< 자율주행 (Autonomous Driving) AI 기술 & LiDAR > (1) 자율주행의 대표적 기술 1) LiDAR (Light Detection And Ranging) / LiDAR + GPS Fusion (Localization) - 보고 제어하기 위해 주변의 정보들을 받아야 함. 주변의 정보들을 받는 것 중에 가장 대표적인 것. - 다양한 정보 수집, 원격 통신을 통해 빠르게 차와 커뮤니케이션 하거나 GPS와 커뮤니케이션 하기도 함 - 자기 위치를 정확히 찾는 것, 그리고 자기 주변에 어떤 것들이 있는지 찾는 것이 가장 중요한 기술 중 하나 2) Sensor Fusion - Filtering 다양한 센서들에서 신호를 받았을 때 신호들의 왜곡, 잡음의 수준을 미리 정해놓고 높은 왜곡이나 잡음이 있는 데이터를 버리고 잡음이 적거나 왜곡이 거의 없는 데이터들은 신뢰성을 높게 주어서 그 데이터를 실제 데이터 실제 내 상태로 추정을 하겠다 - 높은 신뢰도를 가지는 데이터에 더 높은 가중치를 두어서 실제 자신의 위치 혹은 자신의 리스크를 파악한다 - 다양한 정보를 받음(GPS 신호로 자신의 절대 위치 파악, 카메라 정보로부터 자신의 상대 위치 파악, 주변 사물들, 장애물들을 파악). 이렇게 3D Scanning 혹은 2D로부터 받는 이미지, 카메라로부터 받는 이미지에 왜곡이 있을 수 있기 때문에 여러 대의 카메라로 하나의 공간을 담으려면 보정이 필요 - 나의 3D Map 구축 (상대 자동차의 속도, 갑자기 나타나는 장애물의 속도와 이동 방향 추정 가능, 상대 자동차와 나의 자동차의 이동 경로를 파악) - 이 자동차가 해야 할 일이 결정됨(계속 앞으로 가든지 급브레이크를 밟든지 조향(인공지능이 핸들을 돌리고 액셀 브레이크를 밟는다)을 하든지) 의사결정 데이터 받음 => 3D 맵 구축 => 가장 안전한 선택을 한다 (2) 자율주행의 단계 (6단계 미국 자동차 학회 SAE Autonomous Driving Level) - Level 0 No Automation 비자동화: 자율주행이 아예 들어있지 않음. 운전자가 모든 것을 통제하고 항시 운전. 차량 자체에서는 보조기능만 제공, 결정은 운전자가 내리는 것 - Level 1 Driver Assistance 운전자 보조 단계: 차선 유지 기능 등 운전자 보조 기능 - Level 2 Partial Automation 부분 자동화: 가감속까지 한 번에 차량이 제어. 앞에 차가 급브레이크 밟으면 자동차가 브레이크 밟음. - Level 3 Conditional Automation : 특정 운전 조건 운전 구간에서 자동화가 이루어짐 예) 고속도로에서 자동화 국내 기업들도 많이 도입을 하고 있는 상태. 상시 모니터링은 요구되지 않고 다만 정제된 조건 (돌발상황이 별로 없는 조건)에서 가능한 자율주행 - Level 4 High Automation & Level 5 Full Automation 고등 & 완전 자율주행: 대부분의 도로 (시내 운전 등)에서 가능하도록 하는 것. 주행 제어, 주행 조향 그리고 책임까지 모두 다 시스템에 있음. 돌발상황이 많기 때문에 사고 시 대처에 대한 논란이 있음. 따라서 대부분 기업들이 3, 4단계까지 지금 목표를 하고 자율주행 모드를 개발하고 있음 (3) 자율주행 기술의 현 위치와 나아갈 길 - 자신의 상대 위치를 파악하고 도로의 상태라든지 도로의 이동 방향 위협이 될 만한 요소들을 표현해줄 수 있는 단계까지 지금 자율주행 기술이 온 상태임 - 특정 조건에서 이런 Sensor Fusion 기술 그리고 Localization 기술이 안 될 때가 있음 (예) 비, 눈오는 날). 특정 조건에서 학습된 데이터가 부족하다든지 카메라의 왜곡이 심해진다든지 혹은 카메라로부터 얻어질 수 있는 정보가 신뢰성이 떨어짐 -> 리스크 커짐 - >이런 돌발 상황에 대비하기 위한 연구 필요 - 카메라의 왜곡, 보정에 대한 신뢰도를 높이는 Sensing 기술에 대해서 많이 연구가 되고 있음. 자율주행에서 나아가야 될 길
잘 모르는 분야지만 여러 카메라 화면을 받아서 왜곡이 심한 영상은 삭제하거나 보정하는게 뭔가 이상치를 지우고 결측치를 대체하는 데이터 전처리와 비슷해 보이기도 하네요. 자율주행기술이 급속도로 발전하고 있지만 GPS 위성이나 전장차 자체가 해킹될수도 있으니 보안이 더 중요해질듯 해요. 사람의 목숨이 달린 일이니까요. 또한 자율주행차 사고시의 법적 책임이나 보험 문제가 모호한 문제가 될듯한데 이게 해결되지 않으면 기술이 발전해도 상용화가 쉽지 않을거 같습니다.
