[컴퓨터월드] 4차 산업혁명 시대가 본격 열리고 있다. 4차 산업혁명의 핵심 주체는 소프트웨어(SW)다. ▲인공지능(AI) ▲사물인터넷(IoT) ▲빅데이터(Bigdata) ▲클라우드(Cloud) ▲로봇(Robot) ▲3D프린팅 ▲자율주행자동차 등 소프트웨어를 기반으로 한 핵심 기술들과 응용 기술들이 산업과 사회의 경계를 허물게 된다. 다시 말해 소프트웨어를 바탕으로 한 융합의 산물들이 우리사회를 크게 변화시켜 나간다는 것이다.

이 혁명은 기존 1~3차 산업혁명들과는 다른 양상으로 전개될 것이다. 보다 더 빠르고, 더 다양하고 많은 분야에서, 사회 전체 시스템의 변화를 수반하며 사회를 탈바꿈시킬 것이다. 거부할 수 없는 변화의 흐름이자 진화이다. 본지는 이에 따라 4차 산업혁명의 핵심 주체들에 대한 보다 상세한 내용을 살펴보고자 안성원 소프트웨어정책연구소 신기술확산연구팀장이자 공학박사로부터 기고를 받아 10회에 걸쳐 전문가 강좌를 연재한다.

자율주행자동차, 센서·통신·빅데이터·인공지능 기술의 융합체

자율주행자동차(Self-Driving Car, Autonomous Vehicle)는 지능정보기술이 집약된 하나의 작은 사회이자 대표적인 사례이며, 이동수단으로써 자동차 본연의 목적을 궁극적으로 실현한 시스템이다. 또한 스마트 카(Smart Car)의 필요조건이기도 하다.

4차 산업혁명 시대의 핫 이슈인 자율주행자동차의 실현 가능성은 지난 2월호에서 이미 설명했다. 이번 호에서는 자율주행을 가능케 하는 ‘주행환경인식’ 관련 기반 기술들을 집중적으로 살펴보고, 이들 기술을 활용해 구현할 수 있는 응용 기술들에 대해 알아본다.

자율주행자동차는 센서(IoT), 통신(Mobile, Network), 빅데이터, 인공지능 기술이 모두 융합된 객체이다. 완전한 자율주행이 가능하기 위해서는 위 기술들이 에러와 같은 부작용 없이 보다 긴밀하게 융합되어야 한다. 자율주행은 현재 첨단 운전자 지원 시스템인 ADAS(Advanced Driver Assistance System)의 형태로 실현되고 있다.

ADAS는 차량에 장착된 각종 센서와 카메라에서 외부환경 정보를 감지하고 이를 통해 운전자에게 적절한 조치를 취하도록 알려주거나, 차량 스스로 주행제어를 수행하며 안전한 운전환경을 제공한다.
자율주행자동차의 시스템은 먼저 주행환경에 대한 인식을 위한 정보수집, 수집된 정보에 의한 판단과 주행전략, 그리고 차량제어 등으로 구성되어 있다.

<그림 1>은 자율주행자동차의 시스템과 기반기술을 나타내고 있다. 주행 환경을 인식하는 단계에서는 각종 센서와 GPS(Global Positioning System), V2X(Vehicle to Vehicle, Vehicle to Infra 등) 통신기술을 통해 주변 환경과 경로를 탐색한다. 이후 딥러닝을 통한 빅데이터 분석과 같은 알고리즘을 통한 판단/주행전략 단계, 최종적으로 차량을 제어하는 단계로 구성된다.

자율주행을 위해서는 먼저 차량의 곳곳에 장착된 센서로부터 주변 정보를 수집해야 한다. 이러한 센서들은 지난 4월호의 <그림 2>에서 알 수 있듯이 그 종류가 매우 다양하다. 자율주행을 위해서는 여러 종류의 센서가 필요한데, 이 센서들은 크게 라이다(LiDAR), 레이더(RADAR), 스테레오 카메라(Stereo Camera), 초음파센서(Ultrasonic sensor) 등으로 구분되며, 측정 범위(각도와 거리)에 따라 장착되는 위치와 역할이 달라진다. 이 센서들은 자율주행차를 연구하는 제조사에 따라 각각 다양하게 조합돼 장착된다.

