운전 보조 시스템의 진화, 쌓여가는 다양한 데이터의 처리 방법
상태바
운전 보조 시스템의 진화, 쌓여가는 다양한 데이터의 처리 방법
  • 김종율 기자
  • 승인 2018.11.23 15:55
  • 댓글 0
이 기사를 공유합니다

운전 보조 시스템(ADAS)은 최근 자동차 전자장치분야에서 가장 뜨거운 주제이다. 설명에 따르면 ADAS는 차선 이탈을 모니터링하는 수동적인 안전 시스템에서부터 차간거리 제어와 같은 능동적 안전 시스템, 그리고 상황 인식 충돌 방지 시스템에 이르기까지 광범위하게 걸쳐있다. 이 기술이 진화함에 따라 증가하는 데이터 전송과 컴퓨팅에 대한 요구는 자동차 전자장치 구조에 근본적인 변화를 가져오고 있다. 

오늘날의 자동차용 전자 시스템은 특정한 일련의 입력에 반응하는 구체적 변수를 제어하는 기능들로 구분된다. 예를 들어 에어백 컨트롤러는 가속도계 출력이 제한 비교기에 걸릴 때 폭발 장치를 터뜨린다. 구동력 제어 시스템은 샤프트 인코더로부터의 데이터 스트림이 갑작스런 가속을 나타낼 때 브레이크에 작동해 바퀴에 존재하는 토크를 감소시킨다.

첨단 에어백 컨트롤러는 여러 개의 센서를 탑재해 충돌이 발생할 여부를 종합적으로 판단한다. 가까운 미래에는 컨트롤러가 탑승자와 짐을 모니터링하는 센서의 정보를 토대로 충돌이 일어나는 동안 다양한 에어백을 전개시키는 최적의 상태를 식별하게 될 수도 있다.

설명에 의하면 현재 에어백 컨트롤러는 중대한 전환점을 넘어섰다. 입력에 대한 반응으로부터 자동차의 동적 모델에 대한 유지보수로 들어선 것. 이러한 변화는 차량 전반에 걸쳐 다른 시스템에도 고스란히 반영되어 각각의 시스템들은 더욱 똑똑해지고 센서 통합에 이어 센서융합으로 나아가고 있다.

그리고 자동차 애플리케이션에 집적되는 복잡도의 수준은 자동차의 개방 시스템 구조(AUTOSAR)와 같은 하드웨어 독립적 플랫폼과 기계-전기-소프트웨어가 통합된 개발 수트를 채택하는 방향으로 나아가고 있다. 이러한 안개 같은 복잡성으로 인해 시스템 설계자는 시스템의 데이터 처리 방식을 고민할 수밖에 없다.

 

 

고립에서 융합으로
위험 방지 시스템은 이러한 변화에 작은 세계를 제공한다. 오늘날 백업 카메라 같은 비교적 간단한 시스템도 이미 상당한 수준의 처리 성능을 요구한다. 저렴한 카메라는 운전자가 디스플레이를 쉽게 해석할 수 있도록 시점을 교정할 어안 교정을 갖는다. 이 카메라는 빛이 어두운 곳에서 유용한 이미지를 생성하도록 보정이 필요하며, 자동화된 객체 인식을 요구하는 경우도 많다. 이러한 기능들은 카메라에서 보다 잘 할 수 있지만 중앙 전자 제어장치(ECU)에서 수행하는 것이 때때로 비용이 적게 든다. 카메라는 고화질로 나아가고 있는 중이며, 이것은 프레임당 메가픽셀에 이른다는 것을 의미하므로 이미지를 ECU에 전송하고자 한다면 이미지를 카메라에서 내보내기 전에 데이터를 압축할 필요가 있기 때문이다.

계속되는 진화는 데이터의 전송을 더욱 복잡하게 만든다. 위험 감지는 후방 카메라의 이미지를 단순히 보여주는 것으로부터 자동차 주변 전체의 동적인 환경을 모델링하는 방향으로 나아간다. 현재 시스템은 여러 대의 카메라를 사용해 여기에서 나오는 이미지들을 합쳐야 한다. 그림 1에서 보는 것처럼 범위와 속도 감지가 가능한 360도 시야를 확보하기 위해 최소 8대의 카메라가 동원된다. 중앙 프로세서는 반드시 필요하며, ADAS는 압축된 많은 비디오 스트림을 ECU에 동시에 전송할 수 있어야 한다.

이제 다시 위험 감지로 되돌아가 좀 더 자세히 살펴보기로 하자. 앞에서 비디오의 역할을 간단히 설명했지만, 비디오 카메라는 어두운 곳이면 사용이 제한된다. 비나 눈, 도로 스프레이나 여러 가지 광 간섭물이 있으면 아예 작동하지도 않는다. 따라서 설계자는 가시성이 낮은 조건에서 신뢰성을 향상시키기 위해 직접 주사 전자빔, 밀리미터파 레이더에 의존한다.

