'완전 자율주행'에 도전한다…獨 임멘딩겐 다임러 기술시험센터
벤츠-보쉬 손잡고 2019년 하반기 '무인 셔틀버스' 운행 목표로 기술개발 한창
(임멘딩겐<독일>=연합뉴스) 정성호 기자 = #1. 레이다와 라이다(레이저를 이용한 레이다), 그리고 카메라가 각각 측정해 작성한 세 개의 영상을 한데 포개자 화면 곳곳에 숨어 있던 사람과 자동차, 보도, 건물, 가로수가 나타났다. 개별 영상에선 정체를 알 수 없던 사람과 사물이 세 장의 영상을 합치는 '센서 퓨전(융합)' 과정을 거치자 또렷이 정체를 드러낸 것이다.
#2. '스테레오 디텍션(감지) 카메라'를 탑재한 벤츠 S-클래스에 올라타자 2대의 카메라가 포착한 전면 영상이 센터페시아 앞에 달린 화면에 떠올랐다. 화면에는 빨간색부터 오렌지색, 노란색, 초록색까지 다양한 색상으로 사람과 물체가 표시됐다.
메르세데스-벤츠의 연구원은 "사람 눈처럼 두 개의 카메라가 포착한 영상을 대조해 위상차를 이용해 거리를 측정한다. 그 거리를 계산해 가까운 물건은 빨간색으로, 먼 사물은 초록색으로 표현한다"고 설명했다. 이 카메라는 전방 100ｍ까지 정보를 파악할 수 있다.
지난 20일(현지시간) 방문한 임멘딩겐의 다임러그룹 기술시험센터에서는 도심 자율주행을 현실화하기 위한 연구와 실험이 한창이었다.
메르세데스-벤츠의 본사가 있는 독일 남부 도시 슈투트가르트에서 다시 남서쪽으로 100㎞가량 더 내려온 이곳은 메르세데스-벤츠, AMG, 마이바흐 등의 자동차 브랜드를 보유한 다임러그룹의 종합기술시험장이다.
자율주행을 위한 시험도시와 주행성능 시험을 위한 트랙 등을 갖춘 이곳은 눈길 주행을 제외한 모든 테스트를 할 수 있다.
기술시험센터의 정식 개장은 9월로 예정돼 있지만 메르세데스-벤츠와 세계 1위 자동차부품업체 보쉬의 자율주행 기술개발팀은 이미 이곳에서 머리를 맞대고 연구에 한창이었다.
이들은 내년 하반기를 목표로 '도심 자율주행 셔틀버스' 서비스를 준비 중이다. 미국 샌프란시스코만 일대의 도시에서 최초로 운전자 없이 버스 혼자서 운행하는 셔틀을 운영한다는 것이다.
벤츠-보쉬 연합은 시장조사업체 내비건트 리서치가 평가한 자율주행 기술 역량에서 제너럴 모터스(GM), 웨이모(구글의 자율주행 자회사)에 이어 선도 그룹으로 평가됐다.
도시 자율주행은 자율주행 기술의 마지막 관문이다. 고속도로나 교외 도로와 견줘 도로의 형태가 복잡하고 다양한 데다 보행자와 자전거, 애완동물, 교차로, 신호등, 도로표지판 등 변수가 많고 다양하기 때문이다.
이는 미국자동차공학회(SAE)가 정한 자율주행의 최고등급인 4단계 또는 5단계에 해당한다. 이른바 '완전 자율주행' 단계다.
이곳에서는 연구팀이 각각 레이다와 라이다, 카메라, 센서 융합, 인공지능(AI)인 딥 뉴럴 네트워크(심층 인공신경망) 등 분야별로 나눠 연구를 수행하고 있었다. 이들의 협업은 지난해 시작됐다.
레이다와 라이다, 카메라 등의 센서는 인간의 '눈'과 같은 기능을 수행하며 자율주행에 필요한 주변 환경 정보를 수집한다.
이들 센서는 저마다 고유한 특성과 장단점을 갖추고 있다. 그러다 보니 상호보완적인 역할을 하게 된다.
레이다의 경우 눈이나 강우 등 날씨, 계절에 영향을 받지 않는다는 점이 장점이다. 사람의 눈으로 볼 수 없는 곳에 있는 정보, 예컨대 대형 트럭 앞을 지나는 보행자도 파악한다. 그 물체의 이동 속도도 판별할 수 있다. 다른 센서들이 오작동하거나 실패했을 때 최후의 보루가 될 수 있다.
반면 판독한 정보를 시각화하기 어렵다는 게 단점이다. 사람이나 물체가 그저 여러 개의 점으로 표현되기 때문에 윤곽이나 색상을 알 수 없다.
라이다는 물체의 윤곽을 파악하고 정확한 거리를 측정한다. 방대하면서도 정밀한 주변 정보를 얻을 수 있다. 하지만 레이저를 이용하기 때문에 악천후에는 취약하다.
