자율주행 기술은 운전자의 보조(Driver-Assistance) 기능에서 출발해 핸즈 오프(Hands-off), 아이즈 오프(Eyes-off), 마인드 오프(Mind-off), 드라이브 오프(Driver-off) 단계로 발전이 예상된다. 그리고 이러한 단계적 발전에 있어 ‘인지-판단-제어’의 기술적 뒷받침이 무엇보다 요구되며, 그 중심에 센서와 지도 기술이 자리한다. 고도화된 센서와 지도는 자율주행차의 완성도를 높이는 핵심으로 날로 진화 중이다.

초정밀 센서는 무한 경쟁 중

센서를 통해 정보를 습득하는 자율주행 기술은 미세하다 하더라도 오차가 발생하면 자칫 대형 인명사고로 이어질 수 있다. 그래서 ‘인지’ 역할을 하는 센서는 더 높은 정확성이 요구되며 이 기술은 하루가 다르게 발전하고 있다. 자율주행차용 센서는 크게 카메라(Image Sensor), 라이다(LiDAR), 레이더(Radar)가 있다. 첫 번째로, 카메라(Image Sensor)는 사람의 눈을 대신해 전면 차량은 물론 신호등과 차선, 교통 표지판을 인식한다. 하지만 야간이나 악천후 시 판독이 어렵고 사각지대 및 가시거리 밖의 상황은 인지력이 떨어지는 단점이 있다. 그럼에도 카메라는 우수한 물체 판독력으로 충돌방지, 차선유지, 주차보조 등 기능의 중요성을 인정받아 일부 국가에서는 장착이 의무화되고 있다. 최근 들어 사각지대 개선 및 인식 정확도 향상을 위해 초고화질 광각 카메라 개발이 진행되고 있으며, 하드웨어뿐만 아니라 소프트웨어적 이미지 처리 기술도 중점적으로 개발되고 있다.
두 번째로, 라이다(LiDAR)는 레이저 광원을 활용하기 때문에 고가의 장비이지만 주변 환경을 3D로 인식할 수 있고, 150미터까지 360도 관찰이 가능하다는 장점이 있다. 최근 고정형(Solid State) 라이다가 개발되면서 기존 360도 회전식 스캔장비보다 인지 각도는 일부 줄었으나 구조의 단순화, 소형화, 가격 경쟁력 확보 관점에서 용이성이 증대되었다. 향후에도 지속적인 개발이 이뤄질 것으로 보인다. 이와 같은 노력에 힘입어 현재 수만 달러를 호가하는 가격이 수년 내 대략 250달러까지 하락할 전망이다.
세 번째로, 레이더(Radar)는 전자파를 이용하며 야간이나 악천후에도 사용이 가능하다. 또한 측정거리가 길다는 장점이 있지만 탐지 물체의 종류를 인식하기 어렵다는 단점도 있다. 하지만 저렴한 강점에 주목한 테슬라와 같은 기업은 고가의 라이다를 배제하고 물체 판독률이 좋은 카메라와 레이더만으로 자율주행 기술을 완성하려는 전략을 세우고 있기도 하다. 레이더는 장착률을 높이는 컴팩트형 부품화, 레이더의 강점인 측정각이나 측정거리를 확대하는 방향으로 발전하고 있다. 한편, 현재 이러한 센서들이 대체재가 아닌 보완재로 적용되고 있는데 아직 개별 센서로는 인지 능력에 오차가 발생하기 때문이고, 이러한 추세는 당분간 계속될 예정이다.

‘인지’ 역할을 하는 센서는 더 높은 정확성이 요구되며 이 기술은 하루가 다르게 발전하고 있다. 자율주행차용 센서는 크게 카메라(Image Sensor), 라이다(LiDAR), 레이더(Radar)가 있다.

