀로 번지게 됩니다. 폭을 안정적으로 측정하기 위해서는 기준보다 약간 떨어져 대상이 여러 픽셀에 걸쳐 보이는 거리까지 당겨야 합니다.

숫자로 감각을 느껴보겠습니다. 가정을 위해 화소 피치가 수 마이크로미터, 렌즈의 초점 거리가 수십 밀리미터라고 가정한다면, 1미터 정도 떨어뜨려 촬영했을 때 하나의 화소가 갖는 실측 크기는 대략 수십분의 일 밀리미터 수준이 됩니다. 이는 단순한 배수 감각을 잡기 위한 예시이며, 실제 값은 장비마다 다릅니다. 핵심은 0.2mm를 측정해야 한다면, 그 값이 몇 화소에 나타나도록 촬영 거리에 가까워져야 하며, 그 거리는 렌즈와 화소로부터 역산할 수 있습니다.

여기에는 피할 수 없는 상충 관계가 발생합니다. 좁은 균열을 꼼꼼히 읽기 위해 가까이 다가간다면, 한 장에 담기는 범위는 좁아집니다. 다리 전체를 동일한 굵기로 촬영하려고 하면 사진 수가 늘어나 시간이 걸리고, 나중에 이어 붙이는 데도 추가적인 노력이 필요합니다. 반대로 넓고 빠르게 촬영하기 위해 줌 배율을 당기면 한 픽셀의 실제 크기는 흐릿해지고 좁은 균열은 바닥에 가려집니다. 해상도와 시야는 동시에 확보할 수 없습니다. 따라서 촬영 계획은 목표로 하는 균열의 굵기에 따라 필요한 GSD(게오메트릭 스캔 델타)를 결정하고, 이를 바탕으로 촬영 거리, 렌즈, 사진 수와 경로를 역으로 계산하는 작업입니다. 이 역산 결과에 따라 운반 방법을 결정하게 됩니다.

따라서 “AI가 틈새를 몇 밀리미터까지 감지할 수 있는가”는 모델의 지능의 수준을 평가하기 전에, 촬영 거리가 얼마나 되는지, 어떤 렌즈로 촬영했는지에 따라 감지의 상한이 결정됩니다. 이 점을 간과하면 감지에 대한 논의가 엉뚱한 소리만 될 것입니다. 카탈로그에 기재된 성능 값 역시 이 점을 고려하여 해석해야 합니다. 성능 값은 “개발자가 예상한 조건에서 독자적으로 산출한 이론적 또는 시험 값”이며, 공통 조건에서 비교 가능한 표준 시험 값과는 별개입니다. 숫자를 판단할 때는 그것이 어떤 종류의 값인지 확인하는 습관이 필요합니다.

## 획득 설계는 재현성 설계를 의미합니다.

센서와 캘리브레이션이 갖춰져 있어도 여전히 부족합니다. 검사는 한 번으로 끝나지 않고 5년 후에도 재촬영합니다. 그 때 이전 검사 결과와 비교되지 않으면 부식 진행은 설명할 수 없습니다. 따라서 획득하는 설계는 재현성을 확보하는 설계입니다. 국가의 참고 자료는 이 원칙을 구체적인 절차로 제시하고 있습니다.

![画像](https://assets.st-note.com/img/1784641854-V6PBx3tRg1DyIkqnhJsZpwor.png?width=1200)

정보는 두 부분으로 진행됩니다. 색상에 대해서는 24색 컬러 차트를 화면에 넣어 촬영한 후, 합성 전후의 RGB 값이 달라져 보이지 않는지 확인합니다. 균열의 두께에 대해서는 0.05, 0.1, 0.2, 0.3, 1.0 밀리미터라는 미리 정의된 두께의 크라크 스케일을 대상으로 붙여 촬영한 후, 가공 전후에 육안으로 보이는 최소 균열 폭을 확인합니다. 그 위에, 근접 시인 결과와 겹쳐 비교하여 감지되었는지 여부를 ◎○△×의 4단계로 기록합니다. 촬영만으로는 끝나지 않고, 얼마나 보이는 조건으로 촬영했는지를 증거로 남기기 위한 설계입니다.

