드론 한 대가 복잡한 숲 속을 누비며 영상 피드를 통해 방향을 조절합니다. 두 번째 드론은 갑작스러운 돌풍에 맞춰 경로를 수정해야 합니다. 세 번째 드론은 상공에서 주변을 감시합니다. 자율 주행 차량은 보행자를 발견하고 즉시 제동해야 합니다. 이러한 시스템들은 실시간 지능을 요구합니다. 안전하고 자율적인 의사 결정을 위해 필요한 초저지연(ultra-low latency)을 어떻게 달성할 수 있을까요?
해답은 두 가지 연관된 영역에 있습니다. 바로 저지연 이미지 전송을 개선하고 센서 데이터를 효과적으로 결합하는 것입니다. 또한 엣지에서의 실시간 처리도 고려해야 합니다. 이 글에서는 지연의 원인, 지연을 줄이는 방법, 센서 융합의 기본 원리, 그리고 단계별 설정 가이드를 살펴봅니다. 드론과 UAV 모두에게 있어 영상 전송 품질은 성공 여부를 결정짓는 중요한 요소입니다. 영상 시스템은 지연을 최소화해야 합니다. 모든 드론은 안전한 비행을 위해 안정적인 영상 연결이 필수적입니다.
주요 요점
영상 전송 지연은 네트워크, 처리 과정, 그리고 시작부터 끝까지의 전체 경로에서 발생합니다. 안전한 드론 제어를 위해서는 매 밀리초가 중요합니다.
H.265와 같은 효율적인 코덱과 엣지 컴퓨팅을 활용하여 지연 시간을 줄이십시오. 네트워크 전송 시간을 최소화하기 위해 카메라 근처에서 데이터를 처리하십시오.
센서 융합은 카메라, 레이더, LiDAR 데이터를 결합합니다. 이를 통해 각 센서의 단점을 보완하고 신뢰성을 높일 수 있습니다.
시간 동기화는 매우 중요합니다. 오류를 방지하고 데이터 융합 속도를 높이려면 센서 데이터와 하드웨어 타임스탬프를 일치시켜야 합니다.
동시에 작업을 실행하고 특수 하드웨어를 사용하여 파이프라인 속도를 높이세요. 이를 통해 비디오 피드를 빠르고 정확하게 유지할 수 있습니다.
이미지 전송 지연 원인
지연 시간 정의 및 그 영향
지연 시간(Latency)이란 어떤 동작이 발생한 시점과 그 결과가 화면에 나타나는 시점 사이의 시간 간격을 말합니다. 실시간 시스템에서는 세 가지 유형의 지연 시간을 알아야 합니다. 네트워크 지연 시간은 데이터가 장치 간에 이동하는 데 걸리는 시간입니다. 처리 지연 시간은 시스템이 데이터를 압축, 분석 또는 압축 해제하는 데 걸리는 시간입니다. 종단 간 지연 시간은 카메라가 이미지를 캡처한 시점부터 화면에 이미지가 나타나는 시점까지의 모든 지연 시간을 합산한 것입니다.
드론 영상 전송에서는 아주 작은 지연조차도 큰 문제를 야기합니다. 빠르게 비행하는 드론은 경로를 조정하기 위해 지속적인 피드백이 필요합니다. 영상에 지연이 발생하면 이러한 피드백을 받지 못하게 됩니다. 드론이 장애물을 지나치기도 전에 화면에는 장애물이 나타날 수 있습니다. 연구에 따르면 종단 간 지연 시간이 100ms에 도달하면 성능이 저하됩니다. 500ms에 이르면 안전 비행에 너무 위험한 수준이 됩니다. 또 다른 연구에서는 자율 시스템의 경우 170ms 미만으로 유지해야 한다고 합니다. 이러한 수치는 제어 루프에서 매 밀리초가 얼마나 중요한지 보여줍니다.
송유관의 병목 현상
비디오 전송 파이프라인에는 여러 지연 지점이 있습니다. 카메라 지연은 센서가 이미지를 캡처하고 인코딩할 때 발생합니다. 시스템 전송 지연은 데이터가 케이블이나 무선 링크를 통해 이동하는 데 걸리는 시간입니다. 디스플레이 지연은 수신기가 최종 이미지를 표시할 때 발생하는 지연입니다. 압축, 전송 및 압축 해제 과정 각각도 전체 지연에 영향을 미칩니다.
