ADAS를 작동시키는 감지 시스템

자동 운전 시스템용 센서에 대한 최신 정보를 알아보기 위해 저는 TDK/Invensense(캘리포니아 산호세)의 제품 마케팅 이사인 Alberto Marinoni를 인터뷰했습니다.

일반적으로 사용되는 용어인 첨단 운전자 지원 시스템(ADAS)은 본질적으로 SAE 레벨 2(L2), 부분 운전 자동화를 나타냅니다. 이 수준에서 운전자는 차 안에 있어야 하며 경계해야 합니다. 예를 들어 책을 읽을 수 없으며 수준 3 이상이 필요한 경우입니다. (가장 높은 레벨인 5는 완전히 자동화된 차량으로 우리 중 한 명도 차량에 탑승할 필요가 없습니다.)

레벨 2에서는 애플리케이션에 따라 차량을 종방향(가감속) 또는 횡방향(조향)으로 자동 제어할 수 있습니다. 그러나 운전자가 있어야 하고, 거리를 주시해야 하며, 필요한 경우 통제하기 위해 경계해야 합니다. 대조적으로 레벨 1은 자동 제동/가속 또는 측면 조향을 수행할 수 있지만 둘 다 수행할 수는 없습니다.

L2의 경우 카메라, 레이더 및 IMU(관성 측정 장치)를 비롯한 여러 센서가 있습니다. GPS와 같은 글로벌 항법 위성 시스템(GNSS)도 포함됩니다.

특정 L2 애플리케이션의 경우 대부분은 아니지만 Lidar도 사용할 수 있지만 주로 레벨 3용입니다. 다른 기술에 비해 비용이 높기 때문에 L2에 항상 포함되지는 않습니다. Marinoni는 레이더가 장거리 감지기라고 설명했습니다. 레이더는 먼 거리에서 장애물을 감지하는 용도로 사용되어 전방에 무언가가 있음을 차량에 경고합니다. Lidar는 자동차에 더 가까이 있는 물체를 자세히 인식하여 자동화 믹스를 추가합니다. 또한 주변을 스캔하여 즉각적인 환경에 대한 정보를 얻을 수 있습니다. 이 정보는 IMU와 GNSS로 구성된 관성항법장치(INS:Inertial Navigation System)를 이용하여 차량의 절대 위치를 정확히 찾아내기 위해 지구에 대한 지리참조가 가능하다. INS의 절대 위치 정보와 라이더를 기반으로 한 상대 주변 이미지를 결합하여 3D 지도를 구축하여 물체를 정확하게 찾을 수 있습니다.

관성 측정 장치

TDK/InvenSens IMU는 동일한 하우징에 3축 가속도계와 3축 자이로스코프의 두 가지 MEMS 구성 요소를 포함합니다. 가속도계는 세 축 모두에서 정적(예:중력) 및 동적 가속도에 민감하며 IMU의 기울기 각도를 결정하는 데 사용할 수 있습니다. 자이로스코프는 중력 외에 각속도가 존재하는 동적 조건에서 주로 사용됩니다. 이 두 센서의 출력은 수학적으로 결합되어 시스템의 방향을 결정합니다.

오늘날 일반적인 추세는 감지 정확도를 높이기 위해 각 센서 옆에 IMU를 배치하는 것입니다.

가속/감속

Marinoni에 따르면 가장 중요한 감속 기능은 비상 제동과 충돌 방지입니다. 이러한 애플리케이션의 경우 레이더와 같은 센서가 차량 전면을 스캔하여 물체나 사람을 찾습니다. 스캐닝 데이터는 차량이 정지해야 하는지 여부를 결정할 수 있는 중앙 처리 장치로 전송됩니다. 그렇다면 충돌 전에 차를 멈추기 위해 브레이크 페달을 밟아 운전자와 같은 방식으로 작동하는 액추에이터에 신호를 출력합니다.

IMU는 여기서 중요한 역할을 합니다. 레이더 센서는 일반적으로 차량 범퍼에 장착되며 거리와 평행하면 완벽하게 작동할 수 있습니다. 그러나 어떤 이유로 범퍼가 변형된 경우 레이더 정보를 신뢰할 수 없습니다. 레이더 센서 옆에 장착된 IMU는 기울기를 동적으로 모니터링하여 수정 정보를 제공할 수 있습니다. 카메라 모듈에도 같은 개념이 적용됩니다.

