자율주행
- 운전자의 개입(조작) 없이 목적지까지 차량 스스로 움직이는 기술이다
- Autonomous Driving, Autonomous Vehicle, Self Driving Car 등 다양한 용어로 불린다
- 기술 구성 요소
- Perception
- 자율주행 차량의 주행 환경에 대한 다양한 정보를 인지하는 기술
- 자율주행 차량의 주행 환경 정보를 인지한다
- 다양한 센서(Vision, LiDAR, RADAR, ..)를 사용하여 주행에 필요한 정보(장애물, 교통 신호, …)를 인식한다
- 인식된 다양한 정보로부터 자율주행 차량에 영향을 미칠 요소를 분석하고 측정하여, 환경을 이해한다
- Localization
- 자율주행 차량의 현재 위치를 추정하는 기술
- 자율주행 차량의 현재 위치를 파악하기 위해, 크게 두 가지 방법이 있다
- GNSS 기반의 Global Possion을 추정하는 방법 → GPS/INS(&IMU) Fusion, GPS RTK, …
- 다른 센서 또는 데이터로부터 차량의 Global Position을 추정하는 방법 → SLAM, Map Matching, …
- Planning
- 자율주행 차량의 주행 환경, 위치 정보를 바탕으로 주행하는데 필요한 요소(경로, 판단, …)를 생성 및 결정하는 기술
- Planning의 대표적인 예시로, 자율주행 차량의 경로 계획(Path Planning)이 있다
- 내비게이션과 같이, 현재 위치로부터 목적지까지 도로 단위의 경로를 결정하는 방법 → Global Path Planning
- 현재 주행 환경에서 원활한/안전한 주행을 위한 차선 단위의 경로를 결정하는 방법 → Local Path Planning
- Control
- 자율주행 차량이 원활한 주행을 할 수 있도록 차량을 제어하는 기술
- 차량에 인가된 목표 값(Desired Value)를 만족하기 위한 차량의 요소를 제어하는 기술
- 자동차의 경우, 차량의 속도, 가속도, 순간 가속도와 스티어링을 제어한다
- 제어 대상의 Dynamics를 분석하고 주행 환경과의 상호작용을 통해 차량 안정성을 제어한다
- 시스템 아키텍쳐
- 두가지 갈래
- 정밀지도(HD Map) 기반 자율주행
- LiDAR 기반 자율주행
- waymo
- 비정밀지도 기반 자율주행
- Vision 기반 자율주행
- mobileye, tesla
- HD Map은 자율주행에 필요한 다양한 정보, 정확한 지도 데이터를 제공하는 장점이 있지만, 지도 제작과 유지보수가 어려운 단점이 있어 다른 방법을 채택한 회사가 있다
- HD Map과 Navigation Map
- HD Map
- HD(High Definition) Map으로 자율주행에 필요한 많은 사전 정보를 지도로 만들었다
- HD Map을 만드는 회사마다 구체적인 정의, 데이터가 조금씩 다르며 계속 개발이 진행중이다
- HD Map은 차선 단위의 지도로 높은 정밀도, 다양한 정보를 포함한다 → 지도 제작이 어렵고 비싸다는 단점이 있다
- 누적된 LAS(LASer) 데이터를 사용하여 필요한 데이터 요소를 추출&경량화 작업을 수행한다
- Naiviagation Map
- 일반적인 내비게이션에 사용하는 Navigtion Map
Perception
- 기술 분류
- 다양한 특징을 가지는 센서를 사용한다
- 센서의 고유한 특징을 활용하여, 종합적인 정보를 추정한다
- Detection
- Vision, LiDAR, RADAR 등 다양한 센서를 활용하여 주행 환경에 존재하는 특징 객체를 검출한다
- Vision 기반의 2D Image Object Detection, LiDAR 또는 RADAR를 활용한 3D Point Cloud Object Detection 등이 있다
- 최근, Vision 기반의 3D Object Detection을 검출하려는 다양한 노력이 있다
- Segmentation
- Segmentation은 객체의 형태를 분할하는 기법으로, Bounding Box와는 출력 결과가 다르다
- Segmentation 역시 Vision, Point Cloud 등 다양한 센서를 활용한다
- Tracking
- Tracking은 검출한 객체의 고유한 ID를 부여하고, 해당 객체가 동일한 객체임을 추적하는 기술이다
- 다중 객체를 추적하는 Multi Object Tracking(MOT)와 단일 객체를 추적하는 Single Object Tracking(SOT)으로 구분한다
- Prediction
- 객체의 현재까지의 움직임과 객체의 고유한 특징 등 다양한 정보를 바탕으로 객체의 미래 움직임을 추정한다
- Multimodal Trajectory Predicion이란 키워드로 활발한 연구가 진행중이다
- 3D POSE Estimation
- 객체를 인식하는 것 뿐만 아니라, 객체의 정확한 위치를 추정하는 기술은 매우 중요하다
- Vision의 Geometry 정보를 사용하는 방법과 위치 정보를 획득할 수 있는 다른 센서와의 데이터 융합 방법으로 구분한다
- Multiple View Geometry 분야의 기술을 활용한다
- LiDAR 센서의 입력 데이터는 특정 포인트의 3차원 위치정보이다
- Camera와 LiDAR
- LiDAR는 객체를 구분할 수 없지만, 위치 정보를 획득할 수 있다
- Camera는 객체의 위치 정보를 획득할 수 없지만, 대상이 무엇인지 구별할 수 있다
- Sensor Fusion
- 이처럼 각 센서는 고유한 장/단점을 가지고 있다
- 유의미한 정보를 획득하기 위해 센서 데이터를 융합하는 Sensor Fusion(Calibarion)이라 부르는 방법을 사용한다
- Acceleration
- Perception의 많은 알고리즘이 Deep Learing 기반으로 변화하면서, 컴퓨팅 파워에 대한 수요가 급증하고 있다
- 자율주행은 빠른 속도로 움직이는 환경이기 때문에 검출 성능 뿐만 아니라 검출 속도도 중요한 키워드이다
- Model Quantization, Pruning, Hardware Optimization 등 다양한 최적화 방법이 존재한다