알고리즘 서브시스템은 센서로 수집한 미가공 원본 데이터로부터 의미있는 정보를 추출하는 센싱과,

차량의 위치에 대한 로컬라이제이션(위치측정)을 통해 주변 환경을 파악하는 인지와,

목표 지점까지 안전하고 안정적으로 도달하는데 필요한 동작을 결정하는 의사결정으로 구성된다.

1. 센싱

 자율주행차마다 공통적으로 사용하는 센서가 몇가지 있다.

 대표적으로 GPS와 IMU, 라이다, 카메라, 레이더와 소나 등이 있다.

 GPS와 IMU는 자율주행차의 위치를 파악하는데 필요하다. 이 센서는 관성 정보와 지리적 위치에 대한 측정 값을 200Hz 이상의 다소 빠른 주기로 알려준다. 그러나 업데이트 주기가 대략 10Hz수준으로 다소 긴편이라 최신 위치 정보를 실시간을 제공하는데 어려움이 있다. 반면 IMU의 업데이트 주기가 200Hz이상으로 실시간 요구사항을 만족시킬 수 있어 GPU와 IMU를 조합하여 사용하면 정확한 정보를 실시간 업데이트 할 수 있다.

 그리고 라이다는 매핑, 로컬라이제이션, 장애물 회피 등에 사용된다. 레이저 빔을 표면에 쏴서 반사될 때까지 걸리는 시간을 재는 방식으로 거리를 측정한다. 정확도가 상당히 높기 때문에 HD 맵을 생성해서 이동 중인 자동차의 위치를 파악해 추정한 뒤, 앞에 나타난 장애물을 감지하는 작업에 주로 활용한다.

 카메라는 주로 차로 감지, 신호등 감지, 보행자 감지 등과 같은 개체 인지 및 추적 작업에 호라용한다. 자율주행차는 안정성을 높이기 위해 1080p 카메라를 8개 이상 장착한다. 

2. 인지

 수집된 센서 데이터는 차량의 주변 환경을 파악하는 인지 단계로 전달된다.

 자율주행의 인지 단계는 로컬라이제이션, 객체 감지, 개체 추적이라는 세 가지 작업으로 구성된다.

 로컬라이제이션 작업은 GPS/IMU를 활용해 현재 위치를 계산한다.

 로컬라이제이션 작업에 카메라도 활용할 수 있다. 스테레오 이미지 쌍에 대한 삼각 측량을 통해 시차 맵부터 구한다.

 이 맵은 각 지점에 대한 깊이 정보를 추출하는데 활용한다. 연속적으로 들어오는 스테레오 이미지 프레임 사이에서 두드러지는 특징을 찾아서 각 프레임에 있는 특징점 사이의 상호 연관 관계를 파악한다. 

 그러면 이전 두 프레임을 통해 움직임을 추정할 수 있다. 또한 이렇게 추출한 두드러진 특징과 기존에 파악한 맵을 비교하는 방식으로 차량의 현재 위치를 알아낼 수도 있다. 하지만 비전 기반 위치 측정기법은 조명상태에 민감하기 때문에 이 방식에 전적으로 의존할 수는 없다.

3. 객체 인지 및 추적

 라이다는 깊이 정보에 대한 정확도가 상당히 높아 자율주행 관련 작업 중에서도 개체 감지 및 추적 작업에 주로 활용한다. 

 최근 들어 딥러닝 기술이 급속도로 발전함에 따라 딥러닝 기반의 개체 감지 및 추적의 정확도가 상당히 높아졌다. 

 객체인지 작업은 딥 뉴럴 네트워크 중에서도 CNN을 많이 사용한다.

 사진. 본원 수료생 실제차량 카메라 부착 자율주행 개체인지 및 추적 실습 사진

4. 동작 

 차량의 주번 환경을 파악했다면 의사결정 단계에서 안전하고 효율적인 동작 계획을 실시간으로 생성한다.

 복잡한 도로에서 사람이 운정할 때 겪는 가장 큰 어려움 중 하나는 다른 운자자의 다양한 동작을 예측해서 자신의 운전에 반영하는 것이다. 특히 차선이 많은 도로를 달리거나 신호가 바뀌는 시점에 있을때 더욱 그렇다. 이러한 환경에서도 안전하게 주행하려면 의사결정 단계에서 주변에 있는 차량의 동작을 예측한 결과를 토대로 동작 계획을 수립해야 한다. 이렇게 도작을 예측하기 위한 방법 중 하나로 다른 차량의 도달 가능한 지점에 대한 확률 모델을 만들고, 도달 가능한 지점에 대한 확률 분포를 구하는 기법이 있다.

 자율주행에서 안전은 굉장히 중요하다. 따라서 자동차가 물체와 절대로 부딪히지 않도록 장애물 회피 메커니즘을 최소한 두 단계 이상으로 구성한다. 첫번째 단계는 능동형 메커니즘으로 교통 예측을 기반으로 처리한다. 차량이 주행하는 동안 교통 예측 메커니즘을 통해 충돌까지 남은 시간이나 최소 거리에 대한 추정치 등을 계산하며, 이렇게 구한 정보를 토대로 필요한 시점에 장애물 회피 메컨즘이 작동해 주변 경로를 다시 계획한다. 이러한 능동형 메커니즘으로 처리할 수 없으면, 두번째 단계인 레이더 데이터 기반의 수동형 메커니즘이 작동한다. 이동 경로상의 물체가 레이더에 감지되면, 주행 제어 시스템에 개입해 장애물을 피하도록 조작한다.

자율주행 취업 대비 개강 과정 안내 아래 클릭 :

과정상세보기 < 국비지원 < 한국IT교육원 대구국비지원 AI인공지능 컴퓨터학원 (hkit.kr)