수중 자율 무인정(AUV): DVL과 INS 결합 비주얼 수중 탐사
수중 자율 무인정(AUV, Autonomous Underwater Vehicle)은 사람이 직접 잠수하거나 선박을 계속 운용하지 않아도 사전에 설정된 임무를 수행할 수 있는 무인 수중 로봇이다. 해저 지형 조사, 해양 환경 관측, 침몰선 탐사, 수중 구조물 점검 등 다양한 분야에서 활용되고 있다. NOAA에 따르면 AUV는 ROV와 달리 선박과 케이블로 연결되지 않은 상태에서 독립적으로 이동하며, 카메라·소나·수심 센서 등을 탑재해 수중 데이터를 수집할 수 있다. NOAA Ocean Exploration
그런데 AUV가 바닷속으로 들어가면 우리가 익숙하게 사용하는 GPS를 그대로 사용할 수 없다. 이 때문에 수중에서는 INS(관성항법장치), DVL(음향 도플러 속도계), 카메라, 소나, 수심 센서 등을 조합해 자신의 위치와 움직임을 추정한다.
최근 수중 로봇 연구에서 중요한 흐름 중 하나가 바로 DVL과 INS를 결합하고 여기에 비전 정보를 추가하는 센서 융합 기술이다.
1. AUV는 왜 수중에서 위치를 찾기 어려울까?
육상 자동차는 GPS와 지도, 카메라 등을 이용해 자신의 위치를 비교적 쉽게 확인할 수 있다.
하지만 수중에서는 위성에서 전달되는 전파를 이용한 GNSS/GPS 신호가 제대로 전달되지 않는다. 따라서 AUV는 물속에서 스스로 이동 거리를 계산하면서 위치를 추정해야 한다. DOI
대표적인 방법이 **관성항법(INS)**이다.
INS는 가속도계와 자이로스코프 등의 센서를 이용해 AUV의 움직임을 계속 계산한다.
문제는 작은 측정 오차도 시간이 지나면서 누적될 수 있다는 것이다.
예를 들어 AUV가 실제로 직선으로 1km를 이동했더라도 센서 오차가 계속 누적되면 계산된 위치와 실제 위치 사이에 차이가 발생할 수 있다.
그래서 수중에서는 한 가지 센서만 사용하는 것보다 서로 다른 특성을 가진 센서를 결합하는 방식이 중요하다.
2. DVL은 어떤 역할을 할까?
**DVL(Doppler Velocity Log)**은 음향 신호를 이용해 수중에서 이동 속도를 측정하는 장비다.
쉽게 표현하면 AUV가 해저면을 기준으로 얼마나 빠르게 움직이고 있는지를 측정하는 센서라고 이해할 수 있다.
DVL은 여러 방향으로 음향 빔을 보내고 해저면에서 반사되어 돌아오는 신호의 도플러 변화를 이용해 상대적인 속도를 계산한다.
이 때문에 DVL은 INS의 위치 오차가 계속 커지는 문제를 보완하는 데 활용된다.
실제로 AUV 항법 연구에서는 INS와 DVL을 결합하는 방식이 대표적인 수중 항법 구조로 사용되고 있으며, DVL이 해저면에 대한 속도 정보를 제공하면 INS에서 발생하는 누적 오차를 제한하는 데 도움을 줄 수 있다. DOI
3. INS와 DVL을 결합하면 무엇이 달라질까?
두 센서는 측정 방식이 다르다.
| 항목 | INS | DVL |
|---|---|---|
| 기본 원리 | 관성 센서 측정 | 음향 도플러 측정 |
| 주요 정보 | 가속도·각속도·자세 | 해저면 기준 속도 |
| 장점 | 높은 연속성 | INS의 속도 오차 보완 |
| 주요 한계 | 오차 누적 | 해저면 반사 조건 영향 |
| 활용 목적 | 움직임과 위치 추정 | 속도 보정 |
| 결합 효과 | 연속적인 항법 계산 | 누적 오차 억제에 도움 |
이 두 센서의 데이터를 하나의 항법 알고리즘에서 결합하면 각각의 단점을 서로 보완할 수 있다.
대표적으로 칼만 필터(Kalman Filter) 계열의 추정 알고리즘이 활용된다.