상용 UAV 비디오 시스템은 이러한 지연 시간이 어떻게 누적되는지 보여줍니다. 보급형 COFDM 시스템은 일반적으로 35~55ms 의 지연 시간을 제공합니다. LinkAV LVD-300과 같은 전문가용 COFDM 시스템은 40~65ms 범위입니다. 모바일 애드혹 네트워크용 IP 메시 노드는 70~110ms의 지연 시간을 보입니다. 트라이밴드 적응형 시스템은 50~90ms 범위에 속합니다. 이 수치는 각 기술에서 예상되는 총 비디오 다운링크 지연 시간을 나타냅니다.
타임스탬프 오버레이를 사용하면 종단 간 지연 시간을 측정할 수 있습니다 . 카메라에서 타임스탬프 기능을 켜고 카메라의 실시간 출력 화면을 향하게 합니다. 오버레이에 표시된 시간과 화면 루프에 표시된 시간을 비교합니다. 이 방법은 최대 한 프레임 간격의 오차 범위 내에서 측정값을 제공합니다. 초당 25프레임의 경우, 지연 시간 계산값은 40ms의 배수가 됩니다. 이러한 병목 현상을 파악하면 저지연 이미지 전송 시스템에서 소중한 시간이 낭비되는 지점을 찾아낼 수 있습니다.
저지연 이미지 전송 기술
압축 및 인코딩 최적화
압축 방식 선택은 전체 비디오 시스템에 영향을 미칩니다. 무손실 압축은 모든 세부 정보를 유지하지만 파일 크기가 커집니다. 손실 압축은 일부 데이터를 버려 파일 크기를 크게 줄입니다. 드론 영상 전송의 경우, H.264와 같은 손실 압축 코덱을 사용하면 비디오 데이터 크기를 크게 줄여 무선 연결에서도 끊김 없는 영상을 전송할 수 있습니다.
최신 코덱들은 각각 장단점이 있습니다. H.265는 라이브 스트리밍에 널리 사용됩니다. 안정적인 작동을 보장하고, 다양한 하드웨어 인코더에서 실행되며, 고화질에서도 지연 시간이 매우 짧습니다. AV1은 라이브 스트리밍용으로 아직 개발 중인 코덱입니다. 실시간 스트리밍에는 너무 많은 컴퓨터 처리 능력이 필요합니다. 각 비디오 프레임을 빠르게 인코딩해야 하는데, AV1은 이 점에서 어려움을 겪습니다. 지연 시간이 짧은 비디오를 원한다면 H.265가 안전한 선택입니다 . AV1은 인코딩 속도보다 대역폭 절약이 더 중요한 미래의 용도에 적합합니다.
대역폭과 트래픽 정체는 비디오에 영향을 미칩니다. 무선 연결은 유선 연결보다 지연 시간이 더 깁니다 . 케이블과 광섬유는 일반적으로 20ms 미만의 지연 시간을 제공합니다. 대역폭이 낮으면 지연 시간이 길어져 비디오 패킷이 늦게 도착합니다. 대역폭은 높지만 지연 시간이 길면 비디오 품질은 좋지만 가끔 화면이 멈추는 현상이 발생할 수 있습니다. 대역폭과 지연 시간이 모두 낮으면 비디오는 안정적으로 재생되지만 화질이 떨어집니다. 실시간 비디오의 경우 대역폭보다 지연 시간이 더 중요합니다.
네트워크 용량에 비해 데이터가 너무 많으면 병목 현상이 발생합니다 . 이 병목 현상으로 인해 패킷이 누적되어 트래픽 정체가 발생합니다. 패킷은 전송되기 위해 대기해야 하며, 대기열에서 발생하는 지연으로 인해 비디오 프레임 속도가 느려집니다.
