자율비행의 핵심 기술

자율비행은 '혼자 나는 기능'이 아니다

자율비행이라고 하면 드론이 사람 없이 알아서 날아다니는 모습을 떠올리기 쉽다. 하지만 실제 자율비행은 하나의 버튼이나 한 가지 센서로 완성되지 않는다. 여러 기술이 순서대로 연결된 결과다.

드론이 스스로 날기 위해서는 네 가지 일을 계속 반복해야 한다.

1. 내가 어디에 있는지 알아야 한다.
   GPS, IMU, 나침반, 카메라, LiDAR 같은 센서가 위치와 자세를 추정한다.

2. 주변에 무엇이 있는지 알아야 한다.
   장애물, 지면, 벽, 사람, 전선, 나무, 건물의 위치를 파악해야 한다.

3. 어디로 가야 할지 결정해야 한다.
   목적지, 비행 경로, 배터리, 비행 제한 구역, 장애물을 함께 고려한다.

4. 정한 경로대로 안정적으로 움직여야 한다.
   비행 컨트롤러가 모터 출력을 조절해 속도, 고도, 방향을 유지한다.

즉 자율비행은 위치 인식, 환경 이해, 경로 계획, 자세 제어가 결합된 종합 기술이다. 이 중 하나라도 약하면 드론은 안전하게 날 수 없다.

웨이포인트 비행: 점을 따라가는 자동비행

자율비행의 가장 기본적인 형태는 웨이포인트 비행이다. 웨이포인트는 드론이 지나가야 할 지점을 뜻한다. 지도 위에 점을 찍고, 각 점마다 고도와 속도, 방향, 촬영 명령을 설정하면 드론은 그 순서대로 이동한다.

예를 들어 농경지를 촬영한다고 해보자. 조종자는 지도에서 밭의 경계를 지정하고, 고도 80m, 속도 5m/s, 사진 촬영 간격 2초 같은 조건을 입력한다. 그러면 드론은 정해진 선을 따라 왕복 비행하며 사진을 찍는다. 측량, 농업 모니터링, 시설 점검에서 자주 쓰는 방식이다.

웨이포인트 비행의 흐름은 대체로 다음과 같다.

• 지도에서 비행 구역과 경로를 설정한다.

• 각 지점의 고도, 속도, 기체 방향, 카메라 동작을 정한다.

• 이륙 전 GPS 수신 상태와 홈 포인트를 확인한다.

• 드론이 첫 번째 지점으로 이동한다.

• 다음 지점으로 차례대로 이동하며 임무를 수행한다.

• 임무가 끝나면 착륙하거나 리턴 투 홈으로 복귀한다.

웨이포인트 비행은 사람의 조종 부담을 크게 줄여준다. 같은 경로를 반복해서 날릴 수 있고, 일정한 간격으로 사진을 촬영할 수 있다. 그래서 데이터 수집 작업에 특히 유리하다.

하지만 웨이포인트 비행이 곧 완전한 자율비행은 아니다. 드론은 기본적으로 "정해진 좌표로 이동"할 뿐이다. 그 사이에 새로 생긴 장애물, 갑작스러운 바람, GPS 오차, 배터리 부족을 모두 완벽하게 판단하는 것은 별개의 문제다.

GPS 기반 자동비행의 장점과 한계

많은 드론의 자동비행은 GPS를 기반으로 한다. GPS는 위성 신호를 이용해 드론의 위치를 계산한다. 드론은 현재 위치와 목표 위치의 차이를 비교하고, 목표 지점으로 가기 위해 속도와 방향을 조절한다.

GPS 기반 자동비행의 장점은 분명하다.

• 넓은 야외 공간에서 위치를 쉽게 알 수 있다.

• 지도 기반으로 경로를 만들기 쉽다.

• 같은 작업을 반복하기 좋다.

• 리턴 투 홈, 자동 착륙, 지오펜스 같은 기능과 연결하기 쉽다.

지오펜스는 가상의 울타리다. 드론이 특정 구역 밖으로 나가지 못하게 하거나, 비행 금지 구역에 접근하지 않도록 제한하는 기능이다.

