English
Chinese
German
Spanish
Japanese
지난 10년 이상 자율 주행 차량 개발에 박차를 가하고 있습니다. 자율주행차 개발자와 애호가들은 자율주행차가 다양한 시민들에게 더 안전하고 효율적인 교통수단을 제공할 수 있다고 믿습니다. 자율주행차는 다양한 기술의 활용을 통해 실현됩니다.
자율 주행 차량의 핵심 기술 구성 요소 중 하나는 차량이 주변 환경과 상황을 이해하는 데 사용되는 감각 시스템입니다. 차량 외부를 장식하는 일반적인 센서 시스템에는 다양한 카메라, 레이저 및 초음파 시스템이 포함됩니다. 차량 내부에는 일반 승객에게는 보이지 않는 데이터 처리 및 분석 기능이 있으며, 센서의 입력을 해석하고 이 분석의 결과를 사용하여 운전자 대신 의사 결정을 내립니다. 이 중앙 집중식 시스템의 핵심 구성 요소는 차량의 동적으로 변화하는 움직임을 모니터링하는 시스템인 관성 측정 장치(IMU)입니다.
옥스포드 테크니컬 솔루션(OXTS)은 약 20년 동안 자동차 시장에 관성 측정 기술을 제공해 왔습니다. 이 기간 동안 OXTS는 다음과 같은 다양한 자율 주행 차량 개발 프로젝트에 관성 시스템을 공급했습니다. DARPA의 도전 과제 (2005년과 2007년), 2006년의 자율 주행 폭스바겐 골프 53+1, BAE Systems의 무인 차량 '와일드캣', 군용 시스템 및 여러 주요 자동차 제조업체의 수많은 시스템과 함께. 따라서 OXTS는 관성 측정 장치가 안전하고 성공적인 자율 주행에 필수적인 이유를 잘 보여줍니다.
운전자 지원 메커니즘의 성숙도
Google과 같은 기업들은 처음부터 운전이 아닌 탑승용 완전 자율 주행 차량을 설계하고 있습니다. 많은 주요 자동차 제조업체에서 개발 중인 첨단 운전자 보조 시스템(ADAS)에는 이미 많은 센싱 기능이 구현되어 있습니다. 카메라 및 LiDAR와 같은 이미징 시스템은 일반적으로 전방에 있는 물체를 인식하는 데 사용되며, 단순히 다가오는 단단한 구조물을 식별하거나 차량의 궤적에서 보행자 또는 기타 잠재적인 충돌 위험을 감지하는 데에도 사용됩니다. 차량의 '눈'으로서 개별 차량에 탑재되는 이미징 시스템은 그 수와 정교함이 점점 더 증가하고 있습니다. 최근 시장 규모 보고서에서 Yole Développement(Yole)는 2015년 말 자율주행 차량의 센서 시장 규모가 1조 4천 26억 달러에 달하고 2030년에는 1조 4천 36억 달러(이미징 센서만 1조 4천 12억 달러)로 증가할 것으로 예측했습니다. 그러나 이미징 시스템은 물체의 모양과 형태, 차량과 감지된 물체 사이의 거리를 평가할 수 있지만, 자율주행 차량이 적시에 대응하기 위해 후속 결정과 조치를 취하기 위해서는 여전히 환경 내에서 차량이 어디에 위치해 있고 어떻게 움직이고 있는지를 알아야 합니다. 차량의 움직임(차량 동역학)을 고려하면 이미징 센서의 정보를 검증할 수 있을 뿐만 아니라 자율주행 차량이 보이는 장애물 사이와 의도된 경로를 따라 안전하게 통과할 수 있습니다.
컨텍스트, 컨텍스트, 컨텍스트
자율주행 차량은 경로를 따라 처음부터 끝까지 안전하게 이동하는 동안 여러 가지 사항을 추적해야 합니다. 가장 높은 수준에서 자율 주행 차량은 경로를 따라 전반적인 진행 상황을 추적해야 합니다. 이는 글로벌 내비게이션 위성 시스템(GNSS)을 통해 지원될 수 있습니다. GNSS는 차량 속도와 관련된 정보를 제공할 수 있지만 정확한 위치와 속도에 대한 정보를 지속적으로 정확하게 제공할 만큼 신뢰성이 높지는 않습니다.
