earticle

영어

This study proposes a technical solution for integrating multiple RGBD sensors into a real-time volumetric system, overcoming bandwidth constraints, synchronization challenges, and sensor interference while maintaining a stable frame rate of over 30 fps. Nine RGBD cameras are synchronized in a daisy chain method, distributed preprocessing is performed on three video data generators, and 3D data is synthesized and rendered on a volumetric server to provide real-time services. Distributed preprocessed 3D image data is transmitted via Ethernet, and the volumetric server that receives the data performs rendering at a speed of more than 30 fps. Daisy-chain synchronization reduces infrared interference among sensors, thereby improving depth data quality. In addition, a registration process aligns disparate coordinate systems into a single global reference frame for real-time volumetric model generation. This approach effectively addresses bandwidth, computational overhead, and sensor interference issues, ensuring both real-time performance and high accuracy. Future work includes deep-learning-based post-processing or sensor expansion to achieve higher-resolution, lower-latency volumetric content.

한국어

본 연구는 다중 RGBD 센서를 실시간 볼류메트릭 시스템에 적용하여, 대역폭･동기화･센서 간 간섭 문제를 극복하고 안정적으로 초당 30프레임 이상을 구현하기 위한 기술적 해법을 제시한다. 총 9대의 RGBD 카메라를 데이지 체인 방식으로 동기화하고, 3대의 영상 데이터 생성기에서 분산 전처리를 수행한 뒤, 볼류메트릭 서버에서 3차원 데이터를 합성･렌더링하여 실시간 서비스를 제공한다. 분산 전처리된 3차원 영상 데이터는 이더넷을 통해 전송되며 데이터를 수신한 볼류메트릭 서버는 초당 30 프레임 이상 속도로 렌더링을 수행한다. 데이지 체인 동기화로 센서 간 적외선 간섭을 줄여 깊이 정보 품질을 높였으 며, 레지스트레이션 과정을 통해 서로 다른 좌표계를 단일 글로벌 좌표계로 정합하여 볼류메트릭 모델을 실시간으로 생성하 였다. 대역폭･연산 부담･센서 간 간섭 문제를 효과적으로 해소함으로써 실시간성과 정확도를 모두 충족시켰으며, 향후 딥러 닝 후처리 또는 센서 확장을 통해 고해상도･저지연 볼류메트릭 구현이 가능할 것으로 기대한다.