또 다른 예로, 기계를 추가하면 현장의 절차가 완전히 달라집니다. 참고 자료는 기계가 감지한 균열에 대해 “다리 현상 진단원은 손을 더하지 않는다”라고 규정하고 있습니다. 사람이 좋게 하려고 손을 대면 객관성과 재현성이 깨지기 때문입니다. 그러나 알고리즘에 따라 검사자가 현장에서 그어 놓은 읠을 균열로 오탐할 수 있습니다. 그래서 자료는 다음과 같이 지시합니다. “읠을 균열로 오탐할 가능성이 있는 경우에는 사진 촬영 후 읠킹을 수행한다.” 사람이 오랫동안 해왔던 작업 순서가 기계의 특성에 맞춰 바뀌는 것입니다. 획득의 자동화는 촬영 방식뿐만 아니라 현장의 절차까지 재설계한다는 이야기입니다.

실제 연구에서는 동일한 면을 시간 경과에 따라 촬영하여 균열의 진행을 기록하고 있습니다. 초기에는 가늘고 희미한 균열이 시간이 지나면서 두껍고 짙어지는 것을 확인할 수 있습니다.

![画像](https://assets.st-note.com/img/1784641871-qC2vM8E0lyTOS9cGpw7aVzQm.png?width=1200)

또한, 비교의 장소도 이미 마련되어 있습니다. 검사 결과물을 제출하는 폴더 구성에는 ‘06_SONSHOUPHOTOZ’라는 이름의 위치가 있으며, 그 안에는 이전 검사 시의 손상 사진이 담겨 있습니다. 합성 전 생사진을 제출하고, 시기를 달리하여 다른 소프트웨어로도 합성 가능한 보존 방법을 따르도록 규정되어 있습니다. 사진은 径間 및 부재별로 나누어 보관합니다.

이것은 첫 번째 단계에서 설정한 세 가지 조건 중 두 번째 조건에 직접 연결됩니다. ‘지난번과 비교해라’와 같이 꼼꼼하게 비교하는 것을 요구한 것은 아니지만, 이전 사진을 놓을 위치와 나중에 재현할 형식을 이미 정해놓았습니다. 두 번째 조건의 자리, 즉 센서로 정확하게 촬영하고, 기준 설정과 보정으로 치수를 맞추어 이전과 똑같은 형태로 남겨두는 것이죠. 이 모든 것이 완벽하게 연결되어야만 다음 단계, 즉 상태로 기억할 수 있게 됩니다.

![画像](https://assets.st-note.com/img/1784641893-NOJ6g7h0fwYWzREMx5myLjFD.png?width=1200)

## 그녀는 텅 빈 방에 앉아 있었다. 창밖에는 빗소리가 들려왔다. 빗소리는 마치 낡은 흑백 영화의 배경 음악 같았다. 그녀는 컵을 들고, 텅 빈 컵을 바라보았다. 컵 안에는 찻잎의 흔적이 희미하게 남아 있었다. 찻잎은 마치 그녀의 기억처럼, 희미하고 흐릿했다.

그녀는 찻잔을 내려놓고, 다시 창밖을 바라보았다. 빗줄기는 점점 굵어졌다. 그녀는 마치 무언가를 기다리는 듯, 멍하니 빗줄기를 바라보았다. 

그녀는 생각했다. ‘나는 왜 이곳에 있는 걸까?’ 그녀는 자신이 어디에 있는지, 왜 이곳에 있는지, 그리고 무엇을 해야 하는지 전혀 알지 못했다. 그녀는 마치 낯선 땅에 홀로 떨어진 어린아이처럼, 혼란스럽고 불안했다.

그녀는 찻잔을 다시 들고, 마지막 한 방울의 차를 마셨다. 차의 맛은 쌉쌀했지만, 그녀는 그 맛을 통해 마치 무언가를 깨닫는 듯한 기분을 느꼈다. 

그녀는 찻잔을 내려놓고, 다시 창밖을 바라보았다. 빗줄기는 점점 잦아들고 있었다. 그녀는 마치 새로운 시작을 알리는 듯, 빗소리를 들으며 미소를 지었다. 

