2wnswoo 님의 블로그

1. 자율주행을 위한 측위 기술- 고정밀 지도의 정보를 자율주행에 활용하기 위해서는 자율주행차량의 위치를 알아내는 측위기술 필요- 자율주행을 위한 측위의 정확도 향상을 위해 환경 인지 센서에 대한 활용이 고려되고 있음- AI 기술을 적용함으로써 Odometry 기술, 맵매칭 기술의 정확도와 신뢰성이 향상될 것으로 기대 2. 측위를 위한 AI 기술2.1 AI 기반의 카메라, 라이다, 통합 Odometry 기술- 카메라 Visual Odometry 기술: 카메라의 움직임에 의한 영상 프레임 사이의 변화를 분석하여 차량의 이동 위치를 추정하는 기술- 라이다 Odometry 기술 : 라이다 포인트 데이터의 움직임을 분석하여 Odometry 수행- 통합 Odometry 기술: 관성항법장치와 카메라 또는 라이다 센..

1. MMS의 개념- Mobile Mapping Systme( 이동식 도면화 시스템 )의 약자- 주행 중인 챠량에 장착된 다양한 센서를 이용하여 세밀한 지형 정보를 획득하여 지도 구축 2. MMS 차량의 구성- DGPS( Differential Global Positioning System )- IMU ( Intertial Measurement Unit )- 라이다- DMI( Distance Measuring Instument )- INS( Inertial Navigation Systme ) 관성항법장치 3. MMS 기반 고정밀 지도 구축 과정- 작업 계획 수립- MMS 시스템 구축- 기준점 선점 및 측량- MMS 표준자료 제작- 포인트 클라우드 데이터 후처리 및 보정- 객체 추출 후 품질 검사, 벡터 ..

1. 고정밀 지도의 필요성- 센서의 제한된 인식 범위 보완 : 수 Km 이상의 도로 정보 취득- 환경 영향에 따른 센서 기능 보완- 센서 객체 인식 성능 향상 : 센서가 감지해야 하는 영역을 지도 정보를 이용하여 축소 2. 기존 측위 기술 소개- GPS 위성 신호를 수신하여 위치 추정- RTK 기술 : 정밀한 위치를 확보한 기준점의 반송파 오차 보정치를 적용하여 수 cm의 정밀도를 표현하는 고정밀 이동측량 기법- 관성항법 장치 : IMU 등 관성 센서 정보를 활용하는 장치 3. 고정밀 지도 기반 측위 기술- SLAM 기술 : 로봇이 스스로 측위를 하는 동시에 지도를 생성하는 기술- 자율주행에서는 MMS 기술을 이용하여 고정밀 지도를 미리 생성- '맵매칭' 방식의 측위 기술 : 인지 기술을 통해 얻은 주변..

1. 고정밀 지도 기반 자율주행의 필요성- 센서만으로 주변의 정적 주행 환경 및 도로, 교통 환경에 대한 정보 수집은 한계가 있음- 차량 주위의 정적 환경에 대한 정밀한 정보를 제공함으로써 자율주행의 안전성을 향상- 자율주행에서 고정밀 지도는 이미 오프라인에서 구축한 후 활용하기 때문에 고정밀 지도 기반의 측위 기술은 인지 기능에 비해 시스템, 계산량 오버헤드가 작은 편- 고정밀 지도를 사용하기 위해 요구되는 사항  - 주행 관련 도로정보들을 포함  - 0.2M 이하의 매우 정밀한 정확도  - 맵매칭을 효과적으로 수행하기 위한 환경 정보 포함  - 도로, 주행 환경이 바뀔 때 마다 실시간 업데이트 지원  - 고정밀 지도가 업데이트될 때마다 OTA를 이용하여 새로운 지도 정보를 자율주행 차량에 무선 전송 ..

1.AI 기반 인지를 위한 반도체 기술- 자율주행차에서 실시간 AI 인지 시스템을 구현하기 위한 지능형 반도체 하드웨어가 요구됨- AI 알고리즘의 성능이 고도로 발전함에 따라 딥러닝 응용의 계산 복잡도는 기하급수적으로 증가- AI 하드웨어 종류 : 그래픽 프로세싱 유닛 ( GPU ), 뉴럴 프로세싱 유닛 ( NPU ) 2. AI 기반 인지를 위한 지능형 반도체 사례2.1 테슬라 FSD 컴퓨터- 칩셋과 파워서플라이를 여분으로 2개를 두어 고장이나 오류 발생 시 계산의 신뢰성을 높임- 센서 정보를 수신할 수 있는 인터페이스 장착- 40 와트 이하의 전력 소모량- 가속기를 장착하여 뉴럴네트워크 연산을 50 테라 초당 명령 수 속도로 수행가능- 일반적인 전처리, 후처리 등의 범용계산을 위해 GPU와 CPU 장착..

