이제는 동적 데이터가 중요해! 국제표준규격으로 논의 중인 LDM
안전운전을 보조(ADAS)하는 수준의 자율주행에서는 카메라, 레이더, 초음파센서 등을 융합한 차량주변 객체 인지기술이 중요했지만 운전자가 운전에 개입하지 않는 레벨 4 이상의 고도 자율주행을 위해서는 센치급 위치정도를 갖는 정밀측위기술이 필수적입니다. 출발지와 목적지 사이의 정확한 경로를 결정하고 도로 정보와 연계하여 인간 운전자 수준으로 안전한 주행을 하기 위해서는 ADAS 수준의 환경인지 센서만으로는 고정밀 측정이 불가능하기 때문입니다.
고정밀 측위를 위한 도로 인프라에는 정밀 지도 (High Definition Map) 와 클라우드 서버 통신 등이 있습니다. 정밀지도에는 차선정보를 비롯하여 가드레일, 도로곡률·경사, 신호등·표지위치, 교통표지판 등의 3차원 도로환경정보가 포함됩니다. 이러한 정밀지도를 구축하기 위해서는 MMS(Mobile Mapping System) 장비를 갖춘 특수목적 측량차량이 필요합니다. MMS장비는 고정밀 GPS와 관성항법장치(INS), 360도 카메라, 3차원 레이저 스캐너 등으로 구성됩니다. 측량차량은 정밀지도가 필요한 지역을 직접 운행하며, 주행도로의 위치와 환경데이터를 수집하고, 후처리 작업을 통해 자율주행에 필요한 각종 정보를 추출합니다. 이 때 지도 생성 작업의 효율성을 높이기 위해 인공지능 기반의 후처리 작업 자동화 기술의 개발이 요구되고 있습니다. 이렇게 제작된 정밀지도는 클라우드 서버에 저장되고, 자율주행차는 도로 주행시 차량 무선통신을 통해 인접지역의 정밀지도를 다운로드 받아 사용하는 방식입니다.
정밀지도는 정적 정보뿐이지만 실제 자율주행을 위해서는 공사(사고)구간이나 정체정보 등 시시각각 변화하는 동적(Dynamic) 정보도 제공할 수 있습니다. 이에 대한 국제표준규격으로서 LDM(Local Dynamic Map)이 논의되고 있습니다. LDM은 주행경로 상에서 휴게소 내 지형정보, 위치정보, 상태정보를 포함하는 개념적 데이터 저장소입니다. 합계 4개의 계층 구조로 구성되어 첫 번째 계층은 정적 데이터(정밀 지도), 두 번째 계층은 변경이 적은 정적 데이터, 세 번째 계층은 일시적인 동적 데이터, 네 번째 계층은 도로상의 이동 체동적 데이터입니다.
LDM(Local Dynamic Map)개념도
고도 자율주행을 위해서는 신속한 정보수집과 뒷처리 작업이 중요
정밀지도는 결국 자차의 측위를 위해 필요한 디지털 인프라로 분류할 수 있습니다. 센치급 정밀 지도를 활용하려면 자율 주행의 위치 추정 기술도 센치급 이내의 정밀도를 가져야 합니다. 위치 추정에 사용되는 기술은 크게 두 가지로 나뉩니다. 자차 내부 이동정보를 측정하는 방법과 지도에 표시된 특징점(Landmark)을 측정하는 방법입니다. 전자는 관성측정장치(IMU)와 주행거리측정장치(Odometry)를 활용한 추측항법(Deadreckoning)입니다. 3차원 가속도계와 회전속도계, 운전대 각도(또는 주행거리) 센서 정보를 융합하여 이미 알고 있는 시작 지점을 기준으로 움직인 거리와 방향을 찾아내는 방식입니다. 그러나 이 방법은 센서 측정값에 약간의 오차가 있더라도 시간이 지날수록 오차가 누적되는 단점이 있습니다. 후자는 카메라나 라이더와 같은 센서를 이용하여 차선이나 표지판, 건물의 표면이나 연석처럼 시간이 지나도 변하지 않는 도로상의 특징점을 검출합니다. 이렇게검출한특징점을정밀지도에저장된정보와비교하여자차의위치를추정하는방법입니다. GPS 방식은 특징점이 아니라 위성신호를 통해 위성까지의 거리를 측정해 위성신호 내의 궤도정보와 일치시키는 것으로 4개 이상의 위성신호만 있으면 차량의 현재 위치를 수m 이내의 정확도로 추정할 수 있습니다. 후자와 같은 방식은 누적된 오차는 없지만 인식 가능한 특징점이 존재하거나 지도에 포함될 경우에만 사용할 수 있다는 단점이 있습니다. GPS도 위성 신호를 수신할 수 있는 지역에서만 측위를 할 수 있는 것이군요. 이렇게 각각의 방식들이 장단점을 가지고 있기 때문에 자율주행차들은 서로 다른 방식의 정보를 융합, 보완하는 위치 추정 방식을 사용합니다.
