고정밀지도

2 Contents

자율주행차 톺아보기 Q&Aㅣ정소영(차세대융합기술연구원) [토요과학강연#9-3부]

자율주행차는 외부 환경의 영향을 많이 받는 기술 집약체입니다. 흔히 GPS 정보가 기상 조건에 따라 오차가 발생할 수 있다고 생각하지만, 실제 운행에 더 큰 제약을 주는 것은 차량에 장착된 센서들입니다. 예를 들어 라이다는 빛을 발사해 반사되는 신호를 측정하는데, 비가 오면 빗방울에 빛이 산란되어 성능이 급격히 저하됩니다. 카메라 역시 습기나 안개로 인해 시야가 확보되지 않으면 사물 인지 능력이 떨어지게 됩니다. 따라서 비 오는 날의 자율주행은 센서의 물리적 한계를 극복해야 하는 중요한 과제 중 하나로 꼽힙니다. 도로 위에는 보행자뿐만 아니라 작은 동물이나 어린이처럼 다양한 크기의 객체들이 존재합니다. 이를 완벽하게 식별하기 위해 자율주행차에는 수십 개의 라이다와 카메라가 다양한 높이와 각도로 장착되어 사각지대를 최소화합니다. 하지만 차량 내부의 센서만으로는 한계가 있기에 도로 위의 IoT 기기나 다른 차량과 정보를 주고받는 V2X(차량·사물 통신) 기술이 필수적입니다. 이러한 자율 협력 주행은 클라우드 데이터와 실시간으로 연동되어 차량이 인지하지 못하는 돌발 상황까지 미리 파악함으로써 주행의 안전성을 획기적으로 높여주는 역할을 합니다. 자율주행의 상용화는 고령화가 심화되는 지방이나 시골 지역의 교통 약자들에게 큰 기회가 될 수 있습니다. 비포장도로나 고정밀 지도가 부족한 지역은 주행 난도가 높지만, 시골 도로는 도심에 비해 교통 복잡도가 낮다는 장점이 있습니다. 현재 정부와 연구 기관은 정보가 부족한 환경에서도 실시간 센싱 기술을 활용해 위치를 파악하고 안전하게 주행할 수 있는 기술을 개발 중입니다. 이는 단순히 기술적 진보를 넘어 이동권 보장이라는 사회적 가치를 실현하는 방향으로 나아가고 있으며, 소외된 지역의 교통 편의를 증진하는 핵심 동력이 될 것입니다. 완전한 자율주행이 실현된다면 사람이 탑승하지 않은 상태에서 스스로 주차를 하거나 목적지로 이동하는 풍경이 일상이 될 것입니다. 더 나아가 공상과학 영화에서 보던 플라잉 카와 같은 미래형 이동 수단에 대한 연구도 활발히 진행되고 있습니다. 현재는 기술적 성숙도와 안전성을 고려하여 사람이 탑승한 상태에서 보조하는 단계에 머물러 있지만, 미래 세대의 창의적인 연구와 개발이 더해진다면 하늘을 나는 이동 수단도 현실화될 가능성이 충분합니다. 이러한 변화는 우리가 상상하는 이동의 개념을 근본적으로 바꾸어 놓을 혁신적인 전환점이 될 것입니다. 기술의 발전과 함께 대두되는 가장 중요한 이슈는 바로 보안입니다. 자율주행 시스템이 외부 네트워크와 연결되는 빈도가 높아질수록 해킹이나 테러에 대한 위험도 커지기 때문입니다. 이를 방지하기 위해 전문가들은 인터넷과 분리된 폐쇄형 내부망을 사용하거나, 고정밀 위치 보정을 위한 시스템에 강력한 암호화 기술을 적용하고 있습니다. 또한 디도스(DDoS) 공격과 같은 외부 위협에 즉각 대응할 수 있는 관제 센터의 운영 매뉴얼을 구축하여 시스템의 안정성을 확보하고 있습니다. 철저한 보안 대책은 자율주행차가 대중의 신뢰를 얻기 위한 가장 기본적인 토대입니다.