<그림 2>는 메르세데스 벤츠(Mercedes benz)사 S클래스 모델의 ADAS를 위해 장착된 센서들의 예시로 RADAR(<그림 2>의 레이더)와 스테레오 카메라, 적외선 카메라, 초음파 센서를 조합했다.

LiDAR·RADAR, 반사파 이용 거리와 형상 측정

자율주행을 위한 센서 기술 중, 먼저 자율주행 기술의 선도업체인 구글을 비롯해 자율주행을 연구하는 기업과 학계, 연구계에서 많이 사용하는 LiDAR(Light Detection And Ranging)부터 살펴본다.

LiDAR는 RADAR(RAdio Detection And Ranging) 시스템의 일종으로 비슷한 원리로 동작한다. RADAR는 전자파(라디오파)를 대상 물체를 향해 발사하고, 물체에 반사되어 되돌아오는 반사파를 측정하여 대상까지의 거리와 형상을 측정하는 장치이다. 보통 멀리 있는 물체와의 거리를 측정하는 것이 주목적이며, 항공기의 위치를 알아내거나 심해의 수심을 알아내기 위해 응용되기도 한다. LiDAR은 전자파 대신 빛(레이저 펄스)을 사용한다는 것에 그 차이가 있다.

LiDAR의 역사는 1930년대로 거슬러 올라간다. 당시 공기 밀도 분석을 위해 처음 개발이 시도되었으며, 본격적으로 개발이 진행된 것은 레이저가 발명된 1960년대이다. 항공기나 위성 등에 적용되기 시작해 현재는 자율주행자동차에까지 이르렀다. 형제격인 RADAR에 비해 정확한 주변 물체 측정이 가능하다. RADAR는 마이크로파인 라디오 전파를 사용하는데, 전파의 특성상 금속 물질은 잘 반사되지만, 비금속 물체의 경우에는 반사율이 떨어지며, 물체에 따라 반사하지 못하는 경우도 더러 있다.

반면, 주로 방사상으로 퍼져나가는 라디오 전파와는 달리 LiDAR는 직진성이 강한 레이저 빔을 사용한다. 탐색 거리는 비교적 짧지만 매우 짧은 간격의 펄스신호를 통해 보다 높은 밀도로 정확하게 주변 사물을 인식 할 수 있다. 이러한 특성으로 인해 최근 LiDAR는 3D 공간 스캐닝 및 거리측정, 3D 이미지 시스템에 널리 쓰이고 있다. 자율주행차를 위한 LiDAR의 종류와 동작 예시는 <그림 3>과 같다.

<그림 3>의 (a)는 LiDAR 종류의 예시를 나타내고, (b)는 자율주행 시험차량에 장착한 예시를 보여주고 있다. (b)의 예시는 구글의 자율주행 테스트용 차량이며, 장착된 모델은 (a)의 맨 왼쪽 모델이다. 이렇게 차량 상부에 장착된 LiDAR는 회전하며, 매우 짧은 주기로 레이저 펄스를 발사하고 물체에 반사되어 되돌아오는 레이저를 감지해 3D 형태로 차량 주변의 물체를 이미지화 하는데, 이는 (c)와 같다. 예시로 든 모델의 경우 가장 최근 버전이 120m의 탐색 범위를 가지며, 360°를 회전하며 초당 220만 번의 탐색을 수행한다.

LiDAR, 정확한 주변 물체 측정 가능

이렇게 LiDAR로부터 수집된 3D데이터는 RADAR, 초음파센서, 카메라로 수집한 정보들과 함께 자율주행을 위한 데이터로 활용된다. 또한 해당 지역의 지도정보와도 결합해 보다 완성도 있는 자율주행을 가능하게 한다.

