센서 융합의 특징과 식별 방법 알아보기

센서 융합의 특징과 식별 방법 알아보기

센서 융합의 의미

센서 융합(Sensor fusion)은 여러 레이더 및 카메라의 입력을 결합하여 차량 주변 환경의 단일 모델 또는 이미지를 형성하는 기능입니다. 결과 모델은 서로 다른 센서의 강점과 균형을 맞추기 때문에 더 정확합니다. 그러면 차량 시스템이 센서 융합을 통해 제공된 정보를 사용하여 보다 지능적인 작업을 지원하는 것이 가능합니다. 결론적으로 센서 융합의 궁극적인 목표는 기기 주변의 환경에 관한 보다 더 정확하고 포괄적인 모델을 제공하는 것이지만, 그 외에도 몇몇 다른 기능도 제공하는 것이 가능합니다.

센서 융합의 특징과 식별법

각 센서 유형 또는 그 양식에는 고유한 강점과 약점이 존재합니다. 레이더는 악천후 속에서도 거리와 속도를 정확하게 확인하는 것이 특기지만 도로 표지판을 읽거나 정지등의 색을 확인하는 것은 불가능합니다. 반면에 카메라는 표지판을 읽거나 보행자나 자전거 같은 다른 움직이는 차량과 물체를 분류하는 것은 가능하나 태양의 빛이나 심한 폭우나 폭설 또는 밤의 어둠에 취약합니다. 그리고 라이더는 물체를 정확하게 탐지할 수는 있지만 카메라나 레이더의 사정거리를 따라잡을 수 없으며 가격대도 많이 높습니다. 이러한 각 센서 유형의 데이터를 한데 모으기 위해서 센서 융합은 소프트웨어 알고리즘을 사용합니다. 이 덕분에 가능한 한 가장 포괄적이고 정확한 환경 모델을 제공할 수 있으며 또한 실내 및 외부 센서 융합이라고 하는 프로세스를 통해 실내에서 끌어온 데이터의 상관관계를 분석하는 것도 가능하며 센서 간의 모순을 해결하는 것 또한 기능의 일부입니다. 예를 들어, 여러 센서에서 얻은 측정 사이의 짧은 시간 차이를 고려하여 센서 출력을 동기화하는 것이 가능합니다. 한 센서가 다른 센서에 비해 정확하지 않은 출력을 일관되게 생성하는지 감지하여 잠재적 센서 고장 또한 식별하는 것이 가능합니다. 특히 자동차는 센서 융합을 사용하여 레이더 같은 동일한 유형의 여러 센서의 정보를 융합하는 게 가능합니다. 이것은 레이더 간의 부분적으로 중첩되는 시야를 이용하여 인식을 개선하는 방법입니다. 여러 개의 레이더가 차량 주변의 환경을 관찰할 때 둘 이상의 센서가 동시에 물체를 감지하는데 이러한 다중 센서의 감지 기능은 중복되거나 융합될 수 있으므로 차량 주변 물체의 감지 확률과 신뢰성이 향상되고 보다 정확하고 신뢰할 수 있는 환경 표현을 얻는 것이 가능합니다. 차량에 센서가 많을수록 융합시키기가 더욱 어려워지지만 그만큼 성능을 개선할 수 있는 기회도 늘어나게 됩니다.

이러한 장점을 활용하기 위해 저 레벨 센서 융합이라는 기술이 존재합니다. 저 레벨 센서 융합을 이용하면 우선 크기에서 이점을 얻을 수 있습니다. 과거에는 센서 데이터를 분석하여 물체를 결정하고 추적하는 처리 능력이 카메라나 레이더와 함께 패키지로 제공되었습니다. 처리 능력을 보다 강력한 능동 안전 도메인 컨트롤러로 집중시키면 각 센서에서 저수준 센서 데이터를 수집하여 도메인 컨트롤러에서 융합하는 것이 가능합니다. 이렇게 처리를 도메인 컨트롤러로 이동시키면 센서의 부피와 질량을 최대 3할 정도는 줄일 수 있습니다. 이렇게 센서를 최대한 작게 유지함으로써 위탁 생산 업체들은 차량 포장 시 더 많은 선택권을 갖게 됩니다. 또 다른 이점은 바로 데이터 공유의 증가입니다. 기존 시스템에서는 스마트 센서가 환경 입력을 독립적으로 처리했었습니다. 그러나 센서에서 전송되는 모든 데이터를 중앙에서 공유되는 위성 아키텍처를 사용해서 처리하게 변경하면 도메인 컨트롤러의 활성 안전 애플리케이션이 이를 활용할 수 있는 기회가 더 많아집니다. 마지막으로 저 레벨 센서 융합의 세 번째 이점은 바로 대기 시간이 단축된다는 것입니다. 도메인 컨트롤러는 센서가 데이터를 처리할 때까지 기다릴 필요가 없습니다. 이는 즉 중요한 상황에서 딜레이 없이 빠른 처리 속도를 유지할 수 있다는 점으로 급한 상황에서 많은 도움이 될 수 있습니다. 센서 융합을 사용하여 9축 방향 솔루션을 만들 수 있으므로 자율 플랫폼이 보다 지능적인 조치를 지원하는 정보에 입각한 결정을 내릴 수 있게 됩니다. 자이로스코프나 자기계 및 가속기를 결합하면 각각의 약점을 보완하면서도 각 센서들의 장점만을 제공하는 것이 가능해집니다. 기능의 추출 및 집계가 성공적인 센서 융합을 위해 필요한 가장 중요한 활동입니다. 이렇게 다양한 융합 방법론을 비교하고 기기별로 주어진 센서 그룹에서 내놓을 수 있는 최적의 방법을 알아내기 위해서 머신러닝 알고리즘도 개발되고 있습니다. 더 많은 데이터가 더 나은 의사 결정으로 이어집니다. 많은 수의 센서가 가능한 차량 아키텍처를 수용한 다음 센서 융합을 통해 데이터를 합성하면 자동차는 더 효율적으로 움직이며 빨라지는 것이 가능해집니다.