자율주행차 톺아보기 Q&Aㅣ정소영(차세대융합기술연구원) [토요과학강연#9-3부]
서울시립과학관[과학강연] 21년 토요과학강연
  • 융합

자율주행시스템 둘러보기ㅣ자율주행차 톺아보기ㅣ정소영(차세대융합기술연구원) [토요과학강연#9-1부]

자율주행 기술은 운전자의 조작 없이 차량 스스로 주변 상황을 판단하여 주행하는 혁신적인 이동 수단을 의미합니다. 최근 우리 주변에서는 경기도 판교의 '제로셔틀'과 같이 실제 도로 위에서 정기적으로 운행되는 자율주행 사례를 점차 흔하게 찾아볼 수 있게 되었습니다. 이러한 자율주행차가 탑승자의 안전을 책임지며 주행하기 위해서는 차량에 탑재된 수많은 센서로부터 수집되는 방대한 데이터를 실시간으로 분석하고 판단하는 고도의 시스템 구축이 무엇보다 중요하며, 이는 미래 모빌리티 산업의 핵심적인 기술적 토대이기도 합니다. 자율주행 시스템의 전체적인 구조는 크게 센싱, 인지, 의사결정의 세 가지 단계로 구분할 수 있습니다. 차량은 다양한 장비를 통해 외부 정보를 받아들이고, 이를 바탕으로 장애물을 인식하거나 앞으로의 이동 경로를 세밀하게 계획합니다. 또한 차선 단위의 정밀한 움직임을 구현하기 위해 센티미터 수준의 오차만을 허용하는 고정밀 지도를 활용하기도 합니다. 이 과정에서 발생하는 엄청난 데이터 용량을 처리하기 위해 클라우드 플랫폼과 실시간으로 통신하며 필요한 정보를 주고받는 유기적인 체계를 갖추어 최적의 안전 주행 환경을 조성합니다. 위치 인식의 핵심인 GPS는 일반적인 환경에서 수 미터의 오차가 발생할 수 있습니다. 이를 극복하기 위해 기준국을 활용하는 RTK 시스템을 도입하여 정밀도를 센티미터급으로 높여야 합니다. 하지만 고속 주행 시에는 GPS 신호의 갱신 속도만으로는 실시간 위치를 추적하기에 한계가 있으므로, 초당 수백 번의 데이터를 생성하는 관성 측정 장치(IMU)를 병행하여 사용합니다. 두 센서의 장점을 결합하고 수치적인 오차를 보정함으로써 자율주행차는 자신이 도로 위 어디에 있는지 확률적으로 매우 정확하게 계산해 낼 수 있는 능력을 갖추게 됩니다. 자율주행차는 주변의 장애물과 지형지물을 파악하기 위해 다각적인 센싱 기술을 활용합니다. 특히 3차원 공간 정보를 수집하는 장비는 자기 위치 인식뿐만 아니라 고정된 건물이나 이동 중인 보행자를 인식하는 데 큰 역할을 수행합니다. 또한 색상을 식별할 수 있는 광학 장치는 신호등의 상태나 도로 위의 표지판 정보를 읽어 들여 안전한 주행을 보조합니다. 이러한 복합적인 정보는 차량 내부의 전용 통신망을 통해 실시간으로 공유되며, 복잡한 도심 도로 위에서도 시스템이 지연 없이 안정적으로 차량을 제어할 수 있도록 만드는 핵심적인 동력이 됩니다. 자율주행 기술의 구현 방식은 기업의 철학에 따라 라이다(LiDAR) 기반과 카메라 기반으로 나뉩니다. 많은 연구 기관과 기업들은 정밀한 3D 데이터 확보를 위해 라이다(LiDAR)를 주요 센서로 채택하지만, 테슬라와 같은 일부 제조사는 인간의 시각 능력을 모방한 카메라 기반의 컴퓨터 비전을 중점적으로 발전시키고 있습니다. 이러한 기술적 다양성은 자율주행의 완성도를 높이는 동력이 됩니다. 아울러 공개된 다양한 오픈 데이터셋은 미래의 연구자들이 자율주행 알고리즘을 연구하고 직접 시스템을 구현해 볼 수 있는 훌륭한 학습의 토대를 제공하고 있습니다.

자율주행시스템 둘러보기ㅣ자율주행차 톺아보기ㅣ정소영(차세대융합기술연구원) [토요과학강연#9-1부]
서울시립과학관[과학강연] 21년 토요과학강연
  • 융합