상단여백
HOME 오피니언 테크니컬 리포트
자율주행차의 핵심, 인지(Perception) 기술에 대하여

인간은 5개의 기본 감각을 사용하여 주변 세계의 데이터를 끊임없이 받아들인다. 이런 감각을 통해서 전화 벨소리를 듣고, 컴퓨터 화면에 알림을 확인하고 뜨거운 부분을 터치한다.

하지만 인식이 없으면 이러한 입력을 해독하고 관련 항목을 결정할 방법이 없습니다. 전화에 응답해야하며, 화상을 입기 전에 손을 대거나 답장을 보내야 하는 이메일을 확인할 수 없게 된다.

이제 방대한 정보가 끊임없이 흐르는 고속도로에서 운전하는 것을 상상해보자. 여기에서는, 차선 표시와 거리 표지판부터 차선 분리 오토바이 운전자, 트럭과 교통 체증 병합 등 즉각적이고 정보에 입각 한 결정을 내릴 수 있는 능력은 필수적이다.

지각이 인간이 즉각적인 연관성을 가지고 행동할 수 있도록 하는 것처럼, 주변 환경으로부터 관련 지식을 추출 할 수 있는 능력(인지기술)은 자율주행차의 안전한 작동을 위한 핵심기술로 자리하게 된다.

인지기술을 통해 자동차는 카메라 ,기타 센서를 사용해 차량을 미리 탐지하고, 잠재적인 위험 요소를 파악하고, 지속적으로 움직임을 추적 할 수 있다. 이 기능은 차량 주변의 360도 필드까지 확장되면서 이동하는 모든 물체, 움직이지 않는 물체를 감지하고 추적 할 수 있다.

인지기술은 자율주행차의 안전한 작동을 위한 전산 파이프라인의 첫 번째 단계다. 차량이 주변 환경에서 관련 데이터를 추출 할 수 있다면 인간의 개입 없이 전방 경로를 계획하고 작동시킬 수 있다.

자율주행차에 탑재된 센서에서는 매초마다 방대한 양의 데이터가 생성된다. 다른 자동차에서부터 보행자, 거리 표지판, 신호등에 이르기까지 운전 차량의 위치와 이동 거리를 나타내는 지표가 있다.

이러한 지표를 식별하고 안전하게 이동하는 데 필요한 요소를 결정하는 것은 엄청나게 복잡하므로 다양한 네트워크 망이 동시에 작동해야 한다. 

엔비디아 드라이드(NVIDIA DRIVE) 플랫폼의 기본 구성 요소인 소프트웨어 스택에는 포괄적 인식을 위해 필요한 심층 신경망 네트워크를 동시 구현하는 라이브러리, 프레임워크와 소스 패키지가 포함돼 있다.

이외에도 장애물을 감지하는 드라이브넷(DriveNet)과 오픈로드넷(OpenRoadNet)을 지원한다. 향후 경로를 예측하는 레인넷(LaneNet)은 차선 모서리를 감지하고, 파일럿넷(PilotNet)은 운전 경로를 감지하는 기능을 담당하게 된다.

자율주행기술 개발자를 위한 통합환경을 제공하면서 수집된 데이터의 중복성을 제거하는 것은 물론 차량의 전반적인 기능을 백업해 모든 단계에서 안전성을 향상하는 데에 도움을 제공한다.

예를 들어 고화질지도는 네 방향의 교차점을 나타낼 수 있으며, 실시간 센서 데이터와 쌍을 이루면 자동차를 정확히 어디에 보여 주는지 표시하면서 차량의 위치를 ​​정확하게 파악할 수 있다.

자율주행차에 적용되는 인식기술은 다양성에 기여하면서 장애물을 식별하고, 이동하는 물체와 움직이지 않는 물체도 식별하면서 경로를 결정할 수 있다. 엔비디아의 파트너사인 페셉티브 오토매트(Perceptive Automata)가 제공하는 추가 소프트웨어를 활용하면 인간 행동을 예측하는 기술도 구현할 수 있다.


글: 케이티 버크(Katie Burke) / 오토모티브 콘텐츠 마케팅 디렉터 / 엔비디아

 

최태우 기자  taewoo@itbiznews.com

<저작권자 © IT비즈뉴스-아이티비즈뉴스, 무단 전재 및 재배포 금지>

최태우 기자의 다른기사 보기
icon인기기사
여백
여백
여백
여백
Back to Top