정밀한 작업에서는 일반 GPS보다 더 정확한 위치 보정 기술을 쓰기도 한다. 대표적으로 RTK가 있다. RTK는 기준국의 보정 정보를 이용해 위치 오차를 줄이는 방식이다. 일반 GPS가 몇 미터 단위의 오차를 가질 수 있다면, RTK는 조건이 좋을 때 훨씬 더 정밀한 위치 추정을 가능하게 한다. 측량 드론에서 RTK가 중요한 이유가 여기에 있다.

하지만 GPS는 만능이 아니다. 고층 건물 사이, 다리 아래, 산골짜기, 실내, 숲속에서는 신호가 약해지거나 튈 수 있다. 위성 신호가 건물에 반사되면 드론은 실제 위치와 다른 곳에 있다고 착각할 수 있다. 이를 멀티패스 현상이라고 한다.

GPS 기반 자동비행의 핵심 한계는 이것이다. GPS는 위치를 알려주지만, 주변을 이해해주지는 않는다. 지도상으로는 안전한 직선 경로처럼 보여도 실제 공간에는 전선, 크레인, 나무, 새, 사람, 차량이 있을 수 있다. 그래서 자동비행에는 장애물 회피와 환경 인식 기술이 함께 필요하다.

장애물 회피: 센서로 위험을 판단한다

장애물 회피는 드론이 주변 물체를 감지하고 충돌 위험을 줄이는 기술이다. 단순히 "앞에 뭐가 있다"를 아는 것만으로는 부족하다. 드론은 장애물이 얼마나 가까운지, 어느 방향에 있는지, 움직이는 물체인지, 지금 속도로 계속 가면 부딪힐지를 판단해야 한다.

장애물 회피에 쓰이는 센서는 여러 종류가 있다.

• 카메라: 주변 영상을 보고 물체의 형태와 위치를 파악한다.

• 스테레오 카메라: 두 개의 카메라 시차를 이용해 깊이를 추정한다.

• 초음파 센서: 가까운 거리에서 지면이나 물체까지의 거리를 잰다.

• 적외선·ToF 센서: 빛이 돌아오는 시간을 이용해 거리를 측정한다.

• LiDAR: 레이저를 쏘고 돌아오는 시간을 측정해 3차원 거리 정보를 만든다.

• 레이더: 전파를 이용해 물체를 감지하며, 일부 환경에서 빛보다 안정적인 장점이 있다.

장애물 회피 과정은 보통 네 단계로 나눌 수 있다.

첫째, 센서가 주변 데이터를 수집한다. 카메라는 영상을 얻고, LiDAR는 거리 점들을 모은다. 초음파 센서는 가까운 물체까지의 거리를 측정한다.

둘째, 드론은 데이터에서 장애물을 찾아낸다. 벽인지, 나무인지, 사람인지, 단순한 그림자인지 구분해야 한다.

셋째, 충돌 가능성을 계산한다. 물체가 가까워지는지, 드론의 진행 방향과 겹치는지, 지금 속도로 멈출 수 있는지 판단한다.

넷째, 행동을 선택한다. 속도를 줄이거나, 정지하거나, 옆으로 피하거나, 새로운 경로를 만든다.

초보자가 알아야 할 중요한 점은 장애물 회피 기능을 과신하면 안 된다는 것이다. 얇은 전선, 유리창, 가느다란 나뭇가지, 역광, 비, 안개, 빠르게 움직이는 물체는 센서가 놓칠 수 있다. 특히 카메라 기반 센서는 빛의 영향을 많이 받는다. 하얀 벽처럼 특징이 적은 표면이나 어두운 실내에서도 성능이 떨어질 수 있다.

장애물 회피는 안전을 높이는 보조 기술이다. 조종자의 판단을 대신하는 완전한 보호막은 아니다.

LiDAR와 깊이 센서: 공간을 거리로 읽는 기술

LiDAR는 자율비행에서 자주 언급되는 센서다. Light Detection and Ranging의 줄임말로, 레이저 빛을 쏘고 반사되어 돌아오는 시간을 계산해 거리를 측정한다. 이렇게 얻은 거리 정보가 쌓이면 주변 공간을 점들의 집합으로 표현할 수 있다. 이를 포인트 클라우드라고 한다.