센서에서 들어오는 데이터를 그대로 평균내는 것이 아니라 각각의 측정값에 대한 불확실성과 오차 특성을 고려해 현재 AUV의 위치와 속도를 추정하는 방식이다.
실제 연구에서도 INS와 DVL을 결합하고 필터를 이용해 수중 항법 상태를 추정하는 방법이 꾸준히 연구되고 있다. DOI
4. 여기에 카메라를 추가하면?
DVL과 INS가 수중에서 중요한 항법 정보를 제공한다면 카메라는 주변 환경에 대한 시각적 정보를 제공한다.
AUV에 카메라를 장착하면 해저의 암석, 구조물, 지형적 특징 등을 촬영할 수 있다.
연속적으로 촬영한 영상에서 특징점을 추적하면 AUV가 어떻게 이동했는지를 추정할 수 있는데 이를 **비주얼 오도메트리(Visual Odometry)**라고 한다.
예를 들어 해저에 있는 특정 암석의 위치가 연속된 영상에서 어떻게 변화하는지 분석하면 AUV의 상대적인 움직임을 추정할 수 있다.
2023년 Ocean Engineering에 발표된 연구에서는 스테레오 비전 기반 Visual Odometry와 관성 정보를 활용한 AUV 항법 방법을 개발하고 실제 수중 데이터로 검증했다. 사이언스다이렉트
또 다른 연구에서는 카메라 기반 속도 추정과 자세·수심 정보를 EKF로 결합해 수중 항법을 수행하는 방법을 제시하고 DVL 기반 항법 결과와 비교했다. 사이언스다이렉트
5. DVL + INS + 비전의 의미
세 가지 센서를 단순하게 나열하는 것이 중요한 것이 아니다.
각 센서가 가진 서로 다른 정보를 **센서 융합(sensor fusion)**을 통해 하나의 항법 결과로 만드는 것이 핵심이다.
구조를 단순화하면 다음과 같이 이해할 수 있다.
INS → 움직임·자세 추정
↓
DVL → 해저면 기준 속도 정보
↓
카메라 → 주변 환경의 시각적 특징
↓
항법 필터 / 센서 융합
↓
AUV의 위치·속도·자세 추정
이러한 구조에서는 어느 하나의 센서가 일시적으로 불안정해지더라도 다른 센서의 정보를 이용해 항법 상태를 추정할 수 있다는 장점이 있다.
최근 연구에서는 아예 Visual-Inertial-DVL을 함께 사용하는 수중 로봇 위치추정 방법도 제안되고 있다. 2026년 IEEE 논문에서는 영상, 관성센서, DVL 정보를 긴밀하게 결합하는 SLAM 기반 방법을 제안하고 수중 데이터와 시뮬레이션을 통해 위치추정 성능과 강건성을 평가했다. IEEE Xplore
6. 비주얼 수중 탐사에서 중요한 것은 ‘영상 품질’
카메라를 추가한다고 해서 항상 정확한 위치를 얻을 수 있는 것은 아니다.
수중에서는 빛이 물속을 통과하면서 약해지고, 부유물 때문에 시야가 흐려질 수 있다.
특히 탁도가 높은 지역에서는 카메라가 충분한 특징점을 확보하기 어려워 비주얼 오도메트리의 성능이 떨어질 수 있다.
따라서 수중 비전 항법에서는 다음과 같은 요소가 중요하다.
| 요소 | 영향을 받는 부분 |
|---|---|
| 탁도 | 영상 특징점 검출 |
| 조명 | 이미지 밝기와 대비 |
| 해저 지형 | 특징점 확보 |
| 카메라 품질 | 영상 해상도 |
| 이동 속도 | 영상 간 특징 추적 |
| 수심 | 빛의 감쇠 |
| 해저면 상태 | 시각적 기준점 확보 |
결국 카메라 기반 항법은 환경 조건을 고려해야 하는 기술이다.
7. DVL도 모든 상황에서 완벽하지 않다
DVL 역시 만능 센서는 아니다.
DVL이 해저면에서 반사되는 음향 신호를 충분히 확보하지 못하면 정상적인 속도 업데이트가 어려워질 수 있다.