조향

오늘날의 차량에는 10개 이상의 ADAS용 카메라가 여러 대 있습니다. 다만, 주행 중 진동이 많이 발생하기 때문에 카메라 모듈로 촬영한 이미지가 흐릿해질 수 있습니다. IMU를 각 카메라 가까이에 두면 사진을 찍는 정확한 순간에 카메라에 가해지는 진동을 쉽게 측정할 수 있습니다. 이 정보를 통해 이미지를 안정화하고 노이즈를 제거하여 선명하게 볼 수 있습니다.

일반적인 카메라 기반 애플리케이션은 능동적인 차선 유지 지원입니다. 이를 위해 일반적으로 백미러 근처에 카메라가 위치하여 가로선을 감지하고 이미지 처리를 수행하는 데 사용됩니다. 이 응용 프로그램에서는 이미지 품질이 중요합니다. 선과 차량이 선을 넘고 있는지 여부를 인식해야 하기 때문입니다. 카메라 옆에 IMU를 장착하여 카메라를 안정화함으로써 보다 선명한 이미지를 생성하여 중앙 프로세서의 계산 부하를 줄입니다. 일부 차선 유지 응용 프로그램의 경우 운전자에게 경고가 표시되므로 운전자가 궤도를 유지하기 위해 스티어링을 제어할 수 있습니다. 자동차에서 이 정보를 사용하여 스티어링을 직접 제어하여 자동으로 차선을 유지하는 다른 애플리케이션이 있습니다.

센서 융합

그런 다음 나는 Marinoni에게 ADAS에서 센서 융합의 역할에 대해 물었습니다. 각 개별 센서의 합보다 더 나은 출력을 제공하기 위해 여러 센서에서 오는 정보를 결합할 수 있는 알고리즘이라고 설명했습니다.

한 예로 GNSS가 위성으로부터 정보를 수신하여 차량의 절대 위치를 결정하는 INS가 있습니다. 그러나 터널, 도심 협곡 또는 다층 주차장과 같이 GNSS 정보를 신뢰할 수 없는 조건이 있습니다. 따라서 GNSS를 사용할 수 없을 때 시스템의 위치를 ​​계산하려면 GNSS에 가까운 IMU가 필요합니다. GNSS 모듈에서 실행되는 센서 융합 알고리즘은 IMU와 GNSS의 정보를 결합하여 모든 조건에서 신뢰할 수 있는 위치를 생성합니다. 이것은 IMU와 GNSS가 각각의 강점과 약점으로 인해 서로를 보완하기 때문에 시스템을 최적화합니다. 퓨전 알고리즘은 GNSS가 신뢰할 수 없을 때 IMU에서 오는 정보를 유지하고 자동차가 하늘이 열린 상태에 있을 때 GNSS 시스템의 정보를 사용합니다. 양호한 GNSS 신호가 있는 경우 융합 알고리즘을 통해 GNSS를 사용할 수 없는 시간에 대해 GNSS 데이터가 IMU를 보정할 수도 있습니다.

데드레커닝

GNSS 신호를 사용할 수 없는 경우 IMU는 수신한 절대 최신 위치에서 시작하여 추측 항법으로 탐색합니다. 그 시점에서 위치를 업데이트하기 위해 시간이 지남에 따라 자이로스코프 정보를 통합하기 시작합니다. 좋은 자이로스코프 정보와 좋은 타이밍이 있다면 좋은 결과를 얻을 수 있습니다. 그러나 자이로스코프 출력은 좋지만 타이밍이 좋지 않으면 결과가 좋지 않습니다. 둘 다 좋지 않으면 완전히 나쁜 결과를 얻게 됩니다. 적분하기 때문에 오차가 누적되고 일정 시간이 지나면 추측항법 결과가 더 이상 허용되지 않을 수 있습니다.

터널을 통과하거나 GNSS 신호가 오랫동안 나쁜 도시에서 운전하는 경우 IMU를 기반으로 한 추측 항법은 신뢰할 수 없습니다. 이러한 상황에서는 자동차 제조업체에 달려 있습니다. 그들은 운전자 경고를 시작할 수 있습니다. 운전자가 경고에 반응하지 않으면 두 번째 경고가 생성될 수 있습니다. 그것도 무시하면 ADAS가 제어하고 속도와 속도를 줄일 수 있지만 자동차를 멈출 수는 없어 위험할 수 있습니다. 한 가지 추가 조치는 운전자가 안전한지 확인하기 위해 OnStar와 같은 호출을 생성하는 것입니다. 상황을 관리하는 방법에는 여러 가지가 있습니다.