그녀는 깨달았다. ‘나는 혼자가 아니다.’ 그녀는 자신이 잃어버린 기억과 함께, 이 텅 빈 방에 앉아 있는 자신을 받아들이기로 했다. 그리고 그녀는 빗소리를 들으며, 새로운 삶을 시작하기로 했다.

센서는 운반 방식이 아닌, 어떤 물리량을 측정하는 데 따라 선택한다. 가시 카메라, 스테레오, ToF, LiDAR, 열 영상, 초음파, 타악기 등 측정하는 물리량이 다르면, 발견되는 결함이나 무너질 조건도 달라진다. 국가의 제도들이 기술을 운반 수단이 아닌 측정 원리로 분류하는 것도 같은 이유다.

또한, 어떤 센서의 그림도 그대로는 치수로는 맞지 않습니다. 캘리브레이션에서 렌즈의 굴절 섭동을 포착하고, 스케일을 외부에서 빌려오며, GSD가 감지하는 하한을 뺴냅니다. 픽셀 하나 실측보다 얇은 균열은 모델의 지혜 이전에는 원리적으로는 포착되지 않습니다. 따라서 획득의 설계는 재현성의 설계입니다. 캘리브레이션에서 보이는 조건을 증거로 남기고, 기계의 출력에 손을 대지 않고, 전 회차 사진을 정해진 위치에 보존하며, 제1회에 놓았던 제2 조건의 위치는 제도 측면에서 이미 준비되어 있습니다.

다음 회차는 이 그림과 점들을 공간에 통합하는 단계, 3차원 재구성(三次元再構成)을 다룹니다. 여러 사진에서 형태를 재구성하는 SfM(스테레오 비전)부터 NeRF, 그리고 3D 가우시안 스플래터링까지, 검토에 사용할 수 있는 기하학적 형태(幾何학적 형태)를 어떻게 만드는지 심층적으로 분석합니다.

본 기사는 “Physical AI 점검·보전 講座” 시리즈의 두 번째 회입니다. 다음 회차에서는 삼차원 재구성 및 공간 획득을 다룹니다. 슬라이드 자료(PDF)는 무료로 다운로드하실 수 있습니다.

## 出典

- 출전: Chodura, Greeff & Woods, “UAV 기반 3D 재구성에서의 비행 파라미터 평가…” arXiv:2504.02084 (2025) Fig.1
- 국토교통부 도로국 “직접 국도에 대한 점검 지원 기술 활용의 원칙화” 활용을 원칙으로 하는 항목【교량】(할로겐 이온 측정 포함)
- 국토교통부 도로국「교량·터널 점검 지원 기술 성능 카탈로그」제1장·표준 항목 부록 (令和8년 5월／제작 令和8년 3월)
- 국토교통부 보도자료 “점검 지원 기술 성능 카탈로그 확대(2026년 4월 1일)”
- 국토교통부 도로국 “도로교량 정기 점검요령(기술 자문/해설 및 운영 기준)” (2024년 3월)
- 국토교통부 도로국 국도·기술과「오르소모자이크 이미지 생성 및 저장에 관한 참고자료(안)」(2023년 3월)
- 국토교통부 도로국 국도·기술과 “기계 등을 이용한 균열도 생성에 관한 참고자료(안)” (2024년 3월)
- 児玉祐一「道路トンネル定期点検における点検支援技術の導入促進」建設機械施工 Vol.76 No.5（2024年5月）
- Harb, Achanccaray, Maboudi, Gerke "심층 학습을 이용한 콘크리트 구조물의 다중 시간대 균열 분할" (arXiv:2411.04620, 2024) Fig.5 ※ 그림은 CC BY 4.0 라이선스 하에 이용 가능
- 센서의 측정 원리, 카메라 정규화, GSD는 공학의 일반적인 사실에 기반하며, 특정 제품의 성능 지수는 포함하지 않습니다.

> 
> 
> 강의의 모든 것을 무료로 받아보세요: https://yodolabs.jp/ja/courses/physical-ai-inspection-2026-summer/l02
> 

**출처:** [note 원문](https://note.com/pan_xiuxi/n/n15606ea04843)

*번역: Gemma 3(.44) 초벌 + 교정 52청크*

[원문 보기](https://note.com/pan_xiuxi/n/n15606ea04843) | 출처: note.com