KEY POINT 

최근 자동차에 적용돼 온 다양한 운전자지원시스템 관련 기술은 부분 자율주행기술로 진화하면서 자율주행차량의 상용화를 가속화하고 있다.

주요 자동차 기업들의 핵심 부분 자율주행기술은 2020년 정도까지 차량 적용이 확대될 것으로 보이며, 이후에는 인공지능 기술의 발달이 자율주행의 품질을 결정짓는 핵심 요소가 될 것으로 보인다.

앞으로 필요한 주요 기술 요소로는 동적 맵, V2X, 3차원 정밀지도, 사용자 모니터링, 휴먼 팩터 기술 등이다. 

어느덧 주요 도로에는 테슬라 ‘모델 S’, 현대 ‘제네시스 EQ900’과 ‘G80’, 벤츠 ‘E클래스’ 등 부분 자율주행 탑재 자율주행차와 각 회사 및 연구기관의 테스트 차량이 등장하고 있다.

지난 1월 열린 ‘CES 2017’에서는 주요 업체들이 완전 자율주행 진화를 위한 다양한 기술을 선보이고, 대부분의 자율주행을 차량이 스스로 전담하는 SAE(미국자동차공학회) 레벨 4(고도자율주행) 수준의 시승행사가 진행됐다. 

SAE 레벨 4 수준의 기술 개발이 이뤄졌다는 기사는 모든 기술개발이 끝난 듯한 오해를 불러올 수도 있다.

하지만, 현재 상용화 돼 있는 기술 수준과 자동차가 자율주행의 중심이 되는 SAE 레벨 3, 4단계 기술 수준은 격차가 큰 게 사실이다.

또 테스트 도로 수준의 개발단계의 고도 자율주행 기술을 실제 상용화하기 위해서는 가야 할 길이 멀다. 자율주행 주요 핵심 기술의 현재와 비전을 소개하고, 발전 방향에 대해 짚어 본다.

자율주행 상용화 위해 넘어야 할 산

자율주행차량의 운행 알고리즘은 대략적으로 <그림>과 같이 정리해 볼 수 있다.

먼저 탑재된 센서를 이용해 도로, 차량, 교통 흐름 등을 인식하고 정밀지도 위의 차량 위치를 파악한다. 이후 모아진 정보를 바탕으로 운행을 위한 경로를 생성하고, 차량의 조향과 가감속을 제어해 도로에서 차량을 자율적으로 움직이게 한다. <그림>은 현재 상용화돼 있는 기술(실선 부분)과 앞으로 필요한 기술(점선 부분)을 대략적으로 나눠 본 그림이다. 

요소 기술과 필요 수준은 현재 상용화돼 있는 부분 자율주행차량의 기술, 연구개발 중인 자율주행차량의 기술, 완전 자율주행 진화를 위한 기술 등에 따라 차이가 있는 게 사실이다. 

현재 상용화된 차량에는 레이더와 카메라가 주로 사용되고 있으며, GPS와 도로 인식을 통해서 위치를 결정하고, 다른 차량과 교통 흐름을 반영하고 있다. 아직 연구 차량에 많이 사용되는 라이다(LiDAR, 3D 레이저 스캐너)나 정밀 위치 인식을 위한 정밀 GPS 기술은 가격 면에서 상용화 된 예가 없다.  

앞으로 필요한 주요 기술 요소로는 ▲사고, 날씨, 공사, 결빙 등 다양한 실시간 정보를 반영한 동적 맵(LDM, Local Dynamic Map) ▲차량과 다른 차량, 도로와의 통신기술 및 정보 수집 기술(V2X, Vehicle-to-Everything) ▲10~20㎝ 오차를 가진 3차원 정밀지도(3D HD map) ▲사용자 인식을 위한 사용자 모니터링 기술 ▲승차감 및 드라이빙 감성을 위한 휴먼 팩터 기술 등을 들 수 있다. 

또 인공지능 기술, 고장 진단 및 관리기술, 클라우드 분석기술, 네트워크 보안기술, 도로 및 인프라 관련 기술, 융합 서비스를 위한 기술 등도 자율주행 시대를 앞당기기 위한 중요한 기술로 대두되고 있다. 

제조사, ADAS에서 자율주행으로 진화

최근 자동차에 적용돼 온 다양한 첨단 운전자지원시스템(ADAS, Advanced Driving Assistance System) 관련 기술은 부분 자율주행기술로 진화하면서 자율주행차량의 상용화를 가속화하고 있다.

