자율주행 공통
자율주행의 단계 개요 1-1.자율주행 0-2단계 운전의 책임이 운전자에게 있다. 주행의 조향이나 가감속을 자동화하는 수준 1-2. 3단계 자율주행 조건부 자동화 자율주행이 가능한 상황에서 스스로 운전, 단 가능하지 않은 상황에서는 운전자에게 운전권 이양 1-3. 4단계 자율주행 고도의 자동화 정해진 지역 또는 영역 안에서는 운전자의 개입이나 모니터링이 필요 없음
자율주행 자동차 기술 이해
1.darpa grand challenge 자율주행 자동차 2004처음 개최 2005년 두번째 개최로 스텐포트 대학팀이 우승,2위는 카네기 멜넬론 대학 1-2.darpa urban challenge 2007년 캘리포니아 빅토빌에서 개최한 60마일에 이르는 도심 대회 1-3. 2009년 구글의 자율주행차 연구 착수 darpa grand challenge 에서 우승한 스탠포드 대학교수 영입 모하비 사막에서 열린 첫번째 대회에서는 완주한 참가팀이 없었음 2.자율주행 현단계 고급자동차에 반자율주행 기술 탑재:2단계 자율주행 기술의 상용화 딥러닝 인공지능 기술의 발전:자율주행 가능성 높아짐 차량용 반도체 및 네트워크 기술의 발전: 자율주행을 위한 차량 내 시스템 구현 가능 자동차기업, 실리콘밸리 it기업, 차량공유 기업의 자율주행 기술 연구 진행중 반자율주행인 2단계 자율주행 수준 조향과 가감속 자동화 수준 3.자율주행의 발전방향 딥러닝과 같은 인공지능 기술의 발전으로 자율주행의 현실화 가능성이 매우 높음
자율주행 기술 이해
1.full back 자율주행 시스템이 오류가 있거나 고장이 나는 경우 차량이 대응하는 기법 2.주변 상황 예측 자율주행차가 주행시 주변의 상황이 미래에 어떻게 바뀔지를 예측하여 사고와 충돌을 방지 3.대규모 데이터 관리 자율주행을 위한 인공지능 모델 학습을 위해 대규모의 데이터가 필요 급속도로 늘어나는 데이터를 효과적으로 관리해야함 4.신뢰성 있는 테스트와 검증 시나리오 및 상황별 기능 테스트 필요 테스트 과정 확립 시뮬레이션 기반의 테스트 도입 5.인공지능과 자율주행 딥러닝 인공지능 기술이 발전하면서 자율주행에 필수적인 기술이 됨 딥러닝 기술로 인해 센서데이터를 이용한 인지기술의 성능이 엄청난 발전을 이루게 됨 타 차량, 보행자 검출, 차선, 도로인식, 주변상황 예측 가능하여 자율주행의 중요한 역할을 함 인공지능 알고리즘 및 반도체 기술의 빠른 발전으로 자율주행의 기술의 고도화 예상
자율주행 기술 이해
1.인지 센서 신호를 이용하여 주변의 동적 객체들을 검출하고 객체들의 움직임과 의도를 알아내는 작업 2.측위 주변의 정적 주행 환경 파악 고정밀 지도와 비교->나의 위치를 정확하게 추정 3.판단 인지와 측위 결과를 기반으로 경로를 계획하고 장애물을 피하는 등의 상위 판단을 내리는 작업 4.제어 판단의 결과에 따라 차량을 운전하는 작업
- 클라우드- 자율주행 플렛폼 1.서버 데이터 수집 및 관리 데이터를 이용한 학슴을 하는 컴퓨터 자원 제공 2.빅데이터 대규모 데이터 저장 관리 , 저장공간 제공 정밀지도 관리
- 인프라- 통신에서의 기지국, 따로 인프라에 설치해놓은 서버=엣지 사고 및 교통 상황 등 도로 상황 수집 정보수집, 자율주행차를 보조하기 위한 정보 제공 자율주행 차량에 정보 제공
- 통신- V2V(차량간 차량) V2I(차량과 인프라 간 통신)