요인 | 무선 비디오 전송 지연 시간에 미치는 영향 |
|---|---|
무선 대 유선 | 무선 연결은 유선 연결(케이블/광섬유 등, 보통 20ms 미만)보다 지연 시간이 길기 때문에 영상이 지연될 가능성이 더 높습니다. |
낮은 대역폭 | 대역폭이 낮으면 일반적으로 지연이 커져 비디오 패킷 전송 속도가 느려집니다. |
높은 대역폭 + 높은 지연 시간 | 영상 화질은 좋지만 가끔씩 화면이 멈추는 현상이 발생합니다. 대역폭 문제로 지연 현상이 해결되지는 않습니다. |
낮은 대역폭 + 낮은 지연 시간 | 안정적이지만 화질이 떨어지는 영상을 제공하며, 이는 실시간 영상의 경우 대역폭보다 지연 시간이 더 중요하다는 것을 보여줍니다. |
엣지 컴퓨팅 및 하드웨어 가속
엣지 컴퓨팅은 데이터 처리를 데이터 수집 위치와 더 가까운 곳으로 이동시킵니다. 데이터를 수집한 바로 그 자리에서 분석하기 때문에 데이터 전송 시간이 단축됩니다. 멀리 떨어진 서버로 영상을 전송하는 대신, 로컬에서 처리함으로써 네트워크 지연 시간을 크게 줄일 수 있습니다. 드론 영상 처리에 있어서 엣지 컴퓨팅은 매우 중요합니다. 드론이 자체적으로 이미지를 처리하고 유용한 결과만 지상으로 전송하기 때문입니다.
하드웨어 가속은 엣지 컴퓨팅을 더욱 향상시킵니다. FPGA와 NPU는 AI 모델을 매우 짧은 지연 시간으로 실행하여 하드웨어 자체에서 실시간 처리를 가능하게 합니다. 클라우드를 기다릴 필요 없이 지연 시간이 짧은 처리를 경험할 수 있습니다.
실제 사례를 통해 그 효과를 확인할 수 있습니다. 전자 부품의 결함을 찾는 시스템에서 모델 압축, 엣지 컴퓨팅, 하드웨어 가속을 활용했습니다. 엔지니어들은 YOLOv5s 모델의 크기를 73MB에서 1.2MB로 줄였습니다 . 그리고 이 모델을 NPU 가속 기능을 갖춘 USR-M300 게이트웨이에 탑재했습니다. 그 결과, 시스템은 초당 35프레임, 프레임당 약 28.6ms의 속도로 작동했습니다. 이는 결함을 찾는 데 충분히 빠른 속도였습니다.
드론 영상 링크에는 특수 무선 프로토콜이 중요합니다. 순방향 오류 수정(FEC)은 링크를 안정적이고 지연 시간을 최소화합니다. 이 프로토콜은 데이터 재전송 요청 없이 오류를 찾아 수정합니다. 따라서 손실된 패킷을 다시 요청하는 데 따른 지연을 방지할 수 있습니다. 드론 영상은 열악한 환경에서도 끊김 없이 부드럽게 전송됩니다.
기술 | 지연 시간을 줄이는 방법 |
|---|---|
비디오 데이터 크기를 줄여 전송 속도를 높이고, 하드웨어 인코딩을 통해 처리 지연 시간도 단축합니다. | |
충분한 네트워크 대역폭 | 카메라와 뷰어 간에 데이터 패킷이 신속하게 이동하도록 보장하여 트래픽 지연을 방지합니다. |
최적화된 버퍼링 설정 | 지연과 끊김을 모두 방지하는 적절한 버퍼 크기를 찾아 영상 재생이 더 빠르게 느껴지도록 합니다. |
PoP가 여러 개인 CDN | 시청자 근처의 서버에서 영상을 전송하여 전송 시간과 버퍼링 시간을 줄입니다. |
엣지 컴퓨팅은 비디오 다운링크 작동 방식을 혁신합니다. 뛰어난 압축률과 로컬 처리를 결합하여 클라우드 없이도 시스템이 실시간으로 효율적인 처리를 할 수 있도록 합니다. 이를 통해 자율 시스템에 필요한 낮은 지연 시간을 구현할 수 있습니다.
저지연 관련 핵심 사항: 코덱 하나만으로 지연 시간이 결정되는 것은 아닙니다 . 버퍼링, GOP 구조, 인코더 설정, 네트워크 환경, 트랜스코딩, 전송 프로토콜, 플레이어 동작, 적응형 비트레이트 등 모든 요소가 영향을 미칩니다. AV1을 선택한다고 해서 자동으로 지연 시간이 매우 낮아지는 것은 아니며, H.265를 선택한다고 해서 반드시 지연 시간이 낮아지는 것도 아닙니다. 하지만 실시간 환경에서는 H.265가 여전히 최적의 선택입니다. H.265의 인코더와 디코더는 충분히 검증된 반면, AV1의 실시간 인코딩은 각 스트림을 빠르게 인코딩해야 할 때 더 높은 성능을 요구할 수 있으므로 추가적인 검증이 필요합니다.