IEEE 연구에서도 일반적인 DVL 기반 AUV 항법에서는 해저면 반사 신호를 충분히 확보해야 속도 정보를 얻을 수 있으며, 일부 음향 빔의 신호가 확보되지 않는 상황에서는 항법 드리프트를 보정하는 업데이트가 제한될 수 있다고 설명한다. DOI
따라서 실제 AUV 설계에서는 DVL의 성능만 보는 것이 아니라 INS, 수심 센서, 카메라, 소나 등 다양한 센서의 특성을 함께 고려해야 한다.
8. 군사용 AUV에서도 항법 기술이 중요한 이유
AUV의 활용 분야에는 해양 연구뿐 아니라 국방 분야도 포함된다.
특히 수중에서는 외부에서 지속적으로 위치를 확인하기 어렵기 때문에 자율적인 항법 능력이 중요하다.
국내 학술지에 공개된 연구에서도 군사용 AUV의 수중 항법을 위해 DVL과 INS를 결합하고 수면으로 올라왔을 때 GPS 정보를 이용해 누적 오차를 보정하는 하이브리드 항법 시스템을 설계하고 실제 해상 환경에서 성능을 검증한 사례가 소개되어 있다. KCI
이처럼 수중 무인체계에서 항법 기술은 단순한 위치 확인 기능을 넘어 전체 임무의 신뢰성과 연결되는 핵심 요소라고 볼 수 있다.
9. 앞으로는 ‘센서 하나’보다 융합 기술이 중요하다
AUV 항법 기술의 방향은 특정 센서 하나의 성능을 극대화하는 것보다 서로 다른 센서의 장점을 결합하는 방향으로 발전하고 있다.
INS는 연속적인 움직임 정보를 제공하지만 오차가 누적될 수 있다.
DVL은 속도 정보를 보완하지만 해저면 반사 조건의 영향을 받는다.
카메라는 주변 환경의 시각적 특징을 제공하지만 탁도와 조명에 민감하다.
따라서 세 가지 정보를 함께 사용하면 각각의 약점을 보완할 가능성이 커진다.
최근 AUV 항법 연구에서도 INS/DVL 기반 항법에 비전, 소나, 지형 정보 등을 추가하는 하이브리드 구조가 중요한 연구 방향으로 나타나고 있다. MDPI
결론
수중 자율 무인정(AUV)의 핵심 경쟁력은 단순히 물속에서 오래 움직이는 능력이 아니라 자신의 위치와 움직임을 얼마나 안정적으로 추정할 수 있느냐에 있다.
수중에서는 GPS 사용에 제약이 있기 때문에 INS와 DVL을 결합한 항법 시스템이 중요한 역할을 한다. 여기에 카메라 기반 비주얼 오도메트리와 SLAM 기술을 추가하면 주변 환경의 시각적 특징까지 항법에 활용할 수 있다.
다만 탁도, 조명, 해저면 상태, DVL의 음향 반사 조건 등 환경적인 변수가 많기 때문에 하나의 센서에 의존하는 방식에는 한계가 있다.
결국 미래의 AUV는 INS + DVL + 카메라 + 소나 + 수심 정보 + 고도화된 센서 융합 알고리즘을 조합해 불확실한 수중 환경에서도 자신의 위치를 지속적으로 추정하는 방향으로 발전할 가능성이 높다.
이러한 기술은 해양과학뿐 아니라 해저 지도 제작, 수중 시설물 점검, 환경 모니터링, 수색·탐사 등 다양한 분야에서 활용될 수 있는 기반 기술이라는 점에서 의미가 있다.
참고 출처
- NOAA Ocean Exploration — What is an AUV? — AUV의 기본 개념과 활용 분야
- IEEE Xplore — Seamless Underwater Navigation with Limited Doppler Velocity Log Measurements — INS·DVL 기반 수중 항법과 DVL 한계
- Ocean Engineering — Development and testing of a navigation solution for AUVs based on stereo vision — 스테레오 비전 및 Visual Odometry 연구
- IFAC-PapersOnLine — Visual-based Navigation Strategy for AUVs — 비전 기반 항법과 EKF 센서 융합
- 한국항법시스템학회 — Development and Performance Verification of Real-time Hybrid Navigation System for AUVs — DVL·INS 기반 하이브리드 항법의 국내 연구 사례
- IEEE — VID-SLAM: Visual–Inertial–DVL Tightly Coupled Localization Method for Underwater Robots — 2026년 Visual-Inertial-DVL 결합 SLAM 연구