1:00 센서퓨징에서 외부 데이터를 받아오고 그로부터 3d맵핑하는건 이전 로보틱스에서 언급한 키네메틱스랑 비슷한 부분이 많네요 테슬라 ai데이를 봤었는데 그때 이야기가 떠오르는 좋은 영상이네요! 마찬가지로 실습해보는 영상도 있으면 좋겠습니다! 이미지 데이터나 툴은 욜로2 같은 상당히 대중화된걸로 하면 수요가 꽤 있을거 같아요!
![[딥러닝 기술 적용사례] 이 영상 하나로 끝내드립니다 | 네이버 AI 부트캠프 멘토출신 이종혁 - 메타코드M](http://i.ytimg.com/vi/D7640nlNjZQ/mqdefault.jpg)
< 자율주행 (Autonomous Driving) AI 기술 & LiDAR >
(1) 자율주행의 대표적 기술
1) LiDAR (Light Detection And Ranging) / LiDAR + GPS Fusion (Localization)
- 보고 제어하기 위해 주변의 정보들을 받아야 함. 주변의 정보들을 받는 것 중에 가장 대표적인 것.
- 다양한 정보 수집, 원격 통신을 통해 빠르게 차와 커뮤니케이션 하거나 GPS와 커뮤니케이션 하기도 함
- 자기 위치를 정확히 찾는 것, 그리고 자기 주변에 어떤 것들이 있는지 찾는 것이 가장 중요한 기술 중 하나
2) Sensor Fusion
- Filtering 다양한 센서들에서 신호를 받았을 때 신호들의 왜곡, 잡음의 수준을 미리 정해놓고 높은 왜곡이나 잡음이 있는 데이터를 버리고 잡음이 적거나 왜곡이 거의 없는 데이터들은 신뢰성을 높게 주어서 그 데이터를 실제 데이터 실제 내 상태로 추정을 하겠다
- 높은 신뢰도를 가지는 데이터에 더 높은 가중치를 두어서 실제 자신의 위치 혹은 자신의 리스크를 파악한다
- 다양한 정보를 받음(GPS 신호로 자신의 절대 위치 파악, 카메라 정보로부터 자신의 상대 위치 파악, 주변 사물들, 장애물들을 파악). 이렇게 3D Scanning 혹은 2D로부터 받는 이미지, 카메라로부터 받는 이미지에 왜곡이 있을 수 있기 때문에 여러 대의 카메라로 하나의 공간을 담으려면 보정이 필요
- 나의 3D Map 구축 (상대 자동차의 속도, 갑자기 나타나는 장애물의 속도와 이동 방향 추정 가능, 상대 자동차와 나의 자동차의 이동 경로를 파악)
- 이 자동차가 해야 할 일이 결정됨(계속 앞으로 가든지 급브레이크를 밟든지 조향(인공지능이 핸들을 돌리고 액셀 브레이크를 밟는다)을 하든지) 의사결정
데이터 받음 => 3D 맵 구축 => 가장 안전한 선택을 한다
(2) 자율주행의 단계 (6단계 미국 자동차 학회 SAE Autonomous Driving Level)
- Level 0 No Automation 비자동화: 자율주행이 아예 들어있지 않음. 운전자가 모든 것을 통제하고 항시 운전. 차량 자체에서는 보조기능만 제공, 결정은 운전자가 내리는 것
- Level 1 Driver Assistance 운전자 보조 단계: 차선 유지 기능 등 운전자 보조 기능
- Level 2 Partial Automation 부분 자동화: 가감속까지 한 번에 차량이 제어. 앞에 차가 급브레이크 밟으면 자동차가 브레이크 밟음.