드론 비디오 시스템은 이러한 기술들을 결합하여 이점을 얻습니다. 효율적인 압축, 엣지 컴퓨팅 처리, 하드웨어 가속을 통해 비디오 다운링크 속도를 제어 루프에 필요한 수준으로 끌어올릴 수 있습니다. 엣지 컴퓨팅의 빠른 속도가 이를 가능하게 합니다.
센서 융합의 기초
지각에서 센서 융합의 역할
센서 융합은 여러 센서의 데이터를 통합하여 주변 상황에 대한 명확한 단일 이미지를 구축합니다. 카메라, 레이더, LiDAR 등의 입력값을 결합하여 각 센서의 약점을 보완합니다. 카메라는 선명한 이미지를 제공하지만 어두운 환경에서는 성능이 저하됩니다 . 레이더는 악천후에서도 거리와 속도를 잘 측정하지만 표지판을 읽거나 색상을 구분할 수 없습니다. LiDAR는 상세한 3D 지도를 만들 수 있지만 탐지 거리가 짧고 비용이 많이 듭니다. 이러한 다양한 센서의 데이터를 통합하면 각 센서의 사각지대를 메울 수 있습니다.
이러한 결합 방식은 단일 센서만 사용하는 것보다 더 효과적이고 신뢰성이 높습니다 . 각 센서는 날씨, 신호 잡음, 측정 오류 등의 문제에 직면할 수 있습니다. 데이터 융합은 이러한 문제를 줄이는 데 도움이 됩니다. 또한, 이중화는 시스템의 안전성을 보장합니다. 하나의 센서가 작동을 멈추더라도 다른 센서들이 중요한 정보를 계속 제공합니다. 드론이나 UAV의 경우, 이러한 신뢰성은 어려운 임무 수행 중에 매우 중요합니다. 비디오 영상만으로는 깊이감을 표현할 수 없지만, 레이더 데이터를 추가하면 그 부족함을 채울 수 있습니다. 융합 과정을 통해 기체 주변 환경에 대한 완벽한 모델을 구축하므로 악천후나 낮은 시야를 포함한 다양한 환경에서 뛰어난 성능을 발휘합니다. 이러한 정확도는 비디오 기반 인식을 직접적으로 향상시켜 줍니다.
다중 센서 통합의 과제
여러 센서를 결합할 때 가장 어려운 부분은 시간 동기화입니다. 각 센서는 서로 다른 시점에 데이터를 수집합니다. 카메라는 특정 시점에 프레임을 기록하고, 레이더는 또 다른 시점에 샘플링합니다. 정렬되지 않은 데이터를 혼합하면 오류가 발생합니다. 이러한 오류는 인식 파이프라인에 지연을 초래합니다. 자율 주행 차량의 경우, 아주 작은 정렬 오류조차도 객체의 위치 오류로 이어질 수 있습니다. 시스템이 보행자의 현재 위치가 아닌 과거 위치를 기준으로 반응할 수 있습니다. 이러한 정렬 오류는 표시되는 정보가 최신 상태가 아니게 되어 영상 전송 품질을 직접적으로 저하시킵니다.
연구 결과에 따르면 LiDAR, RADAR 및 카메라 데이터를 활용하는 확률적 저수준 융합 방식을 통해 지연 시간을 줄일 수 있습니다. 이 접근 방식은 개별 센서 데이터를 따로 처리하는 대신 파이프라인 초기에 원시 센서 측정값을 병합합니다. 여러 처리 단계를 생략하여 지연 시간을 단축할 수 있습니다. 센서 데이터는 각 센서별로 따로 처리하는 대신, 결합된 데이터를 한 번에 처리합니다. 이러한 융합 전략은 전송 경로를 단축하고 응답 시간을 빠르게 유지합니다.
드론 영상 전송 시스템에서 동기화는 영상 품질에 직접적인 영향을 미칩니다. 센서 데이터가 늦게 도착하면 영상 오버레이에 오래된 정보가 표시됩니다. 정확한 상황 인식을 위해서는 모든 센서의 정확한 타이밍이 필수적입니다. 드론의 안전 비행을 위해서는 이러한 동기화된 데이터가 필요합니다. 개별 스트림이 아닌 통합된 데이터를 전송하면 대역폭 사용량을 줄이고 영상 응답성을 향상시킬 수 있습니다. 동기화가 잘 된 시스템은 빠른 움직임 중에도 안정적인 영상 전송을 보장합니다. 센서 판독값 불일치로 인한 떨림 현상을 방지하고, 드론 영상 다운링크를 깨끗하게 유지하며, 제어 루프에 매 주기마다 정확한 데이터를 제공합니다.