1. 고성능 인지 요구 사항- 대용량의 센서 데이터를 고속으로 실시간으로 처리할 수 있는 능력- 인지를 위한 물체 검출, 추적, 예측 등의 기능들을 통합적으로 처리하고 결과를 주고받을 수 있는 능력- 대용량의 데이터를 수집, 저장, 송신할 수 있는 능력- 고신뢰성, 저전력 요구 사항을 만족할 수 있는 능력- 하드웨어, 소프트웨어의 오류에 대한 강인성과 오류 검출 능력- 인지 정보를 주변차량, 보행자, 인프라와 무선으로 주고 받을 수 있는 능력 2. 고성능 인지를 위한 하드웨어- 자율주행을 위한 고성능 컴퓨팅을 수행하기 위한 차량용 반도체 프로세서로의 진화 필요- 다중센서 데이터를 중앙의 컴퓨팅 프로세서로 전달하기 위한 차량용 고속 네트워크 링크 필요- 실시간으로 전달되는 센서 데이터를 고속으로 처리하기 ..

1. 카메라, 레이더 센서 융합- 카메라 : 물체에 대한 정확한 인식 결과를 주는데 반해 위치 측정 정확도는 떨어짐- 레이더 : 물체의 거리에 대한 정확한 측정 결과를 제공하지만 클러터나 잡음으로 인해 오탐률이 높음- 두 가지 센서의 장단점을 보완하기 위한 카메라 레이다 센서 융합  1) 레이더 검출 결과 또는 중간 단계 결과를 카메라 좌표계로 투영하여 병합하는 방법  2) 카메라 영상 기반 물체 검출 결과 또는 중간 단계 결과를 레이더의 3차원 좌표계로 변환하여 융합하는 방법 2. 카메라, 라이다 센서 융합- 라이다 : 3차원 공간에 대한 정확한 거리 정보를 제공하지만 물체에 대한 색상, 형태 정보는 얻지 못함- 카메라와 라이다 센서를 융합하여 검출 성능 개선  1) 카메라 중심의 융합  : 카메라를 ..

1. 복합센서 적용 기술 개요- 센서 : 측정 대상물로부터 외부 물리적 신호들 ( 빛, 소리, 화학물질, 온도 등 )의 정보를 측정하여 기계가 이해할 수 있는 신호로 변환하는 소자 또는 장치- 자율주행차에서는 주로 카메라, 레이더, 라이다 센서 사용 2. 복합센서 융합 기술- 센서 융합 기술 : 하나 이상의 복합 센서를 사용하여 주변 정보를 취득하고 이를 융합하여 인지 수행- 가능한 센서 융합 조합  - 카메라 + 레이더  - 카메라 + 라이다  - 카메라 + 레이더 + 라이다- 복합센서 융합 전력  - 초기 융합 : 계산량이 적으나, 카메라 + 라이다 처럼 데이터 분포가 확연히 다를 경우 융합에 의한 성능 이득이 낮음  - 후기 융합 : 계산량이 많으나 , 최종 단계에서 융합하기 때문에 센서 오작동에 ..

1. 라이다 기반 물체 추적 기술 개요- 라이다 센서를 통해 얻은 검출 결과들을 시간적으로 연결하고 연결된 검출 결과에 물체 ID를 부여하는 작업- 라이다로부터 3차원 물체 검출 결과를 연결함으로써 3차원 공간에서의 물체 움직임 추적- 물체 추적 기술은 동적 객체들의 트랙을 관리하는 것이 핵심 2. 라이다 기반 물체 추적 기술  동향- 최근에 딥러닝 기술이 물체 검출 기술뿐만 아니라 물체 추적에도 적용되는 추세- 물체 검출, 추적을 통합적으로 설계하여 보다 좋은 인지 성능 달성 가능  > 검출 기술에서 추출된 특징값들을 활용하여 추적 기술의 성능 개선  > 추적 기술에서 사용하는 시간적인 상관도를 활용하여 물체 검출 성능 개선  본 내용은 현대 엔지비 교육의 '자율주행 자동차 인지 기술'  강의의 요약 ..

1. 라이다 기반 물체 검출 기술 개요- 라이다 센서 데이터를 분석하여 물체의 위치와 종류 추정- 포인트 클라우드 데이터를 분석하여 주변 동적 객체 검출 2. 라이다 기반 물체 검출 기술 분류2.1 3차원 검출 결과의 표현 방법에 따른 분류- 3차원 영역의 물체 검출 방법: 3차원 영역에 물체를 포함하는 3차원 박스로 물체의 위치 표현- 조감도 영역의 물체 검출 방법: 주변을 위에서 내려다 보는 방향에서 2차원 박스로 표현 2.2 라이다 데이터 전처리 방식에 따른 분류- 북셀 기반 라이다 처리: 3차원 공간을 복셀이라고 불리는 작은 3차원 블럭으로 나눈 후 각 복셀 안에 있는 라이다 포인트 클라우드를 처리하여물체에 대한 정보 추출- 라이다 포인트 클라우드를 직접 처리: 포인트넷이라고 하는 딥러닝 방법을 ..