- Level 3 Conditional Automation : 특정 운전 조건 운전 구간에서 자동화가 이루어짐 예) 고속도로에서 자동화 국내 기업들도 많이 도입을 하고 있는 상태. 상시 모니터링은 요구되지 않고 다만 정제된 조건 (돌발상황이 별로 없는 조건)에서 가능한 자율주행
- Level 4 High Automation & Level 5 Full Automation 고등 & 완전 자율주행: 대부분의 도로 (시내 운전 등)에서 가능하도록 하는 것. 주행 제어, 주행 조향 그리고 책임까지 모두 다 시스템에 있음.
돌발상황이 많기 때문에 사고 시 대처에 대한 논란이 있음.
따라서 대부분 기업들이 3, 4단계까지 지금 목표를 하고 자율주행 모드를 개발하고 있음
(3) 자율주행 기술의 현 위치와 나아갈 길
- 자신의 상대 위치를 파악하고 도로의 상태라든지 도로의 이동 방향 위협이 될 만한 요소들을 표현해줄 수 있는 단계까지 지금 자율주행 기술이 온 상태임
- 특정 조건에서 이런 Sensor Fusion 기술 그리고 Localization 기술이 안 될 때가 있음 (예) 비, 눈오는 날). 특정 조건에서 학습된 데이터가 부족하다든지 카메라의 왜곡이 심해진다든지 혹은 카메라로부터 얻어질 수 있는 정보가 신뢰성이 떨어짐 -> 리스크 커짐 - >이런 돌발 상황에 대비하기 위한 연구 필요
- 카메라의 왜곡, 보정에 대한 신뢰도를 높이는 Sensing 기술에 대해서 많이 연구가 되고 있음. 자율주행에서 나아가야 될 길
자율주행에서 다양한 데이터들에 대해서 처리할 수 있도록 센서퓨전을 잘 개발하는 것이 관건이겠네요. AI로봇에 이어서도 자율주행 기술 곳곳에 많은 AI기술이 들어가야 할 것 같습니다. 앞으로는 AI가 활용되지 않는 곳이 없을 것 같습니다. 좋은 내용 감사합니다.
상세하게 느낀점 남겨주셔서 감사해요~
영상에 댓글단 부분 캡쳐하셔서,
support@mcode.co.kr 로 메일 보내주세요~!
잘 모르는 분야지만 여러 카메라 화면을 받아서 왜곡이 심한 영상은 삭제하거나 보정하는게 뭔가 이상치를 지우고 결측치를 대체하는 데이터 전처리와 비슷해 보이기도 하네요.
자율주행기술이 급속도로 발전하고 있지만 GPS 위성이나 전장차 자체가 해킹될수도 있으니 보안이 더 중요해질듯 해요. 사람의 목숨이 달린 일이니까요.
또한 자율주행차 사고시의 법적 책임이나 보험 문제가 모호한 문제가 될듯한데 이게 해결되지 않으면 기술이 발전해도 상용화가 쉽지 않을거 같습니다.
1:00 센서퓨징에서 외부 데이터를 받아오고 그로부터 3d맵핑하는건 이전 로보틱스에서 언급한 키네메틱스랑 비슷한 부분이 많네요
테슬라 ai데이를 봤었는데 그때 이야기가 떠오르는 좋은 영상이네요!
마찬가지로 실습해보는 영상도 있으면 좋겠습니다! 이미지 데이터나 툴은 욜로2 같은 상당히 대중화된걸로 하면 수요가 꽤 있을거 같아요!
상세하게 느낀점 남겨주셔서 감사해요~
영상에 댓글단 부분 캡쳐하셔서,
support@mcode.co.kr 로 메일 보내주세요~!
더 많은 IT뉴스와 채용공고를 실시간으로 추천 받기를 희망하신다면? 오픈채팅방 참여하세요!
👉오픈채팅방 참여 신청 링크
docs.google.com/forms/d/1k4ufvVdJMhJZKFccVxAzsl_bJyTuTuDXjjsOsZP2MXA/edit
라이다센서를 이용한 이차장정식 식이 있을까요?