자율주행차를 뒷받침하는 하드웨어 기술들
[북앤톡]넥스트모바일:자율주행혁명
자율주행차는 자동차보다는 하드웨어와 소프트웨어 간 융합에 기반한 첨단 로봇에 가깝다.
사람의 머리 역할을 하는 소프트웨어는 딥러닝 인공지능 기술이 핵심이고, 하드웨어는 인간의 눈과 귀 역할을 하는 첨단 센서 기술들로 이뤄져 있다. 사람이 제대로 살려면, 뇌와 신체 감각 모두 정상적이어야 하듯, 자율주행차도 마찬가지다. 딥러닝 소프트웨어와 센서 기술이 조화를 이뤄야 고난도 자율주행을 가능해진다.
그동안 자율주행차 관련 글을 쓰면서 이런저런 하드웨어 기술을 다루기는 했는데, 대충대충 넘어간 경우가 많다. 어설프게 알다보니 깊게 다루기 쉽지 않았던 것이 사실이다.
이런 가운데 최근 읽은 책 '넥스트모바일:자율주행혁명'은 자율주행차를 위한 하드웨어 기술을 별도 챕터로 다뤄 인상적이다. 자율주행차 하드웨어 기술에 대해 컬럼비아대 기계공학과 교수로 있는 저자의 설명과 생각을 공유한다.
HD 디지털 지도
무인자동차는 HD 디지털 지도와 GPS 좌표를 참조해 자신의 위치를 파악한다. 그런데 GPS 좌표는 조금씩 오차를 보이는 경우가 있어서, 자율주행 기술을 발전시키는데 한가지 어려움으로 작용한다. 무인 자동차 개발자들은 차량 위치에 대한 GPS 데이터의 오차를 보완하기 위해 다양한 방안을 내놨다. 초기 무인자동차 운영 시스템은 디지털 지도에 저장된 데이터에 집중한 반면 GPS와 센서 장비로부터 유입되는 실시간 데이터는 별로 중요하게 생각하지 않았다. 그런데 이후 기계 학습 소프트웨어와 시각 센서, 특히 디지털 카메라 성능이 개선되면서, 이들이 제공하는 시각 데이터 흐름을 활용하여 정확한 현재 위치를 계산하는 방식이 점차 보편화되고 있다.
디지털 카메라
디지털 카메라는 인간의 눈에 해당하는 센서로 실시간 데이터 흐름을 통해서 차량 외부의 시각 정보를 포착한다. 디지털 이미징 시스템이 딥러닝 소프트웨어로 곧장 이어지기 때문에, 디지털 카메라의 작동 방식을 살펴볼 필요가 있다. 디지털 카메라는 렌즈를 통해 빛을 광자의 형태도 받아들인다. 각각의 광자는 특정한 양의 에너지를 갖고 있다.
디지털 카메라는 급속한 발전을 거듭하고 있다. 그러나 아이러니하게도 기본적인 차원에서 아킬레스건을 드러내고 있다. 그것은 다름 아닌 먼지다. 첨단 디지털 카메라도 흙탕물 세례 한번이면, 완전한 어둠속으로 빠지고 만다. 도로변의 먼지, 모래, 새의 배설물, 벌레 그리고 오프로드에서 만나는 다양한 방해물이 첨단 디지털 카메라와 기계 시각 소프트웨어를 한순간에 무용지물로 만들어버릴 수 있다.
이러한 기본적 수준의 문제는 마찬가지로, 기본적 수준의 기술로 해결해야할 것이다. 가령 와이퍼같은 청소 시스템을 탑재하거나 한간의 눈물이나 눈꺼풀과 같은 기능을 해줄 새로운 장비를 개발하는 것이다.
라이다
라이다는 또 다른 주요 이미지 센서로 레이저 레이더라고도 한다. 디지털 카메라는 삼차원 세상을 이차원 픽섹 행렬로 해체한다. 이에 비해 라이다는 외부로 강파장 광을 분사하고, 그 파장 광이 다시 돌아오기까지, 시간을 측정함으로써, 주변의 물리적 환경에 대한 삼차원 디지털 모형을 구현한다.
자세하고 정교한 원근감을 구현하는 3D 디지털 지도를 만들어낼 수 있다는 점에서 라이다 센서는 무인 자동차에서 대단히 중요한 요소다. 라이다 센서는 외부로 하나 또는 그 이상의 레이저 광선을 발사하고, 그 광선이 사물에 반사되어 돌아오기까지 걸리는 시간을 측정하는 방식으로 작동한다. 빛은 초속 30만 킬로미터의 속도로 진행하기 때문에, 기가헤르츠 수준의 마이크로 프로세서를 장착한 라이다 센서는 1센티미터 해상도로 거리를 측정할 수 있다.