카메라가 색과 모양을 보는 센서라면, LiDAR는 거리를 직접 재는 센서에 가깝다. 그래서 벽, 기둥, 지형, 구조물의 형태를 3차원으로 파악하는 데 유리하다. 실내 비행, 터널 점검, 산림 조사, 자율주행 로봇, 고정밀 지도 제작에서 많이 쓰인다.

LiDAR의 장점은 다음과 같다.

• 거리 측정이 비교적 정확하다.

• 3차원 구조를 파악하기 좋다.

• 어두운 환경에서도 카메라보다 유리한 경우가 있다.

• SLAM과 결합하면 GPS 없이도 위치 추정이 가능하다.

물론 단점도 있다. 장비가 비싸고, 무게와 전력 소모가 부담될 수 있다. 비나 안개, 먼지처럼 레이저가 산란되는 환경에서는 성능이 떨어질 수 있다. 작은 드론에 고성능 LiDAR를 장착하려면 기체 크기, 배터리, 비행시간까지 함께 고려해야 한다.

깊이 센서도 비슷한 역할을 한다. 깊이 센서는 물체까지의 거리를 픽셀 단위로 추정한다. 실내 드론, 소형 로봇, 근거리 장애물 회피에 유용하다. 다만 측정 거리와 정확도, 야외 사용 가능 여부는 센서 방식에 따라 크게 달라진다.

SLAM: 지도와 위치를 동시에 만든다

GPS가 약한 곳에서는 드론이 스스로 위치를 알아내야 한다. 이때 중요한 기술이 SLAM이다. SLAM은 Simultaneous Localization and Mapping의 줄임말이다. 우리말로는 "동시적 위치 추정 및 지도 작성"이라고 한다.

말은 어렵지만 원리는 생활 속에서 이해할 수 있다. 낯선 건물 안에 들어갔다고 생각해보자. 우리는 복도를 걸으며 문, 벽, 계단, 창문을 본다. 동시에 "내가 방금 어디서 왔고, 지금 어느 방향을 보고 있는지"를 머릿속에 그린다. 다시 같은 복도에 오면 "아까 봤던 곳이네" 하고 위치를 바로잡는다. SLAM도 이와 비슷하다.

SLAM은 두 가지 일을 동시에 한다.

• 주변의 특징점을 찾아 지도를 만든다.

• 그 지도 안에서 드론 자신의 위치를 추정한다.

카메라를 쓰면 Visual SLAM이라고 부른다. 영상 속 특징점, 예를 들어 모서리, 점, 선, 질감의 변화를 추적해 드론의 움직임을 계산한다. LiDAR를 쓰면 LiDAR SLAM이라고 부른다. 주변 거리 정보를 이용해 공간 구조를 만들고, 그 안에서 위치를 추정한다.

SLAM에서 중요한 개념 중 하나는 누적 오차다. 드론이 조금씩 움직일 때마다 위치를 계산하면 작은 오차가 계속 쌓인다. 처음에는 몇 센티미터 차이였던 오차가 시간이 지나면 크게 벌어질 수 있다. 그래서 SLAM은 이전에 봤던 장소를 다시 인식해 오차를 줄인다. 이를 루프 클로저라고 한다. "한 바퀴 돌아 다시 같은 곳에 왔다"는 것을 알아차리고 지도를 보정하는 과정이다.

SLAM은 실내 비행, 창고 자동 점검, 지하 시설 조사, GPS 음영 지역 탐사에 매우 중요하다. 하지만 SLAM도 완벽하지 않다. 주변에 특징이 거의 없는 흰 벽, 반복되는 복도, 어두운 조명, 빠른 회전, 흔들림이 심한 비행에서는 실패할 수 있다. 따라서 SLAM 기반 드론은 센서 품질, 조명, 비행 속도, 연산 성능, 알고리즘 안정성이 모두 중요하다.

경로 계획: 가장 짧은 길보다 안전한 길

자율비행 드론은 목적지만 알아서는 안 된다. 어떻게 갈지도 정해야 한다. 이 과정을 경로 계획이라고 한다.

사람이 차를 운전할 때도 단순히 직선으로 목적지까지 가지 않는다. 도로, 신호, 공사 구간, 교통량, 연료, 날씨를 고려한다. 드론도 마찬가지다. 하늘은 비어 있는 것처럼 보이지만 실제로는 많은 제약이 있다.

