coloured towers · 2편 중 2편
색채, 기술, 그리고 빛의 즐거움
파트 2 — 기술적 도전과 실험
이번 글에서는 영국 아티스트 Dave Bramston을 위해 4미터 높이의 LED 타워를 제작한 기술적 측면에 대해 자세히 살펴봅니다. 팬데믹 기간 동안 영국 The Bowes Museum을 위한 Coloured Towers를 어떻게 함께 만들게 되었는지에 대한 창작 배경 이야기가 궁금하시다면, 파트 1: 작품 뒤에 숨겨진 이야기를 확인해보세요.
이 예술 설치 작품을 실현할 때, TechxArtisan에서 극복해야 할 여러 기술적 난관이 있었습니다. 우리가 사용한 핵심 하드웨어에는 Nvidia의 Jetson Nano — AI 알고리즘 실행에 완벽한 저전력 GPU 기반 마이크로컴퓨터 — 와 ESP32 — FastLED 라이브러리를 사용하여 호스트 컴퓨터와 LED 조명 유닛 간의 통신을 효과적으로 관리하는 널리 사용되는 마이크로컨트롤러 유닛(MCU) — 가 포함되었습니다.
프로세스에 대한 간략한 개요입니다:
- Jetson Nano의 AI 알고리즘이 카메라를 통해 사람들이 입고 있는 옷을 감지합니다.
- K-평균 클러스터링을 사용하여 옷의 주요 색상을 추출합니다.
- 추출된 RGB 값이 ESP32로 전송되어 작품에 부착된 LED 스트립을 제어합니다.
이제 우리가 마주한 가장 흥미로운 기술적 도전들을 분석해 보겠습니다.
Nvidia Jetson Nano를 이용한 의류 감지
Jetson Nano를 통해 인간의 의류를 감지하도록 훈련된 오픈소스 AI 모델을 실행할 수 있었습니다. 이 과정은 카메라에서 각 이미지 프레임을 캡처하고, 이를 10x16 그리드 매트릭스로 분할한 뒤, 모델을 실행하여 어떤 그리드가 우리의 대상 — 이 경우 의류 — 과 일치하는지 식별하는 것입니다. 모델은 MHP 클래스 리스트에 포함된 것들을 비롯한 다양한 객체를 감지하도록 설계되었지만, 우리는 특별히 의류 감지에만 사용했습니다.
현실과 디지털 사이의 색상 변환
인간의 시각은 반사된 빛을 통해 색상을 인식하지만, 기계는 이미지를 캡처하고 디지털 코드로 변환함으로써 색상을 “봅니다”. 여기서 까다로운 부분이 등장합니다 — 카메라는 조명, 초점, 화이트 밸런스, 노출 설정과 같은 요인으로 인해 항상 색상을 정확하게 캡처하지 못합니다. 우리는 이 격차를 줄이고 가능한 한 현실에 가깝게 색상을 캡처하는 것을 목표로 했습니다.
기계가 색상을 감지하면, K-평균 클러스터링을 적용하여 의류에서 주요 색상을 추출합니다. 이 RGB 값들은 평균화되어 LED 컨트롤러로 전송됩니다.
LED 색상과 RGB 문제
우리가 사용한 LED 조명 스트립(ws281x 시리즈)은 빨강, 초록, 파랑(RGB) 채널을 혼합하여 다양한 색상을 만들어낼 수 있습니다. 하지만 몇 가지 한계가 있습니다:
- LED 조명은 방문객의 옷이 어두울 경우 회색과 검정을 표현하는 데 어려움을 겪습니다. LED는 단순히 전체 밝기를 줄일 뿐입니다.
- 우리의 ws281x 스트립은 약간 파란색으로 치우치는 경향이 있어, 올바른 색조를 얻기 위해 소프트웨어에서 색상 밸런스를 미세 조정해야 했습니다.
또한 흥미로운 피드백 루프가 작용합니다: 기계가 누군가의 옷 색상을 감지하면, 그에 상응하는 LED 조명 색상을 투사하고, 이는 다시 옷의 원래 색조를 강화합니다. 이것은 역동적이고 반복적인 프로세스를 만들어내어, 특히 다른 색상의 옷을 입은 여러 참가자가 있을 때 상호작용을 더욱 재미있게 만듭니다.
모든 LED 스트립에 전력 공급하기
그렇게 많은 LED 스트립에 안전하고 효율적으로 전력을 공급하는 것은 결코 작은 일이 아니었습니다. 네 개의 기둥 각각에는 시스템이 문제 없이 부하를 감당할 수 있도록 신중한 전력 계산이 필요했습니다. 간략한 분석입니다:
각 기둥당:
- 24개 LED 스트립 × 스트립당 4미터 = 기둥당 96미터의 LED
- 96미터 × 미터당 60개 LED = 5,760개 LED
- 각 스트립은 최대 출력(백색광)에서 4암페어 사용
- 따라서 24개 스트립 × 4암페어 = 하나의 기둥에 96암페어 필요
- 96암페어 × 12V = 기둥당 1,152W
네 개의 기둥 모두 최대 강도로 작동할 때 약 4,600W에 달합니다. 그러나 우리가 만든 대부분의 조명 애니메이션은 전체 백색광을 거의 사용하지 않기 때문에 훨씬 적은 전력을 소비합니다. 그럼에도 불구하고, 약간의 여유를 두어 시스템이 안전하고 안정적으로 유지되도록 했습니다.
기술에 관심 있는 분들을 위해, 우리 FastLED 코드의 일부를 공유합니다:
const uint8_t kMatrixWidth = 12;
const uint8_t kMatrixHeight = 80;이를 통해 기둥당 12 x 80 = 960 픽셀을 제어할 수 있었습니다.
마무리 생각
더 심층적인 기술 인사이트를 원하시면, Reddit의 FastLED 커뮤니티에 올린 제 글을 확인해보세요. 지원과 업보트를 해주신 Quindor와 Charles Goodwin에게 감사의 말씀을 전합니다. Dave Bramston 및 The Bowes Museum과의 협업은 놀라울 정도로 보람 있는 경험이었으며, 우리는 예술과 기술의 경계를 계속해서 넓혀가기를 열망합니다.
비슷한 프로젝트를 진행 중이시거나 이런 종류의 설치 작품에 대해 궁금하신 분들은 언제든지 연락해 주세요 — 우리는 항상 기꺼이 지식을 공유하고 커뮤니티의 다른 분들로부터 배우고 있습니다.
읽어주셔서 감사합니다!
한눈에 보기: 4개의 기둥, 각 ~5m · 기둥당 5,760개 LED · Nvidia Jetson Nano + ESP32 · Journey in Colour, The Bowes Museum, 2022년 6월 18일 – 10월 30일.