그렇다면 보다 빠르고 정확한 주변정보 탐색을 위해 LiDAR를 여러 개 사용할 수는 없을까? LiDAR는 아직까지 고가의 장비이다. 예를 들어 LiDAR의 유명 제조업체인 벨로다인(Velodyne, <그림 3>의 (a))의 2007년 초기버전은 약 8만 달러였으며, 최근에는 약 8천 달러까지 떨어졌다. 그러나 아직도 상용화하기에는 고가이다. 또한 현재의 성능을 유지한 채 크기도 작아져 차량의 디자인을 해치지 않아야 할 것이다.

LiDAR가 자율주행차의 주요 센서로 사용됨에 따라 여러 업체들(Aerostar, Ibeo Automotive Systems, Innoviz Technologies, LeddarTech, Phantom Intelligence, TriLumina 등)이 시장에 뛰어들어 경쟁을 벌이고 있다. 회전하지 않는 고정식 제품도 개발되고 있으며 보다 소형화되면서 약 250달러 수준으로 가격을 낮춘 제품들도 속속 등장하고 있다.

LiDAR가 고가 장비라는 점 때문에 이 기술을 채택하지 않는 기업도 있다. 테슬라(Tesla)가 대표적인데, LiDAR 대신 12개의 360도 장거리 초음파 센서 및 전방 인지 RADAR 시스템, 카메라를 통한 거리 측정 및 신호와 보행자 인식 기술을 사용한다.

자율주행을 위해 주행환경을 파악하기 위해서는 카메라를 통한 영상인식 기술도 필요하다. 영상 인식을 통해 주행 중 다양한 주변 물체를 파악하고 그 물체와의 거리 등 공간정보를 인식한다. 영상 인식의 경우 카메라를 이용하는 것이 더 유리한 경우도 있다. 도로의 차선 인식이 대표적인 사례이다. 차벽이나 가드레일, 연석처럼 제법 형체를 갖춘 물체와는 달리 도로와 밀착된 차선은 LiDAR나 RADAR와 같이 반사파를 이용해 인식하는 것이 쉽지 않다. 때문에 카메라를 통한 주행환경 인식도 반드시 필요하며, 이를 통해 주행차량의 차선 유지나 변경을 지원할 수 있다.

도로변에 있는 표지판이나, 신호등을 인식하는 데도 카메라를 통한 영상인식 기술이 활용된다. <그림 4>는 차량에 장착된 카메라를 통해 주행 중의 차선 및 주변 차량 표지판, 사람 등을 인식하는 사례를 보여주고 있다.

스테레오 카메라, 양쪽 눈처럼 거리정보 계산
카메라를 통한 주행환경 인식은 <그림 4>의 (a)와 같이 자동차 전용도로에서 주행차로 유지 및 차선 변경을 위한 차선인식 외에도 도로의 합류지점 및 분기지점에 대한 인식과 이에 대응하는 주행 지원도 가능하게 한다. 도심에서는 (b)의 예와 같이 카메라로 수집한 영상에서 보행자, 표지판, 도로변의 주‧정차 차량, 이륜차 등의 형상정보를 구분하여 인식해 안전한 주행과 주차 보조 등을 지원할 수 있다.

자율주행에는 렌즈가 한 개인 모노카메라(Mono Camera, 단안카메라)도 사용되지만, 두 개의 렌즈를 갖거나 두 대의 카메라를 하나로 묶은 형태의 스테레오 카메라(Stereo Camera)도 사용된다.

스테레오 카메라는 사람이 양쪽 눈을 통해 거리를 인식하는 것과 같은 원리로 거리정보를 계산한다. 이 과정에서 카메라 간의 내/외 변수를 추정하는 계산과 두 카메라로부터 들어온 영상에서 서로 대응되는 위치를 찾는 스테레오 매칭(Stereo Matching) 작업이 수반된다. 때문에 이 방식은 모노카메라 방식에 비해 알고리즘이 복잡하고 가격이 비싸다는 단점이 있다. 하지만 최근 들어 하드웨어 성능 향상과 가격 하락으로 대중화되고 있다. 또한 고가 장비인 LiDAR와 모노카메라의 조합을 대체하는 경우도 있다.