라이다에 장착된 회전식 거울이 레이저 광선을 조금씩 다른 각도로 돌려가며 분사한다. 라이다 센서 역시 디지털 카메라 처럼 해상도를 선택할 수 있으며, 여러개의 광선을 다중으로 발사함으로써, 주변의 여러 장면을 동시 다발적으로 스캔하고 측정할 수 있다. 더 많은 레이저 고아선을 발사할수록 주변 환경에 대한 디지털 모형의 해상도는 더 높아진다.
오늘날 무인자동차에서는 디지털 카메라와 라이다를 동시에 활용한다. 인공지능이 발달하지 못했던 몇십년전에 라이다는 대단히 중요한 시각 센서였다.
하지만 마이크로 프로세서의 성능이 강력해지면서, 디지털 카메라와 디지털 이미지를 처리하는 소프트웨어 성능이 크게 발전하고 있기 때문에, 조만간 디지털 카메라가 라디아를 제치고 시각 센서의 여왕으로 군림할 것으로 예상된다.
레이더
무어의 법칙을 입증하는 또 하나의 사례인 레이더 센서는 오늘날 자동차에 쉽게 장착할 정도로 작고 강력해졌다. 오늘날 레이더 센서는 인간이 운전하는 차량의 지능형 크루즈 컨트롤에서 활용되고 있다. 내장된 레이더 장비가 앞차와 뒷차의 속도와 위치를 인식하면, 크루즈 컨트롤이 그에 따라 브레이크와 액셀러레이터를 조작한다. 사각 지대에 다른 차량이 있는지 알려주는 기능 역시, 레이더 센서를 운전 보조장비로 활용하는 또 하나의 사례다.
레이더 센서는 특히 한정된 방향만을 바라볼 수 있기 떄눈에 일반적으로 조금씩 겹치게끔 가로로 배열된다. 무인 자동차에 3대의 레이더 센터를 나란히 설치하면, 전방 180도 시야를 확보할 수 있다. 자율주행차량에서 레이더 센서의 주요한 장점은 카메라와는 달리, 안개나 비, 먼지, 모래, 눈부신 전조등과 같이 시각적으로 열악한 상황에서도 전방 시야를 확보할 수 다는 것이다. 전기가 통하지 않는 얇은 재질을 쉽게 관통할 수 있다는 점도 장점으로 꼽힌다. 그래서 도로에 굴러다니는 비닐봉지나 회전초의 방해를 받지 않는다.
레이더 센서의 또 다른 장점은 물체의 위치만 추적할 수있는 것이 아니라 도플러 효과를 활용하여 물체가 움직이는 속도까지 추적할 수 있다는 것이다. 도플러 효과는 19세기 오스트리아, 물리학자인 크리스티안 도플러의 이름을 딴 것으로 가까운 곳들의 파동은 고음이 되고, 먼곳은 저음이 되는 것을 말한다. 레이더 센서는 이와 같은 도플러 효과를 활용하여, 움직이는 물체의 속도를 추적한다. 그리고 발신파와 수신사의 주파수 차이를 통해 목표 물체가 나가오고 있는지 또는 멀어지고 있는지를 판단할 수 있다. 또한 물체의 속도도 계산할 수 있다.
소나
라이다가 카메라가 인간의 눈이라면 소나라는 장비는 인간의 귀와 같은 역할을 한다. 소나는 레이더와 사촌지간이다. 레이더와 마찬가지로 파동을 방출하고 반향을 추적하는데, 대신 소나는 레이더의 전자파가 아닌 음파를 사용한다. 소나라는 용어 자체가 음향 탐지와 레이더의 합성어다.
소나 센서는 시간, 주파수, 반사된 음파의 형태를 바탕으로 사물의 위치와 속도를 추적한다. 소나 장비는 발신기와 수신기라는 두 부분으로 구성되어 있다. 발신기는 20킬로헤르츠 이상 주파수의 음파를 생성하는데, 이는 인간이 들을 수 있는 주파수를 넘어서는 범위다.
