1 min to read
Forward Collision Assist Test
전방 충돌 방지 보조 알고리즘 테스트
DGIST 원내 테스트 주행로에서 시행하였습니다.
안녕하세요 ARTIV 기술 책임 신관준입니다. 자율주행 이전에 요즘은 차량에 거의 필수적으로 들어가는 전방 충돌 방지 보조 (FCA/W)에 대해서 간단한 고찰을 적어봅니다. 자율주행 자동차도 판단 미스가 있을 수 있고, 센서의 사각지대에 있다가 갑자기 튀어나오는 Imminent threat 는 인간이든, 충돌 방지 장치든 해결하기 힘든 난제입니다. 물론 전방위에 센서도 달고 인간보다 빠른 반응 속도를 가지고 있으니 실제로 동작이 제대로 되면 사고 방지 효과는 뚜렷하게 나오고 있습니다.
위 알고리즘의 핵심 목표는 “정확히 인지된 위협을 적절한 개입으로 사고를 방지한다” 인데 정확히 인지되어야 개입할 수 있고, 적절한 개입을 해야 주행 안정성을 해치지도 않습니다. 정말 급박한 위협에서 발생하는 사고에만 개입하는게 이 알고리즘입니다. 실 자율주행에는 먼저 앞서있는 차량은 이미 인지하고 적절하게 주행하고 있겠죠, 이 경우 이 알고리즘은 사람이 주행하고 있거나, 예상하지 않은 곳에서 갑작스러운 물체의 출현에 대해 대응하는 알고리즘입니다. 그리고 무작정 급정거를 하기에는 2차 사고의 위험도 있어서 신중하게 동작하는 로직입니다. 다른 벤더도 그렇지만 Euro Ncap 혹은 여타 안전 평가 기관에서 제시하는 Inter Urban에서의 ADAS 시스템의 안전 기준에 맞춰서 동작하도록 설계합니다.
여기서 문제가 되는 것은
- 차만 피하는가?, 공사 자재나 무엇이든지 차를 위협할 수 있는 물체에 대한 대비
- 고속으로 가면 갈수록 문제가 되는 센서 인지거리와 브레이킹 성능의 한계
우리는 라이다 센서를 전방에 달아서 사용하는데요, 라이다는 야외 환경에서는 스펙 상의 거리보다도 훨씬 짧게 인식이 되는 문제가 있고 속도가 60kph만 되면 시중에 초고가 센서가 아니면 적절한 시점에 인지해서 브레이킹까지 아슬아슬합니다.
그래서 상대적으로 장거리를 볼 수 있는 카메라와 딥러닝, 라이다를 센서 퓨전해서 관련 기능을 보완하는 방식으로 새롭게 작성해보았는데요
그리고 물체의 Bbox를 3D Estimation해서 차량에 대한 위협을 평가해서 차든, 사람이든 어떤 물체든 위험이 되는 물체에 대해서는 적절한 조치가 이루어지도록 합니다. 특히 연구를 진행중인 캠퍼스 내부는 일반 도로 환경보다 특이해서 의외로 도로에 이상한 물건들이 많거든요
저희는 교내 셔틀을 중심으로 서비스하니까 본래 ADAS 처럼 적용하기에는 무리가 있죠
(작성중)