카메라는 사물의 형태를 가장 정확하게 제공한다. 색상이나 사람의 손짓 같은 정보는 카메라만이 파악할 수 있다.
이렇게 수집되고 융합된 정보는 최종적으로 인공지능(AI)에 의해 해독된다.
메르세데스-벤츠의 미하엘 다름스 박사는 "핵심기술은 딥러닝"이라며 "딥러닝을 통해 현재 펼쳐진 장면이나 교통 상황을 이해하고, 그다음 무슨 행동이 있어야 할지 판단할 수 있다"고 말했다.
벤츠와 보쉬의 연구팀은 이를 위해 '완전한 복잡형 인공신경망'(fully convolutional neural network)을 이용하고 있다.
이 신경망에 도로와 보도, 보행자, 자전거 탑승자, 신호등, 신호표지판, 가로수, 기둥, 건물 등을 전부 구분하고 이를 색상으로 구별해 판단하고 대응할 수 있도록 교육했다는 것이다.
보쉬의 야샤 프레스는 "시험 결과 비 오는 밤처럼 전형적으로 컴퓨터의 시각 시스템이 약점을 보이는 환경에서도, 사람 눈으로는 볼 수 없는 자전거 탑승자나 보도, 쓰레기봉투 등을 인지하는 것을 확인했다"고 말했다.
딥러닝의 과제는 단순히 여기서 끝나지 않는다. 보행자의 다양한 행동 패턴과 의미를 이해하고 대처할 수 있어야 한다.
프레스는 "다양한 방향으로 차 앞을 오가는 보행자가 어느 방향으로 갈지 예측해야 한다"며 "길을 건널 생각이 없는 보행자, 즉 차를 향해 먼저 가라고 손짓하는 보행자의 행동도 이해하고 주행해야 한다"고 말했다.
연구팀은 보행자의 얼굴이 향하고 있는 방향을 인지하고 이들이 가려는 방향을 예측하는 기술을 개발했다.
변수는 이것만이 아니다. 대학 도시에는 자전거를 타는 사람이 많지만 이들은 대부분 교통규칙을 지키지 않는다. 예측을 불허하는 이들 자전거도 보호해야 한다. 지역마다 제각각 원형 또는 사각형으로 모양이 다른 도로표지판도 인지해야 한다.
벤츠와 보쉬의 연구팀은 내년 하반기 이 기술들을 완성해 샌프란시스코 일대 도시에서 무인 셔틀버스 서비스를 선보일 예정이다.
sisyphe@yna.co.kr
(끝)
<저작권자(c) 연합뉴스, 무단 전재-재배포 금지>
벤츠-보쉬 손잡고 2019년 하반기 '무인 셔틀버스' 운행 목표로 기술개발 한창
(임멘딩겐<독일>=연합뉴스) 정성호 기자 = #1. 레이다와 라이다(레이저를 이용한 레이다), 그리고 카메라가 각각 측정해 작성한 세 개의 영상을 한데 포개자 화면 곳곳에 숨어 있던 사람과 자동차, 보도, 건물, 가로수가 나타났다. 개별 영상에선 정체를 알 수 없던 사람과 사물이 세 장의 영상을 합치는 '센서 퓨전(융합)' 과정을 거치자 또렷이 정체를 드러낸 것이다.
#2. '스테레오 디텍션(감지) 카메라'를 탑재한 벤츠 S-클래스에 올라타자 2대의 카메라가 포착한 전면 영상이 센터페시아 앞에 달린 화면에 떠올랐다. 화면에는 빨간색부터 오렌지색, 노란색, 초록색까지 다양한 색상으로 사람과 물체가 표시됐다.
메르세데스-벤츠의 연구원은 "사람 눈처럼 두 개의 카메라가 포착한 영상을 대조해 위상차를 이용해 거리를 측정한다. 그 거리를 계산해 가까운 물건은 빨간색으로, 먼 사물은 초록색으로 표현한다"고 설명했다. 이 카메라는 전방 100ｍ까지 정보를 파악할 수 있다.
지난 20일(현지시간) 방문한 임멘딩겐의 다임러그룹 기술시험센터에서는 도심 자율주행을 현실화하기 위한 연구와 실험이 한창이었다.
메르세데스-벤츠의 본사가 있는 독일 남부 도시 슈투트가르트에서 다시 남서쪽으로 100㎞가량 더 내려온 이곳은 메르세데스-벤츠, AMG, 마이바흐 등의 자동차 브랜드를 보유한 다임러그룹의 종합기술시험장이다.
자율주행을 위한 시험도시와 주행성능 시험을 위한 트랙 등을 갖춘 이곳은 눈길 주행을 제외한 모든 테스트를 할 수 있다.
기술시험센터의 정식 개장은 9월로 예정돼 있지만 메르세데스-벤츠와 세계 1위 자동차부품업체 보쉬의 자율주행 기술개발팀은 이미 이곳에서 머리를 맞대고 연구에 한창이었다.