현재 주요 자동차 기업들의 핵심 부분 자율주행기술은 고속도로 한차선 자율주행 시스템(HDA), 혼잡구간 운행 지원 시스템(TJA), 자동 긴급제동 시스템(AEB), 자율주차 시스템(APS) 등 4가지 기술을 들 수 있으며, 2020년 정도까지 차량 적용이 확대될 것으로 보인다.

여기에 자동 차선 변경과 교차로 주행기술이 추가되면 운전자의 개입 없이 차량 스스로 운전할 수 있는 기술적인 토대가 마련된다. 이후에는 인공지능 기술의 발달이 자율주행의 품질을 결정짓는 핵심 요소가 될 것으로 보인다. 

현재 유럽신차안정도평가(EURO NCAP)에서도 2017년을 부분 자율주행을 위한 캠페인 단계로 설정하고 있으며, 이후에는 평가항목에 추가함으로써 부분 자율주행 시스템의 적용이 본격화될 것으로 전망된다.

현재 상용화된 차량의 센서 시스템은 주로 레이더와 카메라의 조합으로 이뤄져 있으며, 라이다센서는 아직 상용화된 예가 없다. 테슬라 모델 S, 현대 제네시스 EQ900과 G80, 벤츠 E클래스 등이 레이더와 카메라를 조합해 자율주행기능을 구현하고 있다. 이 중에서 벤츠 E 클래스는 스테레오 카메라를 사용해 가장 고가의 센서를 적용하고 있다. 

현재 상용화된 부분 자율주행기술은 주로 HDA, TJA, AEB, APS 관련 기술이다. 현재 차선 변경 기능은 미국에서 테슬라만 제공하고 있다. 벤츠 관계자는 지난 ‘파리모터쇼 2016’에서 E클래스에도 자동 차선 변경기능은 개발돼 있으나, 독일 제도 관계로 상용화하지는 않았다고 밝혔다. 

센서  I  가격 대폭 낮춰 상용화 가능성 높여

레이저를 이용해 쉽게 3D로 주변 환경을 인식할 수 있는 라이다는 구글 자율주행차를 비롯해서 여러 연구용 자율주행 차량에 사용돼 왔다. 하지만, 벨로다인의 64채널 라이다의 가격이 약 7만5000달러에 이를 정도로 가격적인 제약이 있었던 것이 사실이다.

최근에는 주요 부품업체들이 경쟁적으로 라이다 센서 개발에 나서면서 가격이 크게 낮춰 질 것으로 보인다. 업계에서는 MEMS로 구현할 경우 50달러 정도에 양산이 가능할 것으로 예측하고 있다. 세계 최초로 고정형 라이다의 양산을 발표한 콰너지는 현재 250달러의 가격에 양산을 발표했으며, 4개 정도의 센서를 1세트로 사용하게 된다.

‘CES 2017’에서 현대자동차는 발레오-이베오의 저가형 라이다 센서 3개를 내장해 상용화에 가장 가까운 개발 차량이라는 평가를 받기도 했다. 또 구글 웨이모는 ‘디트로이트 모터쇼’에서 벨로다인 라이다에 비해 10분의 1 정도의 가격으로 라이다 센서의 제조가 가능하다고 발표했다.  

또 스테레오 카메라에 대한 고려도 늘어나고 있다. 라이다에 비해서 가격은 싸지만, 처리시간이 긴 스테레오 카메라는 슈퍼컴퓨터의 상용화와 더불어 연구개발차량에 적용되고 있다. 테슬라는 2016년에 카메라 8개를 사용한 자율주행 시스템을 발표한 바 있으며, 카메라 센서 업체인 모빌아이도 8개의 카메라를 이용한 참조 시스템을 발표한 바 있다. 

앞으로 V2X에서 얻어진 정보도 주위 환경 파악에 큰 도움이 될 것으로 보이기 때문에 다양한 센서의 정보를 융합하는 센서 퓨전 기술의 중요성도 높아지고 있다.

인공지능  I  지능물체·환경 인식률 사람 앞질러

딥러닝 기술의 등장으로 자율주행에서도 다른 차원의 접근이 가능하게 됐다. 최근 주요 자동차 기업은 경쟁적으로 인공지능 자율주행차(AI Car) 연구를 발표하고 있다. 자율주행에서 인공지능이 적용될 주요 분야는 물체와 환경 인식, 차량 제어, 정밀지도 생성, 사용자 음성인식, 사용자 모니터링 등이 될 것으로 보인다. 