경로 계획에서 고려해야 할 요소는 다음과 같다.

• 출발지와 목적지

• 장애물의 위치와 높이

• 비행 금지 구역과 제한 구역

• 배터리 잔량과 복귀 가능 거리

• 바람의 방향과 세기

• 통신 가능 범위

• 지형과 건물 높이

• 비상 착륙 가능 지점

• 촬영 또는 점검에 필요한 시야와 각도

좋은 경로는 가장 짧은 경로가 아니다. 안전하게 도착하고, 임무를 수행하고, 돌아올 수 있는 경로가 좋은 경로다.

경로 계획은 크게 두 단계로 볼 수 있다. 먼저 큰 흐름을 정하는 전역 경로 계획이 있다. 지도 전체를 보고 출발지에서 목적지까지 어떤 방향으로 갈지 정한다. 다음으로 지역 경로 계획이 있다. 비행 중 갑자기 나타난 장애물이나 바람 변화에 대응해 세부 움직임을 조정한다.

예를 들어 배송 드론이 섬마을로 약품을 운반한다고 해보자. 전역 경로 계획은 항로, 고도, 목적지, 복귀 지점을 정한다. 지역 경로 계획은 비행 중 만난 새, 돌풍, 선박의 돛대, 착륙 지점 주변 사람을 피하는 판단에 가깝다.

경로 계획이 어려운 이유는 모든 조건이 계속 변하기 때문이다. 바람은 일정하지 않고, 배터리는 줄어들며, 통신 상태는 위치에 따라 달라진다. 자율비행은 처음 세운 계획을 그대로 따르는 기술이 아니라, 상황에 맞게 계획을 계속 갱신하는 기술이다.

자동비행과 자세 제어는 서로 다르다

자율비행을 이해할 때 헷갈리기 쉬운 점이 있다. 자동으로 경로를 따라가는 기능과 기체를 안정적으로 유지하는 기능은 같은 것이 아니다.

경로 계획은 "어디로 갈 것인가"를 결정한다. 자세 제어는 "그 방향으로 실제로 어떻게 움직일 것인가"를 담당한다. 드론이 오른쪽으로 10m 이동해야 한다면, 비행 컨트롤러는 기체를 살짝 기울이고 모터 출력을 조절해 이동을 만든다. 바람이 불면 더 기울이거나 속도를 보정한다.

자율비행의 상위 단계는 목표 위치, 속도, 방향을 정한다. 하위 단계의 비행 컨트롤러는 그 목표를 실제 모터 출력으로 바꾼다. 그래서 자율비행 기술이 발전해도 비행 컨트롤러의 안정성은 여전히 중요하다.

AI가 경로를 잘 판단해도 기체가 흔들리면 촬영 품질이 떨어진다. GPS가 정확해도 모터나 프로펠러 상태가 나쁘면 경로를 따라가지 못한다. 자율비행은 소프트웨어만의 문제가 아니라 기체, 센서, 전원, 제어가 함께 맞물리는 문제다.

군집비행: 여러 대가 함께 나는 기술

군집비행은 여러 대의 드론이 서로 협력해 움직이는 기술이다. 한 대가 할 수 없는 일을 여러 대가 나누어 수행할 수 있다. 넓은 지역 수색, 대규모 농경지 모니터링, 재난 현장 조사, 공연용 드론 쇼, 통신 중계, 군사용 정찰에서 활용 가능성이 크다.

군집비행에서 가장 중요한 것은 충돌 방지다. 드론이 많아질수록 각 기체는 자기 위치뿐 아니라 다른 드론의 위치와 속도도 알아야 한다. 한 대의 오차가 전체 움직임에 영향을 줄 수 있다.

군집비행에는 여러 방식이 있다.

• 중앙 제어 방식: 하나의 시스템이 모든 드론의 위치와 임무를 관리한다.

• 분산 제어 방식: 각 드론이 주변 드론의 정보를 보고 스스로 판단한다.

• 리더-팔로어 방식: 한 대가 기준이 되고 나머지가 일정한 간격을 유지한다.

• 대형 유지 방식: 여러 드론이 정해진 모양이나 간격을 유지하며 이동한다.