- 자율 주행 기술의 요소
1.센서
외부 정보를 받아들이는 부분
2.인지
센서 신호를 이용하여 주변의 동적 객체들을 검출하고 객체들의 움직임과 의도를 알아내는 작업
동적 객체 검출 및 동적 객체의 행동,미래 위치,의도 예측
정적 객체 검출 및 충돌 장애물의 존재 여부와 상대 거리 파악
3.측위
GPS와 센서 정보 등을 활용하여 정밀지도 위에서 자율 주행차의 위치를 추정
cm단위의 측위 정확도 필요
gps:위치 정보를 주지만 정확도가 떨어지고 음영지역에서는 사용할 수 없는 단점
센서정보를 활용하여 차량의 odometry 정확도 높임
맵 매칭기술:센서에 취득된 정보와 지도에 있는 정보들을 정합하여 측위를 수행하는 기법
자율주행 기술 이해:판단,제어
-판단기술
1.경로 계획
목적 지점까지 최적의 경로를 결정
2.의사 결정
차로 유지/변경, 위험 회피 등 주행에 필요한 의사를 결정
타챠량과의 상호작용
-차선 변경 시 또는 타챠량 차선 변경시 상대 차와의 협상
-타차량 운전 성향 및 의도 파악
보행자와의 상호작용
-보행자의 미래 위치 및 거동 예측 후 충돌 방지
-센서 정보 활용으로 보행자의 자율주행차 주시 여부 파악
3.위험 회피
위험도 분석
-주변 동적 객체 또는 장애물과의 충돌 위험도 평가
-충돌 확률 분석
위험 회피 판단
-자동 긴급 제동 기술 사용
-위험 상황, 또는 사고 상황에서 피해를 최소화하는 판단 및 계획 수행
4.제어기술
판단에서 도출된 경로 계획이나 상위 판단 결과를 추종하도록 차량 제어
차량의 조향 및 감가속 조절
자율주행 자동차 기술 이해: 통신, 고정밀 지도
1.C-ITS(자율주행을 위한 인프라)
차세대 지능형 교통 시스템이라고 한다.
차량과 인프라 간의 협력필요
2.자율주행을 위한 통신
V2X: 차량이 유무선망을 통해 다른 차량 및 도로 등 인프라가 구축된 사물과 정보 교환
V2V(차량간 통신): 차량간 실시간 정보 공유,자율주행의 안전성 강화 및 충돌 방지
V2I(차량과 인프라 간 통신):주요지점에 대한 자율주행 안정성 확보, 비상상황 및 도로 상태에 대한 정보 제공
2-2.모바일 엣지 컴퓨팅(MEC)
차량에서 전송되는 정보를 중앙의 클라우드까지 보내지 않고 기지국 등의 엣지에서 처리하는 기술
차량과 물리적으로 가까워 지연시간 단축 가능
운전 패턴, 도로 상태 및 기타 차량 움직임을 지속적으로 감지하여 자율주행차에 정보 제공
3.MMS
고정밀 지도 구축을 위한 시스템
고정밀 지도 구축을 위한 데이터 수집
3-1.클라우드
시간에 따라 변화하는 지형 및 도로 환경 반영하여 최신성 유지
자율주행차에서 수집하는 정보 취득→고정밀 업데이트
자율주행 자동차 기술 이해 : 데이터, 하드웨어
1.자율주행 데이터
데이터 라벨링:학습 데이터에 정답을 붙여주는 과정
테스트 차량 또는 자율주행차가 수집한 데이터를 클라우드로 전송(클라우드에서 가공 및 라벨링 과정 수행)
2.차량 네트워크
차량에서 고속 센서 데이터를 자율주행 컴퓨터로 전송하기 위한 네트워크
자율주행 기능의 학습 수행
학습된 자율주행 기능의 테스트 및 검증
학습된 자율주행 기능을 OTA를 통해 탑재
3.NPU(뉴럴 프로세싱 유닛,임베디드 하드웨어이다.GPU도 있다.)
딥러닝 계산에 특화된 칩셋
4.자율주행 하드웨어
라이다,카메라,레이더가 있다.