현재 자율주행차용 스테레오 카메라의 선두업체는 자회사로 메르세데스 벤츠사를 거느리고 한때 미국의 크라이슬러사도 합병했던 독일의 다임러(Daimler)그룹이다. 이미 2014년에 LiDAR를 사용하지 않고 자체 개발한 스테레오 카메라로 103km의 거리를 완전 자율주행 한 바 있다.

이 외에 자율주행을 위한 초음파(Super-sonic)센서는 주로 5m 내의 근거리 장애물 감지를 위해 사용되며, 능동적 주차보조(Active Parking Assist) 및 자동주차(Auto Parking)에 응용할 수 있다. 적외선 카메라(Infrared camera)는 야간운전 시 물체를 인식하고 상황 판단을 할 수 있도록 도움을 준다.

주행환경을 인식하는 데 GPS를 이용한 차량의 위치정보와, 미리 구현되어 있는 해당 지역별 고정밀 3D 지도를 이용할 수 있다. 이 기술은 이미 오래전부터 상용화 된 네비게이션과 유사한 기술로 현재 차량의 위치, 주행속도 및 방향, 주변의 고정된 지형지물을 파악할 수 있다. 고정밀 3D 지도는 정적인 주행환경 정보를 차로별로 구성해 자율주행을 위한 전방 도로환경에 대한 예측과 주변상황 인식성능 향상을 가능하게 한다. 이러한 지도 데이터와 현재 차량의 주변에서 습득한 레이더 또는 영상 정보를 결합해 비교‧분석하면 주행과 관련해 보다 정확히 판단할 수 있다.

확장성과 보안을 확보한 V2X 통신도 차량 간 그리고 차량과 인프라 간의 정보공유를 통해서도 보다 신속하고 안전한 교통흐름 체계를 지원할 수 있다. 이 내용은 지능형교통시스템(ITS, Intelligence Transport System)으로 다음 호에서 자세하게 다룰 예정이다.

자율주행자동차, 3~4년 내 판매 가능할 듯

자율주행에 필요한 가장 기초적인 주변정보에 대한 센싱은 차량 외부뿐만 아니라 차량의 내부에서도 이루어진다. 대표적으로 안전을 위한 운전자 상태 파악을 들 수 있다. 운전자의 평소 운전습관과 성향을 비롯해 운전자의 상태(피로도 등)를 다양한 인터페이스를 통해 파악하고, 이를 차량 외부의 주행환경과 비교함으로써 가장 적절한 판단을 내릴 수 있도록 하는 것이다. HVI(Human Vehicle Interface)로 개발 중인 이 기술은 완전 자율주행이 실현되기 전까지 ADAS 시스템의 한 부분에 적용될 것으로 보인다.

앞서 살펴본 기반기술들을 응용하고 조합해 자율주행을 위한 다양한 서비스를 만들어 낼 수 있다. 다음으로 현재 개발 중이거나 상용화가 진행 중인 응용기술들에 대해 살펴보자. 차량제어를 위한 주요 응용 기술은 다음 <표>와 같다.

<표>에서 살펴본 기술은 모두 운전자 보조 기술(ADAS)에 포함돼 있으며 자율주행에 응용될 수 있다. 이중 특히 LKAS, ACC, AEB, TSR, PD, CAS 등은 완전한 자율주행을 위해 반드시 필요한 응용 기술이다. 이와 같은 다양한 차량제어 시스템들이 복합적으로 작동하고, 보다 다양한 상황에 대해서 지능적으로 대처할 수 있게 될 때 비로소 완전한 자율주행차가 완성된다고 할 수 있다.

자율주행기술에 대한 연구와 테스트는 꾸준히 활발하게 진행 중이다. 이미 높은 수준의 완성도를 보이는 자동차, IT 등의 선두 업체들로부터 3~4년 내에 판매 또는 서비스를 계획하고 있다는 소식이 들려오고 있다. 자동차가 알아서 사람을 목적지까지 안전하게 데려다 주는 날이 그리 멀지 않았다.