>>>

최근 자율주행 관련 기술에 대한 대대적인 투자가 이뤄지면서 관련 기술이 급속도로 발전하고 있다.

특히 라이다 센서의 저가화, 스테레오 카메라 기술의 발전, 딥러닝을 통한 인공지능 기술의 발전은

앞으로 자율주행 시대를 한 단계 앞당길 수 있을 것으로 보인다. 

‘CES 2016’에서 젠슨 황 엔비디아 최고경영자(CEO)는 독일 칼스루어공대의 자율주행 데이터세트에 대해 딥러닝을 적용한 인식 기술이 88% 정도의 인식률을 보여 사람의 인식률보다 높다고 발표한 바 있다. 현재 공개된 논문 중에서 가장 높은 차량 인식률은 89% 정도로 딥러닝을 적용하지 않은 방법의 76% 정도보다 크게 높은 상황이다. 또 엔비디아는 자율주행차 ‘BB8’의 제어에 딥러닝을 적용하기도 했다. 이 방법(End-to-end learning)에서는 사람의 운전을 딥러닝으로 학습해 차량 스스로 자율주행을 할 수 있게 한다. 

CES 2017에서 엔비디아는 자율주행, 사용자 모니터링, 음성인식 모듈을 각각 탑재한 새로운 자율주행용 인공지능 컴퓨터를 발표하기도 했다. 

정밀지도  I  실시간 업데이트, 자동 구축 초점

앞으로 고속도로 자율주행 시스템 수준을 넘어서 다차선 주행, 교차로 주행 및 도심 자율주행을 위해서는 10~20㎝ 정도의 오차를 가진 정밀지도가 필요하게 된다. 현재 연구개발용 차량들은 오차 수준에서는 차이가 있기는 하지만 테스트 도로용 정밀지도를 별도로 구축해 사용하고 있다.

정밀지도 구축은 기존 지도 구축에 비해 노력과 비용이 크게 필요한 작업이다. 또 향후 자율주행을 위해서는 실시간 정보 업데이트가 반영되는 동적 맵으로의 진화도 필요하다.

최근 주요 기업들의 기술개발 방향은 도로 정보의 실시간 업데이트와 정밀지도 자동 구축 시스템에 초점이 맞춰져 있다. 대표적인 방법으로 도로 상의 많은 자동차에서 정보를 얻는 방법인 크라우드 맵핑(crowd mapping)이 제시되고 있다.

대표적인 지도 업체인 히어는 2018년까지 북미와 서유럽에서 고속도로를 중심으로 정밀지도를 구축하는 비전을 발표한 바 있다. 또 일본의 경우에는 6개의 차량 내비게이션 업체와 9개의 차량 제조사, 정밀지도용 차량 업체 등이 DMP(Dynamic Map Planning)라는 회사를 공동 설립하고 2020년까지 정밀지도 구축에 나서겠다고 밝혔다. 국내에서는 현대엠엔소프트가 고속도로와 주요 도로에서 ADAS용 정밀지도를 구축해 제네시스 자율주행차에 적용했다고 발표한 바 있다. 

위치인식  I  모든 정보 종합해 위치 인식

연구개발용 자율주행차량에는 정밀 GPS와 관성 센서를 조합한 센서가 사용되고 있다. 하지만 상용화를 위해서는 가격이 고려된 새로운 시스템이 필요한 상황이다. 이 때문에 최근에는 카메라, 라이다의 센서 정보(비전 정보), GPS 정보, 관성 센서 정보를 종합한 위치 인식 방법이 적용되고 있다. 

CES 2017의 현대 ‘아이오닉’ 자율주행 차량에서도 초기 위치를 GPS로 인식하면 센서 정보를 이용해 위치를 인식하는 기술이 적용되기도 했다. 톰톰의 ‘로드DNA’, 모빌아이의 ‘로드북’, 퀄컴의 ‘드라이브데이터플랫폼’ 등도 비전 기반의 위치 인식을 제공하는 방식이다. 

