관제 UI와 실시간 비행 시스템을 연결해,
비행 데이터를 운용자의 판단과 명령으로
바꾸는 GCS 엔지니어입니다.

기존 Next-Best-View 3D 복원은 voxel 점유(occupancy)로만 사각지대를 판정해 실제 메쉬 복원 가능 여부를 검증하지 못하고, 초기 비행 후 오프라인 분석 → 재비행이 필요해 배터리 제약이 큰 실환경에 부적합했습니다.

복원된 삼각 메쉬의 경계 에지를 직접 추적해 복원 실패 영역을 식별합니다. 동일 카메라의 다중 드론이 서로 다른 면을 동시에 촬영하고, GCS가 통합·복원·검출·태스크 재분배를 담당해 단일 비행 안에서 점진적으로 복원합니다.

5개 구조물 전 장면에서 baseline(FC-Planner·PredRecon) 대비 Recall·F1 최고. Out-of-distribution·대형 구조물에서도 안정 복원.

이 알고리즘이 실제로 도는 곳이 GCS입니다. 멀티 드론의 촬영 데이터 통합, 사각지대 검출, 재비행 태스크 분배를 모두 GCS가 담당하도록 설계했고, 그 GCS를 C++·Qt로 직접 구현했습니다 — 자세한 내용은 아래 02번 카드에 이어집니다.

기존 드론 관제 소프트웨어는 대부분 1기체-1조종 구조에 머물러 있어, 다중 드론이 동시에 임무를 수행하고 상황에 따라 태스크를 재분배하는 상황을 다루지 못했습니다. 촬영·경로·상태를 한 화면에서 통합 관제할 도구가 필요했습니다.

PX4-ROS2 비행제어와 직접 통신하는 GCS를 C++·Qt로 설계했습니다. 지도 위에서 다중 드론의 실시간 위치·경로를 시각화하고, 촬영 경로를 계획해 각 기체에 명령을 전송하며, 연결 상태와 로그를 실시간으로 모니터링합니다.

5대 드론의 경로·태스크를 동시에 계획·전송하는 GCS를 실제 비행 시연까지 완성해 전국 대학생 UAM 올림피아드에서 국토교통부 장관상을 받았습니다. 이후 대학원 연구에서도 같은 GCS 구조를 확장해, 멀티 UAV 3D 복원 파이프라인의 데이터 통합과 태스크 재분배를 맡겼습니다 (위 01번 카드의 GCS 화면 참고).

드론쇼는 수백~수천 대의 드론을 동시에 모니터링하고 명령을 내려야 하지만, 기존 데스크톱 GCS(SUV-GCS)는 다수의 관리자가 동시에 접속해 운용하기 어렵고 확장에 한계가 있었습니다. 정밀 위치 제어를 위한 RTK-GPS 보정 신호도 모든 기체에 안정적으로 전달해야 했습니다.

Spring Boot 서버 + React 3D 클라이언트로 서버-클라이언트 구조의 웹 GCS를 설계했습니다. 서버는 UDP로 MAVLink 텔레메트리를 수신해 WebSocket으로 다수 클라이언트에 중계하고, 명령은 REST API로 처리합니다. 다수 기체의 고빈도 텔레메트리는 큐에 모아 150ms 주기로 배치 처리해 렌더링 부하를 줄였고, RTK-GPS 보정 신호는 LoRa로, 명령·모니터링은 WiFi로 이중화해 통신 안정성을 높였습니다.

시뮬레이션으로 3,000대 이상 동시 운영을 검증했고, 시나리오 업로드·동기화·일괄 ARM/TAKEOFF/LAND 등 실제 드론쇼 운용에 필요한 기능을 갖춘 베이스 시스템을 완성해 파블로항공에 기술이전했습니다.

기존 DDS 취약점 연구는 알려진 CVE 목록을 점검하는 수준에 머물러 있어, PX4가 실제로 사용하는 XRCE-DDS 연동 환경에서 어떤 취약점이 발생하는지는 검증되지 않았습니다. 실기체가 실시간으로 명령을 주고받는 구조라 취약점이 곧 추락·제어 불능으로 이어질 수 있었습니다.

PX4 Pixhawk 6x와 Jetson 임무 컴퓨터로 실제 비행 환경을 구성하고, Radamsa 기반 패킷 퍼징과 고빈도 메시지 플러딩으로 두 가지 공격을 직접 구현했습니다. RELIABLE 스트림 처리 코드의 stream index 유효성 검증 누락을 퍼징으로 찾아내 SIGFPE 크래시를 재현했고, offboard 메시지를 10,000Hz로 흘려보내 uxrce_dds_client의 UDP 송신을 무한 대기에 빠뜨렸습니다.

두 취약점 모두 실기체 환경에서 재현에 성공했습니다 — 퍼징 패킷 한 번으로 PX4가 Floating point exception으로 크래시·재부팅됐고, 메시지 플러딩으로 텔넷 접속이 끊기며 드론이 강제로 Return-to-Home 했습니다. 스택 트레이스까지 코드 레벨로 원인을 분석해 최종 연구보고서에 정리했습니다.