ADAS 시스템의 신뢰성

ADAS 시스템 자체의 신뢰성은 분명히 중요합니다. 데이터 무결성은 모든 조건에서 보장되어야 합니다. Marinoni에 따르면 ADAS용 TDK/Invensense 6축 IMU에는 ASIL(Automotive Safety Integrity) 레벨 B까지의 요구 사항을 충족하는 시스템을 위해 개발된 진단 기능이 포함되어 있습니다. 예를 들어 중앙 장치와의 통신이 신뢰할 수 없는 경우, 그것은 운전자에게 경고하는 경보를 생성할 수 있습니다. 내장형 안전 칩에는 시스템의 모든 블록의 기능을 지속적으로 확인하는 메커니즘이 포함되어 있습니다. 구성 요소가 가속도계, 자이로스코프, 디지털 로직 또는 통신 버스에서 오작동을 감지하면 시스템에 경보를 보내 문제가 발생했으며 센서에서 나오는 정보를 더 이상 신뢰할 수 없음을 알립니다. 자가 진단은 자동차 안전 애플리케이션, 특히 속도, 제동 또는 조향을 제어하는 ​​경우 필수입니다. 이러한 문제는 ASIL 사양에서 해결됩니다. 단, 2급 적용이 아니더라도 전자안정제어장치 등의 시스템도 100% 신뢰성이 있어야 한다.

우리는 지금 어디에 있고 어디로 가고 있습니까?

나는 Marinoni에게 이 기술이 현재 어디에 있고 미래에 무엇을 기대하는지 물었다. "현재 레벨 2는 현실입니다. 이미 거리에 있습니다."라고 그는 말했습니다. "그러나 지금부터 2030년까지 IMU 물량이 1천만 대 미만에서 4천만 대 이상으로 증가할 것으로 예상한다는 점에서 현재 증가하고 있습니다." 다음 단계인 레벨 3의 주요 변경 사항은 라이더와 같은 신기술의 도입일 것입니다. "IMU의 관점에서 볼 때 우리는 6축 통합 덕분에 이미 L3 애플리케이션에 적합합니다."라고 그는 말했습니다.

그는 계속해서 이 분야의 다음 혁신 포인트는 전력 소비 감소가 될 수 있다고 말했습니다. 일부 ADAS 애플리케이션은 엔진이 꺼진 상태에서도 켜져 있어야 합니다. 이러한 이유로 애플리케이션에 있는 각 구성 요소의 전력 소비가 계산됩니다. 과거에는 엔진이 켜져 있을 때만 애플리케이션이 실행되는 것이 문제가 되지 않았습니다. 그러나 이제 제조업체는 전력 소비를 포함하도록 사양을 변경하고 있습니다.

그리고 마지막으로 중요한 것은 추측항법 적분은 시간이 지남에 따라 누적된 오차의 영향을 받기 때문에 특히 자율주행 자동차의 경우 또 다른 중요한 점은 부품의 소음을 더욱 줄이고 센서의 성능을 향상시키고, 더 긴 추측 항법 통합을 구현하여 전체 오류를 제어합니다.

다음으로 나는 레벨 3이 거리를 치고 있다고 생각하는 마리노니에게 물었다. 그의 추측은 우리가 2025년까지 L3 시장에서 많은 움직임을 보지 못할 것이라는 것입니다.

"또 다른 중요한 주제는 이론에 기반을 두지 않았지만 더 경험에 의한 것입니다. L2 시스템의 경우 두 개의 병렬 기술이면 충분합니다. L3 시스템의 경우 정확도, 안정성 및 성능을 보장하려면 최소 3가지 기술을 결합해야 하며, L4의 경우 4가지가 필요할 가능성이 큽니다. 이를 통해 성능과 안전을 보장하는 복잡성을 느낄 수 있을 것”이라고 말했다. 그러면 필요한 알고리즘과 컴퓨터 리소스가 더 많이 필요합니다. 바로 이 부분에서 5G가 작동하여 컴퓨팅의 많은 부분을 클라우드로 이동할 수 있습니다. 물론 이는 해킹 가능성의 문을 열어줍니다.

이 기사는 Sensor Technology의 편집자인 Ed Brown이 작성했습니다. 자세한 내용은 여기를 방문하십시오. .