• 임무 분담 방식: 각 드론이 구역을 나누어 탐색하거나 작업한다.

군집비행을 위해서는 통신이 매우 중요하다. 드론끼리 위치, 속도, 상태, 배터리, 임무 정보를 주고받아야 한다. 통신 지연이 길어지면 판단이 늦어지고, 정보가 끊기면 충돌 위험이 커진다.

또 하나 중요한 것은 상대 위치 인식이다. GPS만으로는 드론끼리 가까운 거리에서 정밀한 간격을 유지하기 어렵다. 그래서 카메라, UWB, 비전 마커, LiDAR, 고정밀 위치 시스템 등을 함께 사용할 수 있다.

군집비행은 멋진 장면을 만들 수 있지만 기술적으로 매우 어렵다. 드론마다 배터리 상태가 다르고, 모터 성능도 조금씩 다르며, 바람을 받는 정도도 다르다. 여러 대가 가까이 날면 서로의 하강풍도 영향을 준다. 그래서 군집비행은 단순히 드론 여러 대를 동시에 띄우는 것이 아니라, 통신과 제어, 안전 규칙이 결합된 고급 자율비행 기술이다.

사람 없는 드론 운영은 가능한가

기술적으로는 사람의 직접 조종 없이 운영되는 드론 시스템이 점점 가능해지고 있다. 자동 이륙, 자동 충전, 자동 임무 수행, 자동 착륙, 원격 관제 기능을 갖춘 시스템이 이미 여러 분야에서 시도되고 있다. 흔히 드론 스테이션이나 드론 인 어 박스라고 부르는 형태다. 드론이 보관함에서 이륙해 순찰이나 점검을 하고, 돌아와 충전하는 방식이다.

하지만 "사람이 조종하지 않는다"와 "사람이 필요 없다"는 전혀 다르다. 완전한 무인 운영을 위해서는 최소한 다음 조건이 필요하다.

• 기체가 고장 나도 안전하게 대응할 수 있어야 한다.

• 통신이 끊겨도 위험한 행동을 하지 않아야 한다.

• 장애물과 사람을 안정적으로 감지해야 한다.

• 배터리 부족, 악천후, GPS 오류를 판단해야 한다.

• 비행 구역과 법규를 자동으로 확인해야 한다.

• 사고 발생 시 책임과 기록 체계가 명확해야 한다.

• 사람이 원격으로 감시하고 개입할 수 있어야 한다.

자율비행의 목표는 조종자를 없애는 것이 아니다. 위험하고 반복적인 조종 부담을 줄이고, 사람이 더 중요한 판단에 집중하도록 돕는 것이다. 특히 산업 현장에서는 드론 한 대를 멋지게 날리는 것보다, 매일 같은 품질로 안전하게 데이터를 수집하는 일이 더 중요하다.

자율비행을 이해하는 가장 쉬운 틀

자율비행 기술을 복잡하게 느낄 필요는 없다. 다음 네 문장으로 정리하면 된다.

• GPS와 SLAM은 위치를 알기 위한 기술이다.

• 카메라와 LiDAR는 주변을 이해하기 위한 기술이다.

• 경로 계획은 어디로 갈지 결정하는 기술이다.

• 비행 컨트롤러는 그 결정을 실제 움직임으로 바꾸는 기술이다.

웨이포인트 비행은 미리 정한 점을 따라가는 자동비행이다. GPS 자동비행은 야외에서 강력하지만, 주변 환경을 이해하려면 장애물 회피 센서가 필요하다. SLAM은 GPS가 약한 곳에서 지도와 위치를 동시에 추정한다. LiDAR와 깊이 센서는 공간을 거리 정보로 읽는다. 경로 계획은 안전한 이동 방법을 선택하고, 군집비행은 여러 대의 드론이 협력하도록 만든다.

결국 자율비행의 핵심은 드론이 스스로 "보고, 알고, 판단하고, 움직이는" 구조를 갖추는 것이다. 다음 장에서는 이러한 자율비행을 실제로 구현하는 소프트웨어와 개발 도구를 살펴본다. PX4, ArduPilot, MAVLink, 시뮬레이터 같은 도구를 이해하면 드론이 단순한 기체를 넘어 하나의 개발 플랫폼이라는 사실을 더 분명히 알 수 있다.