시각적 장애에 둔감하기 때문에 79GHz인 자동차 레이더는 빠른 진화의 경로를 걸을 수 있었다. 발전의 여러 원동력 중에서 레이더에 기반한 비상 제동 장치의 의무적 장착은 핵심적이다. 레이더는 기상과 어두운 조건에도 구애받지 않는다는 점 외 감지, 넓은 범위, 속도 판단 등의 기능으로 직관성은 다소 떨어지지만 ADAS의 발전에 자연적으로 흡수되었다. 비디오는 대상이 포착되면 뛰어난 식별력을 발휘하는 반면 범위와 속도 데이터에서는 레이더를 따라가지 못한다.

우선 하나의 고정 또는 조정 가능한 안테나로 시작할 수 있다. 하지만 업계 전문가들에 의하면 이러한 시스템은 곧바로 전방위 대상 감지를 제공하는 다중 센서 네트워크로 진화한다. 이러한 센서 네트워크는 개별 트랜시버로부터 군사용 애플리케이션에 사용되는 첨단 주사 배열 레이더와 밀접하게 연관된 독립적 제어 안테나 배열로 발전하게 된다.

그러나 펄스 도플러 설계로 나아간 군사 부문 설계자들과 달리 자동차 ADAS 엔지니어들은 주파수 변조 연속파(FMCW) 설계를 선호하는 것처럼 보인다. FMCW에서는 송신기 첩(chirp) 생성과 수신된 신호의 해석이 더 간단하다.

상황이 이렇지만 FMCW 시스템 역시 빠르게 계산 집약적이 될 수 있다. 일반적인 설계는 각 송신 채널에 빔 형성 하드웨어와 하나 또는 두 개의 고속 푸리에 변환 엔진, 그리고 각 수신 채널에 한 개의 빔 형성기로 구성된다. 원칙적으로 이러한 계산은 하드웨어 부동소수점 가속 기능을 갖춘 소프트웨어로 실행된다. 그러나 샘플 레이트로서 추적되는 동시적 대상의 수와 각 에코로부터 추출되는 정보의 양이 모두 증가하므로 문제는 전용 ASIC 또는 FPGA 하드웨어의 영역으로 들어간다.

추출된 정보의 표시 또한 어려운 과제이다. 운전자가 레이더 데이터와 차량 앞 유리창을 통해 보이는 정보를 통합하기 위해서는 눈에 띄는 지연이 없어야 한다. 이러한 요구사항은 신호 처리 시스템의 대역폭과 지연시간을 제한한다.

지속적이며 신뢰할 수 있는 정보를 얻기 위해 레이더에만 의존할 수는 없다. 다른 차량의 레이더, 교통 관제나 항공에 이용되는 고정 레이더 및 특정 지역에서, 가령 무선 망원경을 보호하기 위한 송신기 작동 금지를 의무화하는 규정 등이 모두 간섭을 일으킬 수 있기 때문이다. 이와 같은 문제에 대한 대안으로 프로그래머블 처핑(chirping) 변조기, 디지털 빔 형성, 방어 주파수 호핑 등이 거론된다. 이와 같은 용어들은 대형 트럭이나 렉서스에 대한 설명이 아니라 마치 새로운 전투기를 위한 시나리오처럼 들릴지도 모르겠지만, 실제로 ADAS의 많은 부분은 군사용 시스템에서 그 기술을 물려받고 있다. 

따라서 업계에서는 궁극적으로 비디오와, 아마도 다른 센서들을 결합하는 방식으로 레이더를 사용하게 될 것이라는 데 동의한다. 한 마디로 ECU는 레이더나 수동 비디오에만 전적으로 의존할 수 없다는 것. 주변 환경에 대한 정확하고 연속적인 모델을 유지하기 위해서는 차량의 전자장치가 비디오 데이터와 함께 매우 다른 형식의 레이더 신호를 융합해야 한다는 것이다. 이러한 융합은 칼만(Kalman) 필터라고 불리는 시스템 예측 기법을 통해 수행될 수 있다.

칼만과 그 단점
칼만 필터는 서로 다른 종류의 센서에서 잡음이 포함된 여러 종류의 데이터 스트림을 취하여 이를 관찰 중인 시스템에 잡음이 적은 하나의 모델로 결합할 수 있다. 칼만 필터를 간단히 설명하면 다음 세 가지의 내부 데이터 세트를 유지함으로써 수행된다. 그것은 ①시스템 상태에 대한 현재 추정, ②물리이론을 기초로 시스템의 다음 상태를 미리 예측하기 위한 추측 항법(dead reckoning) 모델, ③각 입력에 대한 신뢰성 등급을 매긴 표 등이다.

각 사이클에서 칼만 필터는 센서 데이터로 차량 주위에 있는 대상들의 위치 및 속도와 같은 잠정적인 추정을 생성한다. 동시에 필터는 이전 상태에 추측 항법 모델을 적용시켜 두 번째 추정을 생성한다. 다른 차량이 이쪽으로 이동했다고 한다면, 보행자가 저만치 걸어갔다고 한다면, 그리고 나무가 있던 자리에 계속 있었다고 한다면 등이 두 번째 추정이다.