한편 정밀지도에 저장된 정보를 최신 상태로 유지 갱신하는 작업도 필요하지만 해결이 쉽지 않습니다. 도로 환경은 계절이나 날씨에 따라 수시로 바뀐다. 공사 상황이나 사고, 노후화 등에도 영향을 받습니다. 이러한 변화를 지도에 신속히 반영하기 위해 측량차가 정기적으로 데이터를 수집하고 후처리 작업까지 자동화되더라도 방대한 영역의 정보를 항상 최신 상태로 유지하는 데 한계가 있습니다. 이를 극복하기 위해 이미 판매되었고, 전 세계 도로에서 운행되고 있는 차량에 장착된 ADAS 센서로 수집한 클라우드 정보를 활용하는 방법을 대안으로 제시하는 기업도 있습니다.
정밀 지도에서는 최신 정보의 신속한 반영이 중요하다
정밀 측위 기술에 관한 국내외의 동향을 살펴보자.
우선 고도 자율 주행에 정밀 측위 기술을 확보하기 위한 글로벌 동향을 살펴보겠습니다. 다임러,BMW,아우디독일3사는글로벌지도제작사인HERE를공동인수하여RoadModel,HDLaneModel,HDLocalizationModel로구성된HDLiveMap을구축하여자차센서데이터와의융합을통한도심측위기술을개발하고있습니다. 지도제작회사 ‘톰톰(Tom Tom)’은 클라우드 지도 기반 측위(Road DNA)를 적용하여 측위 음영 지역의 오차 보정 기술을 연구하고 있습니다. 테슬라는 전, 측, 후방의 영상만을 활용한 위치 인지와 측위 시스템을 적용한 자율주행차(Autopilot 3.0)를 상용화하였으며, 모빌아이의 REM(Road Experience Management) 매핑 시스템은 EyeQ4 또는 4세대 시스템의 온칩 소비자 차량을 활용하여 데이터를 구축합니다. 그 데이터는 동영상이나 이미지가 아니라 킬로미터 당 약 10킬로비트를 수집하는 압축된 텍스트네요. 이 새로운 “EyeQ Ultra” 칩 개발에 정보를 제공한 매핑 기술은 클라우드를 통해 연결되어 향후 주행 가능한 경로에 대한 최신 정보를 실시간으로 제공합니다.
현대 오토에버의 정밀측위 기술의 핵심, MAC와 레드박스
국내 동향을 보면 2011년부터 MMS장비를 운영하며 국내 정밀지도기술을 선도해온 현대오토에버가 눈에 띕니다. 현대 오토에버는 지도 자동화 구축 기술인 MAC (MAp Auto Creation)을 개발하여 기존에 수작업으로 처리하던 데이터를 약 98%이상 정확하게 자동으로 처리하고 있습니다. 최신 지도 정보 업데이트 문제는 카메라와 LTE 모뎀이 탑재된 레드박스(RED BOX)를 일반 차량에 부착하여 도로 상황을 신속하고 효율적으로 파악하는 연구를 진행하고 있습니다. 이는 앞으로 레드박스 장착 차량을 대량 보급해 실시간으로 정밀 지도를 업데이트한다는 전략입니다.
한편, 포티투닷(42dot)은 저가형 GNSS/IMU, 카메라 및 자체제작 경량형 SDx Map을 활용하여 자차 측위를 위한 3차원 기하정보 기반의 영상 SLAM 기술을 개발하여 실제 도심환경 악조건에 견고한 저가형 측위시스템 상용화에 집중하고 있습니다. 네이버 랩스는 라이더, 카메라, 관성 센서, “Wheel Encoder” 등 다양한 센서로부터 획득된 데이터와 정밀 지도를 결합한 측위 기술인 “xDM(eXtended definition & dimension map)” 기술과 고정밀 데이터를 통합하여 실내, 실외, 도로 등을 합하여 음영지역이 없는 정밀측위 기술을 개발하고 있습니다.
결론적으로 고도자율주행기술의 상용화를 위해서는 입체도로, 도심부 등 GPS 열화나 음영지역, 기상상황, 장애물 등에 의한 특징점 검출이 불가능한 악의 조건에서도 항상 안정적으로 자가측위가 가능한 기술이 필요합니다. 다양한 상황과 환경 변화를 스스로 이해하고 필요한 정보나 액션을 자연스럽게 제공하는 기술의 필요성이 높아지고 있으며, 특정 기술에 단독으로 의존하는 것보다 다양한 기술이 상호보완적으로 솔루션을 검증하고 백업할 수 있는 중복성(Red undancy)관점에서 측위기술의 융합이 더 중요하다고 할 수 있습니다.
Text_기석철 충북대학교 스마트카 연구센터 센터장·교수
