자율 주행 기술 개요 볼까요

자동차의 자율 주행 기술 단계는 국제 자동차 기술자 협회에서 표준 J30하나 6에 의해서 크게 6단계로 구분했습니다. 현재 상용화되고 있는 기술은 Level 2정도까지로 봐서는 됩니다.

자율 주행 기술은 기본적으로 인식·판단·제어 이같이 3단계를 통해서 구현됩니다.

>

​

자율주행기술에서는 아래 그림과 같이 차량에 수많은 센서가 장착되어 많은 정보를 수집해 주변 환경을 인식한다.

>

여기에 RADAR과 LiDAR라는 부분품이 있습니다. RADAR(Radio Detection And Ranging)은 전파를 물체에 쏘아 수신할 때까지 간격을 통해 거리를 측정하는 기술입니다. LiDAR보다 파장이 길어 장거리에서도 거리 측정이 가능하나 작은 물체를 식별할 수 없어 정밀한 이미지를 제공할 수 없습니다. LiDAR(Light Detection And Ranging)은 빛(광펄스)을 물체에 대고 수신할 때까지 가끔 측정하여 물체의 형상을 추측하는 기술입니다. LiDAR는 짧은 주파수로 작은 물체까지 감지할 수 있지만, 저녁이나 날씨가 흐릴 때는 성능이 떨어진다고 합니다. 자율주행자동차에 대한 뉴스 자신의 기사를 보면, 아래의 자동차처럼 차 위에 빙글빙글 돌고 있는 장비를 보신 적이 있을 겁니다. 즉시 이 장비가 LiDAR입니다. 뱅글뱅글 돌고 있다 LiDAR은 360도를 모두 파악된 스캐닝 LiDAR이라고 합니다.

>

카메라는 RADAR와 LiDAR로 부족한 정보를 인식하는 역할을 합니다. 차선을 인식하고 주변 사물의 모양이나 색을 인식하기 위한 용도로 사용합니다. GPS는 차량의 위치를 파악하기 위한 센서로 지구 주위를 돌고 있는 인공위성에서 전파를 받아 차량의 위치를 파악합니다.초음파센서는 근접거리의 사물을 측정하는데 적합한 센서이다. 주차할 때 차 주위에 물체가 있거나 사람이 있으면 삐 하는 경보음이 울리는데 바로 초음파 센서가 인지하는 것이다.​ 앞으로는 V2X기술을 계속 발전시키고 차량과 모든 사물을 연결하고 끊임없이 정보를 교환해야 한다. 자율주행 차량이 도로 인프라, 신호 시스템, 보행자, 다른 차량과 정보를 교환해 자율주행차 주변을 보다 확실하게 인식하고 환경을 파악해야 합니다.

자율 주행 기술의 핵심은 주변 정세를 정확하게 인식하고 판단하는 것입니다. 인식한 대상의 종류와 의의를 정확하게 파악해야 거기에 맞게 차량을 제어할 수 있기 때문입니다. 전통적인 영상처리 방식은 사물의 특징을 구분할 수 있는 전형적인 색상, 크기, 형태 등을 분석하는 방식입니다. 그러나, 단지 특징을 정의하기 어려운 것이 많기 때문에, 자동차 주행 중에 발생 가능한 주변 정세를 데이터화할 수 없습니다. 예를 들어, 자동차가 보행자를 인식할 때 어떻게 인식하고 판단할지 생각해 보겠습니다. 보행자는 1개의 형태가 아니라 다양한 형태로 보이는 일이 있습니다. 보행자가 우산을 쓰고 있을 수도 있고, 큰 짐을 가지고 있을 수도 있고, 유모차로 자신의 차를 끌 수도 있고, 휠체어를 탈 수도 있습니다. 보행자라는 형태가 수없이 많기 때문에 모든 경우에 대해 데이터화하는 것은 어렵습니다.

>

따라서 최근 대두되고 있는 머신러닝 역시 딥러닝 기반의 인공지능을 이용하여 특정 사물을 파악하는 원리를 훈련을 통해 스스로 찾아내는 것이다. 단순히 사물을 인식하는 수준을 넘어 사람과 함께 사물의 의미를 이해하고 보행자의 다양한 형태와 움직이는, 차량의 진행방향, 차도와 보도를 구별하는 등 한 차원 높은 판단수준을 가질 수 있습니다. 역시 인공지능이 운전자의 주행과정을 관찰하면서 운전하는 비결을 배울 수도 있습니다. 물론 자율주행차가 다른 차량의 주행 데이터에서 주행 과정을 배울 수도 있습니다. 이렇게 주행 데이터를 많이 학습할수록 자율주행 기능의 완성도는 높아집니다. 따라서 머신러닝도 딥러닝 기반의 인공지능 기술이 앞으로 자율주행 발전에 매우 중요한 역할을 할 것이다.​

자율 주행 시스템이 인식하고 판단한 대로 차가 움직이면 됩니다. 차속조절, 조타, 제동, 드라이버 통지 등의 자율주행 시스템과 때때로 통신하고, 명령받은 대로 동작한다. 자율 주행 기술은 인식과 판단 기술이 대부분이라고 해도 과언이 아닙니다.