이들은 내년 하반기를 목표로 '도심 자율주행 셔틀버스' 서비스를 준비 중이다. 미국 샌프란시스코만 일대의 도시에서 최초로 운전자 없이 버스 혼자서 운행하는 셔틀을 운영한다는 것이다.
벤츠-보쉬 연합은 시장조사업체 내비건트 리서치가 평가한 자율주행 기술 역량에서 제너럴 모터스(GM), 웨이모(구글의 자율주행 자회사)에 이어 선도 그룹으로 평가됐다.
도시 자율주행은 자율주행 기술의 마지막 관문이다. 고속도로나 교외 도로와 견줘 도로의 형태가 복잡하고 다양한 데다 보행자와 자전거, 애완동물, 교차로, 신호등, 도로표지판 등 변수가 많고 다양하기 때문이다.
이는 미국자동차공학회(SAE)가 정한 자율주행의 최고등급인 4단계 또는 5단계에 해당한다. 이른바 '완전 자율주행' 단계다.
이곳에서는 연구팀이 각각 레이다와 라이다, 카메라, 센서 융합, 인공지능(AI)인 딥 뉴럴 네트워크(심층 인공신경망) 등 분야별로 나눠 연구를 수행하고 있었다. 이들의 협업은 지난해 시작됐다.
레이다와 라이다, 카메라 등의 센서는 인간의 '눈'과 같은 기능을 수행하며 자율주행에 필요한 주변 환경 정보를 수집한다.
이들 센서는 저마다 고유한 특성과 장단점을 갖추고 있다. 그러다 보니 상호보완적인 역할을 하게 된다.
레이다의 경우 눈이나 강우 등 날씨, 계절에 영향을 받지 않는다는 점이 장점이다. 사람의 눈으로 볼 수 없는 곳에 있는 정보, 예컨대 대형 트럭 앞을 지나는 보행자도 파악한다. 그 물체의 이동 속도도 판별할 수 있다. 다른 센서들이 오작동하거나 실패했을 때 최후의 보루가 될 수 있다.
반면 판독한 정보를 시각화하기 어렵다는 게 단점이다. 사람이나 물체가 그저 여러 개의 점으로 표현되기 때문에 윤곽이나 색상을 알 수 없다.
라이다는 물체의 윤곽을 파악하고 정확한 거리를 측정한다. 방대하면서도 정밀한 주변 정보를 얻을 수 있다. 하지만 레이저를 이용하기 때문에 악천후에는 취약하다.
카메라는 사물의 형태를 가장 정확하게 제공한다. 색상이나 사람의 손짓 같은 정보는 카메라만이 파악할 수 있다.
이렇게 수집되고 융합된 정보는 최종적으로 인공지능(AI)에 의해 해독된다.
메르세데스-벤츠의 미하엘 다름스 박사는 "핵심기술은 딥러닝"이라며 "딥러닝을 통해 현재 펼쳐진 장면이나 교통 상황을 이해하고, 그다음 무슨 행동이 있어야 할지 판단할 수 있다"고 말했다.
벤츠와 보쉬의 연구팀은 이를 위해 '완전한 복잡형 인공신경망'(fully convolutional neural network)을 이용하고 있다.
이 신경망에 도로와 보도, 보행자, 자전거 탑승자, 신호등, 신호표지판, 가로수, 기둥, 건물 등을 전부 구분하고 이를 색상으로 구별해 판단하고 대응할 수 있도록 교육했다는 것이다.
보쉬의 야샤 프레스는 "시험 결과 비 오는 밤처럼 전형적으로 컴퓨터의 시각 시스템이 약점을 보이는 환경에서도, 사람 눈으로는 볼 수 없는 자전거 탑승자나 보도, 쓰레기봉투 등을 인지하는 것을 확인했다"고 말했다.
딥러닝의 과제는 단순히 여기서 끝나지 않는다. 보행자의 다양한 행동 패턴과 의미를 이해하고 대처할 수 있어야 한다.
프레스는 "다양한 방향으로 차 앞을 오가는 보행자가 어느 방향으로 갈지 예측해야 한다"며 "길을 건널 생각이 없는 보행자, 즉 차를 향해 먼저 가라고 손짓하는 보행자의 행동도 이해하고 주행해야 한다"고 말했다.
연구팀은 보행자의 얼굴이 향하고 있는 방향을 인지하고 이들이 가려는 방향을 예측하는 기술을 개발했다.
변수는 이것만이 아니다. 대학 도시에는 자전거를 타는 사람이 많지만 이들은 대부분 교통규칙을 지키지 않는다. 예측을 불허하는 이들 자전거도 보호해야 한다. 지역마다 제각각 원형 또는 사각형으로 모양이 다른 도로표지판도 인지해야 한다.
벤츠와 보쉬의 연구팀은 내년 하반기 이 기술들을 완성해 샌프란시스코 일대 도시에서 무인 셔틀버스 서비스를 선보일 예정이다.
sisyphe@yna.co.kr
(끝)
<저작권자(c) 연합뉴스, 무단 전재-재배포 금지>
관련뉴스