다음 단계는 보다 국지적인 상황으로, 운전자가 운전석에서 눈으로 관찰할 수 있는 것들을 포함합니다. 이 수준에서 자율 주행 차량은 근처에 있거나 곧 근처에 있을 고정 및 이동 기능의 맥락에서 차량을 둘러싼 즉각적인 환경을 이해해야 합니다. 고정된 기능에는 차선 표시, 연석, 교통 통제, 주차된 차량 등이 포함됩니다. 움직이는 피처에는 움직이는 다른 도로 사용자 및 보행자가 포함될 수 있습니다. 일반적으로 자율주행 차량 상단에 장착된 센서 시스템은 이러한 상황을 파악하기 위해 바깥쪽을 바라보며 카메라, LiDAR 및 초음파 시스템을 포함합니다.
마지막으로, 차량의 상황과 차량이 주변 환경을 어떻게 이동하고 있는지 파악해야 합니다. 이를 지원하기 위해 차량에는 다양한 센서가 탑재되어 있으며, 그중에서도 매우 중요한 시스템인 IMU가 있습니다. IMU는 차량의 동역학에 관한 데이터를 제공하는 센서로서 차량 궤적의 변화와 관련된 중요한 계산을 통해 안전 문제(예: 슬립 각도 변화)를 예측하는 데 사용할 수 있습니다.
또한 IMU는 차량의 현재 위치 맥락에서 다른 센서 시스템의 위치를 더 잘 이해할 수 있는 정보를 제공합니다. IMU는 판독값이 자율 주행 차량의 실시간 분석 시스템으로 전송되는 시점에 다양한 센서의 데이터 피드를 차량의 공간 및 시간 역학과 관련하여 정확하게 상호 연관시키는 데 필요한 접착제를 일부 제공합니다. 차량의 동역학에 따라 다양한 센서 판독값을 조합하여 상호 연관시키고 계산할 수 없으면 위험하며 안전 문제로 이어질 수 있고 승차감 저하로 이어질 수 있습니다.
차량 동역학에 대한 이해 부족의 결과
자율주행차는 차량의 위치, 방향, 방향, 속도 등 차량 역학뿐만 아니라 이러한 요소 간의 관계 변화로 인해 차량 탑승자, 행인 또는 다른 도로 이용자에게 위험한 상황이 발생하는지 여부를 파악해야 합니다. 가장 안전한 승차감은 가장 안정적인 승차감입니다. 차량 움직임의 전반적인 안정성을 보장하기 위해 안전한 주행을 위한 예방 조치를 먼저 알려줄 수 있는 지표는 슬립 각도입니다.
슬립 각도는 전진 속도 벡터와 방향 사이의 각도, 즉 구르는 바퀴의 실제 진행 방향과 가리키는 방향 사이의 각도를 비교하는 측정값입니다. 슬립 각도의 증가는 차량, 도로 표면 및 구조물, 다른 도로 사용자 간의 상호 작용 사이의 지속적인 관계 변화로 인해 발생할 수 있습니다.
충분한 시간 내에 시정 조치를 취하지 않으면 미끄러짐, 회전 또는 전복(특히 스포츠 유틸리티 차량이나 대형 트럭의 경우)을 유발할 수 있는 0.5°의 미끄러짐 각도 변화도 충분히 심각할 수 있습니다. 차량이 의도한 방향과 다른 방향으로 주행하기 시작하면 일반적으로 차량의 안전한 주행이 위협받게 됩니다. 그 결과 (미끄러짐, 회전, 전복 외에도) 영상 시스템이 경로에서 식별한 장애물 이외의 장애물과의 충돌 가능성 증가, 충격을 견디도록 설계되지 않은 도어와 같은 차량 부품과의 충돌 등이 발생할 수 있습니다.