소나 센서는 라디아와 레이더의 다양한 장단점을 공유한다. 레이더와 마찬가지로 소나는 안개와 먼지, 직사광선에 방해받지 않고 주변을 확인할 수 있따. 음파는 전자파 보다 훨씬 느린 속도로 진행하기 때문에, 작은 물체도 높은 해상도로 확인할 수 있다. 그러나 음파는 거리와 바람에 따라 에너지가 쉽게 분산되기 때문에, 소나는 비교적 가까운 범위 내에서만 물체를 추적할 수 있다. 그래서 종종 주차와 같이 근거리 정확성을 요구하는 활동에서 레이더를 보충하는 기능을 한다.
GPS
GPS 장비는 HD 디지털 지도상에 차량의 정확한 위치를 지정하기 위해 좌표를 제공하는 역할을 한다. GPS 기술은 지구를 돌고 있는 인공위성으로부터 신호를 수신하는 첨단 공학의 기적이다. 당신의 자동차나 휴대전화에 탑재된 GPS 수신기는 높은 상공에서 지구를 돌고 있는 여러 대의 인공 위성에서 받은 신호들을 갖고 당신이 있는 곳의 위도와 경도를 계산한다.
각각의 위성은 계산된 궤도를 따라 정확하게 움직이며, 1초에 1회씩 전기 펄스를 계속해서 방출한다. GPS 수신기는 약 4미터의 거리를 정확하게 분간할 수 있다. GPS 수신기가 제공하는 위치 정보가 더 정확하고 실시간으로 주어질 때, 무인 자동차 개발도 더 쉬워질 것이다. 하지만 안타깝게도 인공위성 신호는 난류나 비, 그룸 등의 간섭을 받거나 지연될 수 있으며, 이 때문에 위처 정보의 정확성이 떨어지게 된다.
IMU
GPS 오류는 치명적일 수도 있다. 인공위성의 신호를 잃어버리는 심각한 문제를 해결하는 방안인 IMU 역시 군사 분야에서 비롯된 기술로, 크게 두가지 기능을 한다. GPS의 부정확성을 보완하고, 인간의 내이처럼 자신이 어느 방향이 있는지 말해준다. IMU는 여러가지 기능을 수행하는 다목적 장비다. IMU는 차량이 어디에 있는지, 어디로 향하고 있는지, 그리고 왼쪽 타이어가 오른쪽 타이어와 평행을 이루고 있는지 등을 지속적으로 추적하는 변속과 방향 센서들로 이루어져 있다. 오늘날 IMU는 주행거리계, 가속도계, 자이로스코프, 나침반 등 다양한 장비가 복잡하게 모인 형태를 띄며, 각각의 장비에서 나온 데이터를 조합하고, 정교한 측정 알고리즘을 통해 분석하는 역할을 한다.
IMU는 GPS 분석값을 사이에서 차량의 정확한 위치를 결정하고, GPS의 오차를 보완하기 위해 추측 항법이라는 오래된 기술을 활용한다. 비용을 제외하고 IMU 기술의 최대 약점은 GPS가 없는 상태에서 오랫동안 운행을 지속할때, 점차 경로를 벗어나게 된다는 것이다. 다양한 센서로부터 유입된 데이터를 처리하는 과정에서 미세한 오치가 발생하기 시작하고, 이러한 오차가 누적되어, 심각한 상황에 이르게 된다. 인공위성으로부터 장기간 신호를 받지 못한다면, 아무리 최첨단 IMU라고 하더라도 별이 보이지 않는 밥을 몇주동안 항해한 고대의 선박처럼, 애초의 경로에서 점차 멀어질 것이다.
저자는 자율주행을 위한 하드웨어들간 조화를 강조한다. 이들 하드웨어와 AI 소프트웨어가 끊김없이 맞물려 돌아가야 제대로된 자율주행 기술을 구현할 수 있다는 얘기다.
디지털 카메라, 라이다, 레이더, 소나, IMU와 같은 무선 자동차 센서는 실시간 데이터 흐름을 지속적으로 공급한다. 그러나 이러한 흐름이 합쳐져 자동차 운영 시스템으로 흘러들어갈때 마법이 일어난다.
데이거가 오가는 폭은 아직 취약하다. 자동차 기업은 앞으로 무인 자동차 개발을 위해 확실하고 투명한 커뮤니케이션 기준이 합의해아할 것이다. 그래야만 센서 장비로부터 유입되는 거대한 데이터 흐름을 처리하고, 모든 형태의 데이터 단절을 극복할 수 있기 때문이다. 다시 말해 무인 자동차는 고대역폭의 버스를 갖춰야 한다.