저지연을 위한 센서 융합 구현
실시간 데이터 정렬을 위한 알고리즘
칼만 필터는 센서 융합에 있어 핵심적인 도구입니다. IMU와 카메라의 데이터를 결합하는 데 사용되며, 시스템의 상태를 추측한 후 새로운 센서 판독값을 이용하여 추측값을 수정합니다. 이 과정이 반복되면서 시스템의 상태를 점진적으로 더 정확하게 파악할 수 있습니다. 이러한 방식은 저지연 이미지 전송에 매우 효과적입니다.
선형적이지 않은 시스템에는 확장 칼만 필터(EKF)가 더 효과적입니다. 드론이나 무인 항공기는 직선으로 비행하지 않습니다. EKF는 시스템을 각 단계에서 선형적으로 만들어 줍니다. 이를 통해 실제 움직임에 대해 더 나은 결과를 얻을 수 있습니다. 연구에 따르면 EKF 기반 센서 융합은 낮은 지연 시간으로 높은 업데이트 속도를 달성할 수 있어 실시간 시스템에 적합합니다.
성능 테스트 결과, 고급 EKF 변형은 정확도를 크게 향상시킬 수 있는 것으로 나타났습니다.
센서 간 시간 동기화는 여전히 큰 과제입니다. 카메라와 레이더는 서로 다른 시계를 사용합니다. 카메라는 일반적으로 초당 30~60프레임으로 작동하는 반면, 레이더는 다양한 속도로 작동합니다. 이로 인해 시간 간격이 발생합니다. 하드웨어 수준의 동기화 문제는 서로 다른 통신 방식에서 비롯됩니다. 공통 시간 기준이 없으면 이벤트 매칭이 불안정해지고 오경보 발생률이 높아집니다. 온도 변화, 진동, 전자기 노이즈는 타이밍 드리프트를 유발하여 시간이 지남에 따라 동기화 정확도를 떨어뜨립니다. 정렬 불량은 비디오 스트림에서 오탐지 및 오음성을 초래합니다 . 시스템의 원활한 영상 융합을 위해서는 정확한 타이밍이 필수적입니다.
적절한 동기화는 융합 지연 시간을 크게 줄이고 정확도를 향상시킬 수 있습니다.
처리 파이프라인 최적화
지연 시간을 줄이도록 파이프라인을 설계하세요. 핵심 방법으로 병렬 처리를 활용하십시오. 여러 컴퓨팅 장치에 작업을 분산시키세요. 한 장치는 비디오 압축을 처리하고, 다른 장치는 센서 데이터를 처리하며, 또 다른 장치는 융합 알고리즘을 실행합니다. 이 방법을 사용하면 전체 파이프라인에서 종단 간 지연 시간을 크게 줄일 수 있습니다. 결과적으로 전체 파이프라인에서 낮은 지연 시간을 확보할 수 있습니다.
FPGA 기반 시스템은 센서 병합 시 지연 시간을 최소화합니다. FPGA는 하드웨어에서 직접 데이터를 처리하므로 소프트웨어 처리의 오버헤드를 줄입니다. 예를 들어, NPU 가속 기능을 갖춘 USR-M300 게이트웨이를 사용하는 시스템은 초당 35프레임의 추론 속도를 달성하여 실시간 처리를 입증했습니다. 이러한 장점을 활용하면 UAV 전송 속도가 향상됩니다. 클라우드를 기다릴 필요 없이 실시간 처리를 경험할 수 있습니다. 이것이 바로 엣지 컴퓨팅의 진수입니다.
실시간 센서 융합 플랫폼은 데이터 정렬 및 처리를 자동으로 수행하고 지연 시간이 짧은 데이터 전송을 지원합니다. 이를 통해 비디오 다운링크 속도가 향상되고 안정성이 높아집니다.
시스템 설정을 위해 다음 모범 사례를 따르십시오. 하드웨어 기반 타임스탬프를 사용하여 여러 센서의 데이터를 정렬하십시오. 데이터 흐름 관리를 위해 전용 센서 인터페이스 컨트롤러를 설치하십시오. 센서별 인터럽트 구조를 사용하여 적시에 데이터를 캡처하십시오. 클럭 드리프트를 방지하기 위해 전용 타이밍 컨트롤러 또는 GPS 동기화 클럭을 사용하십시오.
