찬찬히 로봇 메이커

맛있는 것도 많이 먹고 산길도 걸으며 제대로 힐링할 수 있었던 시간. 좋은 숙소 잡아준 누나에게 고맙고 맛있는 음식 먹게 해준 엄마에게 감사합니다.

1박 2일의 짧은 시간이었지만 맛있는 것도 많이 먹으며 짧고 강렬한 시간을 보냈다. 또한 사람들이 많은 서울에서 벗어나 여유롭고 아름다운 시간을 보낸 것 같아 기분이 좋다. 다음에도 또 같이 여행을 가고 싶다.

현대자동차에서 지원하는 NGV 캠퍼스에서 자율주행분야의 인지, 판단 과정 수업을 듣고 시험을 봐서 당당히 통과했습니다. 앞으로도 계속 배워나가는 자세를 지키고 싶습니다.

자율주행 자동차 판단 기술 

1차시 자율주행 자동차 판단 기술 개요
판단은 뇌와 같은 역할.

2차시 차량 센서 관점에서의 판단 기술 기초
카메라 : 정보 양이 많고 원거리 물체 인식 가능
거리 정보에 약하고 빛, 날씨 변화에 따른 성능 저하 발생

라이다 : 거리 정보에 강하고 빛,날씨 변화에 강함
카메라에 비해 정보 양이 적고 센싱 거리에 한계

레이더 : 속도 추정에 용이하며 라이다에 비해 장거리 측정 가능.
비금속 물체 탐지에 약하며 횡방향 관점의 인식 성능 한계, 해상도 부족.
  
센서 융합정보, 개별정보 입력

3차시 도로 인프라 관점에서의 판단 기술 기초

4차시 Rule-Based Approach 기반 판단 기술 기초
if-then 방식
많은 rule이 필요 -> 복잡도 향상

5차시 AI-Based Approach 기반 판단 기술 기초
인공지능 > 머신러닝 > 딥러닝
rule-based 보다 윤통성이 있지만 특정 기준에 대한 명확한 잣대가 없음. 훈련된 모델에 넣어 결과값 도출.

6차시 차선 유지 주행 판단
LKAS - 차선 유지 보조 시스템
카메라 센서로 차선을 보고 레이더 센서로 다른 차와의 간격을 유지한다.

7차시 차선 변경/추월 주행 판단
360도 센싱이 필요. 모든 차량 추적 필요.

8차시 교차로/좌,우회전 주행 판단
신호등 인식, 횡단보도 및 보행자 인식, 주변 차량 인식 등 정보가 많다.

9차시 돌발상황/사고상황 주행 판단
ai 및 rule-based 방식으로 상황 타파

10차시 열악한 날씨상황 주행 판단
센서의 융합 중요.
방법 1 : 레인 센서로 판단.
방법 2 : 타이어와 노면 사이의 미끄러지는 정도로 슬립 추정
방법 3 : 카메라와 라이다 등의 센서 입력 기반으로 딥러닝 모델을 활용하여 판단.

11차시 V2X 정보 기반 주행 판단
차량의 센서와 도로의 인프라의 융합이 중요.
정보의 중복성은 자율주행 사용자의 안정성을 높일 수 있는 좋은 방법이며 필수적인 전략.

12차시 Fail Safe 주행 판단
1단계 > fail passive - 부품이 고장나면 통상 정지
2단계 > fail active - 부품이 고장나면 경보를 울리는 가운데 짧은 시간동안 운전 가능
3단계 > fail operational - 추후 보수가 될 때까지 기능 유지.
HW접근 > 모터가 고장날 것을 대비해 모터 2개 배치
SW접근 > 여러 센서 중 하나가 고장났을 때 다른 센서만으로 고장난 센서 대응


13차시 Rule-Based Decision-Making 개념
규칙을 정하고 경로 생성.

14차시 차선 유지/변경 예시를 통한 Rule-Based Decision-Making 이해
차선 인식, 중앙값 생성, 경로 생성.

