플러스프로젝트 배경
1. 문제점 (Problem Statement) ㅇ 데이터 부하의 한계: 9대의 Azure Kinect 카메라에서 쏟아지는 방대한 RGB-D(Color+Depth) 데이터를 단일 워크스테이션에서 처리할 경우, 대역폭 부족과 연산 성능의 한계로 인해 실시간성(30fps) 확보가 불가능했습니다. ㅇ 상용 솔루션의 제약: 기존의 고수준 라이브러리나 상용 솔루션은 특정 환경에 최적화하기 어렵고, 데이터 핸들링
프로젝트 성과
분산 처리 기반 실시간성 확보
9대 카메라의 데이터를 3:1 클러스터 구조로 분산 처리하여 단일 워크스테이션의 성능 한계를 극복했습니다. 이를 통해 지연 없는 실시간 30fps 구동을 안정적으로 달성하며 시스템 효율을 극대화했습니다.
C++ 로우레벨 최적화 및 기술 자립
외부 라이브러리 의존 없이 핵심 모듈 90% 이상을 C++로 직접 구현했습니다. 메모리 직접 참조 및 데이터 직렬화 최적화를 통해 오버헤드를 줄이고 독자적인 원천 기술과 높은 커스터마이징 자유도를 확보했습니다.
비동기 파이프라인 통한 프레임 유지
데이터 취득, 가공, 전송 공정을 멀티스레드 비동기 파이프라인으로 설계했습니다. 각 단계의 병렬 처리를 통해 고부하 연산 상황에서도 프레임 손실 없이 매끄러운 3D 영상 스트리밍 환경을 구축했습니다.
고성능 3D 커스텀 뷰어 개발
OpenGL 기반 커스텀 렌더러를 개발하여 수백만 개의 포인트 클라우드를 실시간 시각화했습니다. 최적화된 동기화 기법으로 조작 시 끊김 없는 인터랙션을 제공하며 고품질의 실감형 콘텐츠 확인을 가능케 했습니다.
단계적 캘리브레이션 및 정밀 정합
로컬 및 글로벌 캘리브레이션 모듈을 구축하여 9대 카메라의 시점을 하나의 전역 좌표계로 통합했습니다. 다각도 데이터 병합 시 발생하는 시각적 왜곡을 해결하여 정교하고 일체감 있는 볼류메트리 영상을 구현했습니다.
핵심 기능
클러스터 기반 분산 처리 엔진
9대 카메라의 대용량 데이터를 3대의 클러스터 PC에 분산 할당하여 실시간으로 처리합니다. 단일 워크스테이션의 부하를 지능적으로 분산해 시스템 전반의 연산 속도와 안정성을 확보했습니다.
진행 단계
요구사항 분석
2024.03.
RGB-D 카메라 9대 데이터를 실시간으로 처리하기 위한 제약 사항을 검토했습니다. PC의 대역폭 한계를 분석하고, 이를 극복하기 위한 멀티 클러스터 기반 분산 처리 시스템 도입 필요성과 목표 성능을 정의했습니다.
프로젝트 상세
1) 포트폴리오 소개 ㅇ 서비스 카테고리: 실감형 콘텐츠 테크 / 3D 비전 및 데이터 처리 시스템 ㅇ 메인 타깃: 실시간 실감 미디어 송출이 필요한 방송국, 메타버스 플랫폼, 고정밀 디지털 트윈 구축 기업 ㅇ 간략 소개: 9대의 깊이 카메라를 활용해 인물이나 사물을 실시간 3D 데이터로 캡처하고, 이를 지연 없이 통합하여 시각화하는 고성능 볼류메트리 원천 기술 개발 프로젝트입니다. 2) 작