필터를 올바르게 조정하는 것도 중요합니다. 칼만 필터에서 Q 및 R 행렬을 조정하십시오 . 추정 정확도와 속도 사이의 균형을 유지해야 합니다. 튜닝 윈도우 크기를 조정하십시오. 윈도우 크기가 클수록 정밀도는 향상되지만 메모리 사용량이 증가하고 지연 시간이 늘어납니다. 센서 가중치를 사용하여 더 정확한 입력값을 우선적으로 고려하십시오. 리소스가 제한된 장치에서는 고정 소수점 연산을 사용하십시오. 이렇게 하면 연산량이 줄어들고 안정적인 실행 시간을 보장할 수 있습니다.
드론이나 무인 항공기(UAV)의 영상 전송 시스템은 이러한 방식을 통해 성능 향상을 경험할 수 있습니다. 엣지 컴퓨팅과 FPGA 가속을 결합하면 영상 데이터가 파이프라인을 통해 빠르게 전송되고, 융합 알고리즘은 실시간으로 처리합니다. 고성능 컴퓨팅 환경이 모든 작업을 처리하므로, 제어 루프의 정확도를 유지하는 빠른 영상 피드를 얻을 수 있습니다. 영상 전송은 자율 시스템의 안정적인 핵심 요소가 됩니다. 따라서 영상 전송 파이프라인은 빠른 속도로 작동해야 합니다.
낮은 지연 시간은 총체적인 과제입니다. 비디오 전송 경로와 처리 파이프라인을 최적화하십시오. 효율적인 압축, 엣지 컴퓨팅, 하드웨어 가속 및 강력한 융합 알고리즘을 활용하십시오. 병렬 처리는 멀티코어 프로세서 또는 FPGA에 작업을 분산합니다. 하드웨어 가속은 추론 시간을 단축하여 UAV의 실시간 내비게이션을 가능하게 합니다. UAV 비디오 전송 시스템을 설계할 때는 요구 사항을 평가해야 합니다. 드론 비디오 링크는 자율 주행 차량과는 다른 조정이 필요합니다. 비디오 다운링크는 항상 응답성을 유지해야 합니다. 비디오 전송 시스템은 최소한의 지연으로 센서 융합을 처리해야 합니다. 비디오 전송의 성공 여부는 이러한 선택에 달려 있습니다. 비디오 피드는 낮은 지연 시간을 필요로 합니다. 비디오 데이터는 효율적으로 전송되어야 합니다. 비디오 품질은 높게 유지되어야 합니다. 비디오 스트림은 안정적으로 작동해야 합니다. 이러한 요소들은 실시간 인텔리전스가 발전함에 따라 중요해집니다. 드론은 이점을 얻고, 안전하게 작동하며, 임무는 성공적으로 완료됩니다.
FAQ
무인 항공기(UAV)의 저지연 비디오 전송에서 가장 큰 어려움은 무엇입니까?
가장 큰 문제는 네트워크 혼잡입니다. 비디오를 제대로 인코딩해야 합니다. 드론 비디오 전송에는 H.265 코덱을 사용해야 합니다. 안정적인 비디오 다운링크는 제어 루프 속도를 유지하는 데 중요합니다.
센서 융합은 드론 영상 링크 성능을 어떻게 향상시키나요?
센서 융합은 카메라와 레이더 데이터를 결합합니다. 이를 통해 개별 처리 과정을 줄일 수 있습니다. 드론 영상 전송 속도가 빨라지고, 드론은 정확한 영상 데이터를 수신하며, 영상 전송의 안정성과 영상 링크의 신뢰성이 향상됩니다.
드론 영상 전송에 시간 동기화가 중요한 이유는 무엇입니까?
시간 동기화는 모든 센서 데이터를 일치시키는 작업입니다. 동기화가 없으면 영상에 잘못된 위치가 표시되어 영상 데이터의 신뢰성이 떨어집니다. 드론 영상 전송의 경우, 이 동기화를 통해 지연을 방지하고 영상 다운링크의 정확성을 유지할 수 있습니다.
엣지 컴퓨팅은 영상 전송을 어떻게 개선할 수 있을까요?
엣지 컴퓨팅은 카메라 근처에서 영상을 처리합니다. 이를 통해 전송 시간을 단축할 수 있습니다. 드론은 더 빠른 영상 처리 속도를 누릴 수 있으며, 지연 시간 없이 원활하게 작동하고 영상 전송의 안정성도 향상됩니다.
