이전 기사와 함께 주변 환경을 인식할 수 있게 해주는 여러 가지 센서들에 대해서 알아보았다. 센서는 자율 주행에 있어서 유용한 정보를 제공하지만, 단점도 존재하기 마련이다.
레이더 센서는 잡음의 영향을 받을 수 있고, 라이다 센서보다 횡방향 정밀도가 낮다. 카메라 센서는 날씨의 영향을 받는 단점이 있다.
이처럼 자율 주행 자동차에 적용되는 센서가 여러 단점을 가지고 있기 때문에 다양한 센서의 정보를 결합해, 자율 주행에 필요한 정보만 추려내는 기술이 필요하다. 이를 센서 융합 기술이라고도 부른다. 센서들의 종류가 많아질수록 처리해야 할 연산량도 많아지는데 센서 융합 기술은 이러한 연산량의 부담을 줄여주는데도 기여한다.
센서 융합 기술을 구현하기 위해 필요한 센서 융합 기법의 종류도 다양하다. 이번에는 여러 기법 중, 칼만 필터 기법을 소개하고자 한다. 칼만 필터는 재귀적인 구조를 가지고 있어 과거 시점의 추정 값에서 다음 시간의 추정 값을 구할 수 있다. 칼만 필터는 크게 예측 단계와 보정 단계로 이루어져 있다.
예측 단계에서는 차량 동역학 모델을 사용하여 다음 시점에 대한 차량의 상태를 예측하게 되고, 센서 모델을 이용하여 센서 예측 값을 계산하게 된다.
다음은 보정 단계인데 차량 동역학 모델을 사용한 차량의 상태 값과 센서 예측 값 모두 오차가 존재하여 100% 신뢰할 수는 없다. 그래서 이러한 추정 값의 확률 분포를 사용하여 동역학 모델을 통한 모델 값과 센서 예측 값을 최대한 반영한 추정 값을 계산하게 된다.
칼만 필터는 보행자 인식, 차선 인식 등 자율 주행 구현에 필요한 여러 기술들에 적용되고 있다.
[저작권자ⓒ CWN(CHANGE WITH NEWS). 무단전재-재배포 금지]