V2X  I  완전 자율주행 진화의 핵심

차량과 차량과의 통신(V2V), 차량과 인프라와의 통신(V2I), 차량과 보행자간 통신(V2P) 등 V2X 기술은 앞으로 완전 자율주행으로 진화하는 핵심 기술로 전망되고 있다. V2X 기술은 센서로 인식이 어려운 정보의 제공, 실시간 정보의 제공, 긴급 데이터의 전송 등을 통해 인식 성능의 향상, 경로 생성 도움, 안전성 향상 등 여러 이점을 제공해 줄 것으로 보인다. 최근 미국과 우리나라의 빠른 V2X 기술 도입 움직임은 앞으로 성능 향상에 큰 도움을 줄 것으로 보인다.

관련 업체들도 좌회전 경고 시스템, 신호등 신호 바뀜 정보 제공, 차량간 긴급 메시지 전송 등 다양한 응용 사례를 제공하고 있다. 우리나라 기업인 켐트로닉스는 2016년 말 독일 일렉트로니카 전시회에서 자율주행 트럭 군집 주행 시연에 참여해 영상 전송을 시연한 바 있다. 앞 차량의 영상을 뒷 차량으로 전송하는 기술은 센서 정보를 늘리는 대표적인 기술로 평가된다. 

2020년 경으로 예정된 5G의 표준화가 앞당겨 진다면 5G를 이용한 다양한 서비스도 가능해진다. 비디오와 같은 대용량 데이터 서비스, 사물인터넷 기기 등 많은 수의 기기 연결 서비스, 안전을 위한 끊김 없는 실시간 서비스 등 다양한 서비스가 자율주행차에 적용되면 정보 분석과 성능 향상에 큰 도움을 줄 수 있다. 

차량보안  I  미국, 독일, 국제 표준화 추진

네트워크 기술의 발전에 따라 차량용 소프트웨어(SW), 보안, 클라우드 등 SW 관련 기술의 중요성도 높아지고 있다. 2014년 크라이슬러 해킹 사태 이후 차량 보안은 중요한 이슈로 떠오르고 있다. 미국은 이미 미국자동차공학회를 중심으로 보안 표준 초안을 만들고 계속적인 표준화를 진행하고 있으며, 2016년부터 미국과 독일을 중심으로 사이버 시큐리티(Cybersecutiry) 국제 표준화도 진행 중이다. 

SW 면에서는 차량 제어용 SW 플랫폼인 ‘오토사(AUTOSAR)’가 제어용 플랫폼에서 헤드유닛 플랫폼, 클라우드까지 고려하는 ‘적응형 오토사(Adaptive AUTOSAR)’로 진화하고 있다. 이를 통해서 인식-통신-제어-클라우드가 연동되는 종합적인 플랫폼 구조로 발전될 것으로 보인다. 

차량용 클라우드는 고장 진단을 통해 자율주행차의 전반적인 유지보수를 관리해 줄 필요가 있다. 자동차 기업을 중심으로 이콜(eCall, 긴급 구조 서비스)과 확장된 자동차(Extended Vehicle) 표준을 통해 네트워크와 클라우드를 연동하는 표준화와 상용화가 진행되고 있다. 

완전 자율주행을 위한 도전 

최근 자율주행 관련 기술에 대한 대대적인 투자가 이뤄지면서 관련 기술이 급속도로 발전하고 있다. 특히 라이다 센서의 저가화, 스테레오 카메라 기술의 발전, 딥러닝을 통한 인공지능 기술의 발전은 앞으로 자율주행 시대를 한 단계 앞당길 수 있을 것으로 보인다. 

차량뿐만 아니라 차량 정보를 바탕으로 한 고장 진단 및 예측 기술의 발전도 중요한 부분이다. 주요 자동차 기업들도 차량용 클라우드 표준과 더불어 고장 진단 및 예측 기술에 대한 투자를 강화하고 있다.

도로, 인프라, 도시에 대한 고려 등 차량 외적인 기술발전도 중요한 부분이다. 자율주행 차량의 안전성과 편의성을 높이고 사용자의 사용성을 높일 수 있는 방향으로 기술발전을 유도해 나갈 필요가 있다. 더불어 사용자의 심리적인 장벽, 사용자 드라이빙 감성, 법·제도, 법·제도와 사회적 통념의 절충 등 해결해 나가야 할 부분이 많이 있다. 

앞으로 자동차 관련 산업뿐만 아니라 인류의 생활 전반에 영향을 미치게 될 자율주행차 관련 기술에 우리나라 기업들의 많은 성과를 기대해 본다. 

<본 기사는 테크M 제48호(2017년 4월) 기사입니다>