다음으로 필터는 두 가지 상태의 추정을 비교하고 입력의 신뢰성 등급을 고려하여 최적의 새로운 추정치로 이전 상태를 업데이트한다. 바로 여기가 모든 것이 실제로 존재하는 곳이라 생각한다. 마지막으로 칼만 필터는 잠재적인 위험에 대해 평가를 받도록 분석 소프트웨어에 새로운 상태 추정치를 전송하고 센서 신뢰성 표를 업데이트하면서 모든 의심할 만한 입력 사항을 기록한다.

좋은 소식은 칼만 필터가 간헐적인 읽기, 높은 잡음, 그리고 모든 다른 종류의 센서 데이터가 뒤섞여 있기는 하지만 외부 세계에 대한 안정적이고 정확한 모델을 조립할 수 있다는 점이다. 그러나 여기에도 문제가 있다. 고화질(HD) 비디오 입력과 함께 사용하는 칼만 필터는 엄청난 양의 컴퓨팅 능력을 소비할 수 있고, 분석 루틴을 취하기라도 하면 그림 2에서 보는 것처럼 훨씬 더 많은 에너지를 소비한다.

여기에는 시스템 측면에서 중요한 의미를 갖는 또 다른 문제가 있다. 칼만 필터는 내재적으로 잡음 내성이 있지만 잡음에 대해 안전하지는 않다. 샘플의 변수가 충분히 많을 경우 센서와 ECU 사이의 대기시간 변수는 잡음으로 나타나기 때문이다. 이러한 대기시간의 변수는 필터가 일부 센서에 대한 의존성을 낮추거나 센서의 정보를 완전히 무시하도록 만들게 되므로 큰 차이가 날 수 있다.

이것은 자동차의 네트워크를 선택하는 데서 중요하다. CAN(controller-area network) 또는 FlexRay 네트워크 같은 제어를 목적으로 개발된 네트워크는 지터를 줄이고, 압축 HD 비디오에서조차 대역폭이 부족함에도 불구하고 일부 센서 데이터를 전송하는 패킷 공급을 보장할 수 있다. 원칙적으로 시스템 설계자는 주어진 최대 지터에 대해 필요한 대역폭을 계산한 다음 각각의 카메라나 레이더 수신기에 전용 CAN 세그먼트를 달아야 하는 결과가 나오더라도 시스템에 필요한 충분한 네트워크를 전송하려 한다. 그러나 실제로 자동차 제조업체는 이와 달리 비용을 따지게 된다.

그래서 그들은 차량 안 어느 곳에나 있는 이더넷에 관심을 갖는다. 센서의 수가 증가함에 따라 비용 문제에 난색을 표하는 제조업체들은 (하이엔드 브랜드를 포함해) 모든 제어, 데이터, 그리고 미디어 네트워크들을 100Mbit 또는 1Gbit에서 동작하는 하나의 트위스트 페어 이더넷에 몰아놓으려 한다. 공유된 네트워크가 지연시간이라는 문제를 다시 야기한다고 하더라도 말이다. 이더넷은 전송을 불확실하게 만들기 때문에 IEEE 1588, TTP(Time-Triggered Protocol) 또는 AVB(Audio Video Bridging)와 같은 일부 동기화 프로토콜이 필요하다.

이러한 논의는 케이블링 비용을 넘어 시스템 측면에서 함축적 의미를 갖는다. 기가비트 이더넷은 비용, 가용성, 소프트 에러율과 같은 문제가 제기되는 첨단 공정인 노드의 실리콘을 의미한다. 동기화 프로토콜은 정확히 가볍다고는 할 수 없으며 더 강력한 네트워크 어댑터가 필요하다. 또한 많은 센서들로부터 시간이 정의된 데이터의 프레임을 저장하고, 재정렬할 필요성도 있다. 이것은 그러나 불행히도 메모리 풋프린트에 영향을 미친다.

멀티바디 문제
마지막으로 ADAS 구조에 레이더 또는 스캐닝 레이저를 포함시킨다면 전혀 예상치 못한 부작용이 생긴다. 가까운 차량의 ADAS가 서로 상호작용을 하여 센서 간섭이 일어나거나 심지어 불안정한 멀티차량 시스템이 될 수 있는 것. 이쯤 되면 두 대의 차량이 위험을 피해 서로를 향해 돌진하게 된다. 이것은 가벼운 문제가 아니다. 위험 방지 알고리즘이 동일한 트래픽 스트림에서 여러 대의 차량에 사용된다면 충돌을 피할 수 없기 때문이다.

이러한 질문은 ADAS 알고리즘의 설계에서 미국과 유럽 연합의 감독 기관이 관여해야 할 문제이다.
어느 경우이든 이러한 시스템의 검증은 상당한 정도의 전체 시스템을 포함하고 있게 된다. 멀티시스템 및 모델링도 포함하게 될 것이라는 점은 분명하다. 이것은 방대한 작업이므로로, 군사 항공 분야 외 대부분의 시스템 설계 팀이 가지고 있는 경험을 훨씬 넘어선다.


댓글삭제
삭제한 댓글은 다시 복구할 수 없습니다.
그래도 삭제하시겠습니까?
댓글쓰기
계정을 선택하시면 로그인·계정인증을 통해
댓글을 남기실 수 있습니다.