실시간에 가깝게, 정확하게, 저렴하게: 초정밀지도

자동차용 지도는 크게 항법지도, ADAS(Advanced Driver Assistant System)지도, 정밀지도로 구분할 수 있다. 우선 항법지도는 일반 자동차나 스마트폰에서 흔히 볼 수 있는 내비게이션에 탑재된 지도이다. 주로 도로 단위의 정보를 표현하는데 목적지를 찾아 그곳까지 향하는 경로를 탐색한다. ADAS지도는 기존 내비게이션에 도로의 곡률과 경사를 추가해 ADAS 기능이 정교하게 작동할 수 있도록 뒷받침한다. 정밀지도는 여기에 차선, 신호등, 표지판 등의 정보를 포함해 자율주행차가 안전하고 안정성 있게 운영될 수 있도록 한다.
정밀지도 제작을 위해서는 MMS(Mobile Mapping System)가 탑재된 전용 차량이 필요한데, 이 차량에는 주변 환경에 대한 상대거리 정보를 획득할 수 있는 2D 또는 3D 라이다가 장착되어 있고 2개 이상의 GPS가 상대위치를 측정해 정밀도를 높이고 있으며, 차량 속도와 방위각을 통해 터널 안에서도 정확한 위치를 알 수 있는 관성항법장치, 차량의 이동거리를 통해 정확한 거리를 측정하는 DMI(Distance Measuring Instrument), 그리고 다수의 카메라 등 각종 장비가 도로를 돌아다니며 정보를 축적한다. 이렇게 수집된 데이터는 GPS 상시 관측소 데이터와 비교해 오차값을 보정하고 후처리를 한 다음 필요한 데이터를 추출해 정밀지도로 생성된다.
한편, MMS 차량이 24시간 방방곡곡 세밀하게 실시간으로 돌아다니기에는 제한이 있어 정보 수집원을 확대시킬 수 있는 방안으로 도로에 돌아다니는 자동차들을 통해서 동적정밀지도(LDM: Local Dynamic Map)에 필요한 정보를 수집하는 단말기들도 출시되고 있다. 그리고 대상 정보를 인지하고 편집하는 속도를 높이는 동시에 분석의 정확도를 향상시키기 위해 딥러닝, 인공지능 등을 적용하고 있기도 하다.

센서와 지도 간의 빠른 정보 교환과 저장: 동적정밀지도

정밀지도는 더 세부적이고 즉각적인 교통 정보를 담으려는 LDM(Local Dynamic Map)으로 발전하고 있다. LDM은 자동차와 인프라에서 수집되는 정적 또는 동적 정보를 저장하는 저장소이다. LDM은 향후 4단계에 걸쳐 발전될 것으로 예상되는데, 1단계는 영구 정적 데이터에 정밀전자지도를 포함하는 것이다. 2단계는 제한적 정적 데이터에 도로시설물, 표지판 등 도로 정보를 포함하는 것이다. 3단계는 제한적 동적 데이터에 교통신호와 교통 정보(사고·정체·공사 등), 기상 정보 등 실시간 정보 저장을 포함하는 것이다. 마지막으로 4단계는 동적 데이터에 차량, 보행자 등 본격적인 자율주행차와 관련된 데이터를 저장 및 제공하는 것이다. 현재 수준은 1단계를 넘어 2단계 수준으로 인식되고 있으며, 향후 점진적으로 발전할 것으로 기대된다.

정밀지도는 더 세부적이고 즉각적인 교통 정보를 담으려는 LDM로 발전하고 있다. LDM은 자동차와 인프라에서 수집되는 정적 또는 동적 정보를 저장하는 저장소이다.

자율주행차의 완성도를 높여라

아직 자율주행차용 센서들의 인식 성능에는 한계가 있다. 그래서 안정성을 확보하기 위해서는 차량과 도로 간의 협력은 물론, LDM처럼 지도 정보에 다각도의 정보를 결합해나가야 한다. 또한 ‘인식’ 다음 단계인 ‘판단’을 위해서도 센서와 지도 간의 상호보완이 필요하다. 우리가 내비게이션을 통해 운전을 할 때 미리 도로 환경을 알면 조금 더 안전하게, 경제적으로 운전을 할 수 있는 것처럼 향후 나타날 정보를 미리 안다면 더 나은 판단을 할 수 있기 때문이다.
마지막으로 센서의 더 폭넓은 적용을 위해 정확도 향상은 기본이고 장착 용이성, 가격 경쟁력 확보와 같은 노력이 지속되어야 한다. 더불어 지도에 실시간 동적 데이터를 포함할 때 확보된 데이터의 정확성 향상과 시간 및 비용의 절약을 위한 소프트웨어적인 접목도 지속적으로 시행될 것으로 기대된다.