슬립 각도 모니터링은 ADAS 또는 완전 자율 주행 시스템이 스티어링 각도 변경이나 비상 제동 메커니즘과 같은 예방 조치를 취해야 하는지 여부를 평가할 수 있는 한 가지 방법입니다. 차량에 이미징 기반 경로 설정 및 충돌 방지 시스템이 있을 수 있지만 차량의 동역학이 너무 극단적으로 변하면 이미징 센서의 경고 이전에 스키드나 스핀과 같은 사고가 발생할 수 있습니다. 일단 사고가 발생하면 장애물의 위치를 알았는지 여부와 관계없이 복구하기에는 너무 늦을 수 있습니다.
차량 동역학 모니터링을 위한 관성 측정 장치
앞서 설명한 바와 같이 자율 주행 시스템의 안전한 기능은 차량의 위치, 도로에서의 위치, 방향, 방향 및 속도 측면에서 차량의 역학을 지속적으로 파악하는 데 달려 있습니다. 이러한 특성을 측정하려면 관성 측정 장치(IMU)를 사용해야 합니다.
자이로스코프와 가속도계로 구성된 IMU는 세 가지 주요 축에서 차량의 선형 가속도와 관련된 데이터 스트림을 세 가지 회전 파라미터(피치, 롤, 헤딩)와 함께 지속적으로 제공합니다. IMU의 데이터는 자율 주행 차량의 이동 거리와 관련된 추가 측정값을 제공합니다:
- 까다로운 GNSS 환경에서 GNSS 데이터를 사용할 수 없는 경우 차량의 가장 가능성이 높은 위치를 파악합니다.
- 온보드 이미징 시스템에서 감지한 장애물을 향한 속도 및 가속 정도와 관련된 데이터를 제공합니다.
- 차량이 가리키는 방향(헤딩)과 실제 이동하는 방향(트랙) 사이의 각도 데이터를 측정합니다.
자율주행 차량에 IMU를 사용하는 이유
가장 중요한 것은 IMU가 자율주행 시스템이 현재 위치뿐만 아니라 어떻게 움직이고 있는지 파악할 수 있는 데이터를 제공한다는 점입니다. 이는 모든 감지 기술이 경로와 장애물을 식별하고 주행 시스템에 필요한 피드백을 제공하여 경로를 안전하게 주행하는 데 필요한 매개변수를 지속적으로 조정하는 데 필요합니다.
이러한 요구 사항을 충족하기 위해 OXTS 관성 측정 시스템은 방향과 위치를 센티미터 수준의 정확도로 지속적으로 스트리밍하고 측정할 수 있는 실시간 기능과 2cm/s 정확도로 측정된 속도를 제공합니다. 관성 데이터를 사용 가능한 원시 GNSS 정보와 혼합하여 안정적이고 정확한 내비게이션 메시지의 중단 없는 단일 스트림으로 통합하는 알고리즘을 사용하여 자율 시스템은 위치, 방향, 방향 및 속도와 관련된 필요한 정보를 지속적으로 수신합니다. 중요한 것은 GNSS를 사용할 수 없거나 이미징 센서에서 수신한 정보에 누락이 있는 경우 OXTS 기술이 이러한 누락을 메우면서도 자율 주행 시스템에 필요한 지속적인 데이터 스트림을 제공한다는 점입니다. 이 정보를 자율주행 차량에 탑재된 이미징 센서의 정보와 함께 사용하는 것을 고려할 때, OXTS 시스템에서 제공하는 관성 데이터는 이를 가능하게 합니다:
- 최소 100Hz의 샘플링 주파수로 이미지 처리 알고리즘에 내비게이션 데이터를 제공합니다.
- 차량이 실제로 장애물이나 장애물을 향해 이동하는지 여부와 속도를 파악하기 위해 ADAS 시스템에서 사용되는 알고리즘을 제공합니다.
- 차량에 탑재된 이미징 기반 센서에서 경고가 발생하기 전에 차량의 비상 시스템에 시정 조치가 필요한 동적 상황(예: 미끄러짐)을 알립니다.
- OXTS 기술은 다음과 같은 완전한 턴키 관성 및 GNSS 내비게이션 솔루션으로 배포됩니다. RT3000 또는 이를 활용한 사용자 지정 통합 xOEM IMU OXTS 시스템의 핵심입니다.
배포 유형에 관계없이 OXTS 시스템이 탑재된 자율주행 시스템은 안전한 '어디든 갈 수 있는' 운행에 필요한 정보를 수신합니다.