15차시 교차로 상황 예시를 통한 Rule-Based Decision-Making 이해
안정성을 높이는 방향으로 우선순위를 정해야함.

16차시 AI-Based Decision-Making 개념
딥러닝을 이용하여 상황 판단.
인지 판단 제어 전체에 대하여 인공지능 모델을 설계하여 주행상황 판단 및 경로 생성, 제어 신호 발생(end to end 자율주행)

17차시 차선 유지/변경 예시를 통한 AI-Based Decision-Making 이해
센서 받은 정보로 제어.

18차시 교차로 상황 예시를 통한 AI-Based Decision-Making 이해
교차로와 같은 복잡한 상황에서 ai 가 도움이 될 수 있음.
rule based 보다 다양한 결과값 도출.
안전성 검증 방법 부족.

19차시 자율주행 자동차의 경로생성 기술 개요

20차시 판단/경로생성에서의 주변환경 인식/자차 위치인식의 중요성
자차 위치 인식이 중요함.

21차시 A* 알고리즘 기초
grid map 상에 8방향으로 장애물을 고려하여 cost 부여.
최단 거리를 구할 수 있음.
22차시 A* 알고리즘 이해

23차시 RRT 알고리즘 기초
랜덤 트리를 발생시켜 경로를 찾는 알고리즘. grid가 필요가 없음. 항상 최단 거리를 찾지는 않음.

24차시 RRT 알고리즘 이해
1번만 실행되는 것이 아니라 실시간으로 운용.

25차시 Reinforcement Learning 기반 경로생성 알고리즘 기초
머신러닝은 비지도, 지도, 강화학습으로 분류됨.
지도학습 : 레이블 된 데이터로 학습
비지도학습 : 레이블 없이 학습
강화학습 : 보상시스템으로 학습

26차시 Reinforcement Learning 기반 경로생성 알고리즘 이해
데이터가 많으면 양질의 학습을 할 수 있음.

1차시 자율주행 자동차의 센서 구성

자율주행 센서의 종류
카메라
레이더
라이다 
초음파

2차시 자율주행 인지 기술 개념

동적 환경 객체, 정적환경 객체 검출 및 추적

3차시 인지 기술의 발전방향

인지 기술의 중요성 : 여러 환경에 적응해야하며 인지가 부정확하면 자율주행이 불가능함.

4차시 인지를 위한 AI 기술

인공지능 기술 개요, 필요성, 적용과정.

5차시 인지를 위한 딥러닝 기술 개요

인공신경망은 노드들의 집합
트레이닝(학습)과 인퍼런스(딥러닝 모델을 자율주행차에 탑재)
인지를 위한 딥러닝 기술 - cnn(영상), rnn(예측)

6차시딥러닝 기반 인지시스템 사례

테슬라의 자율주행 - 라이다 없이 카메라로만 작동/소프트웨어를 주기적으로 업데이트/컴퓨팅하드웨어 직접 설계, 제어
구글 웨이모 - 자율주행 차가 아닌 서비스를 위해 개발/ LEVEL4 지향/라이다+레이더 사용, 직접 설계
둘 다 사망 사고사례가 있음.

7차시카메라 센서 개요

카메라 센서 원리 : 빛을 전기적 신호로 변환. 초점거리와 화각이 존재.
핀홀 카메라와 렌즈 카메라가 있음.
x축, y축의 2차원 배열로 표현.
프레임비율, RGB가 기본.

8차시카메라 캘리브레이션(보정) 기술

카메라 좌표계 x,y,z
카메라 파라미터 : 초점거리, 주점, 비대칭계수
카메라 캘리브레이션 : 내부 파라미터 값을 알아내고 왜곡을 보정하는 과정

9차시 카메라 기반 물체 검출/추적 기술

카메라 영상을 맏아서 물체의 위치와 종류를 알아내는 기술을 물체 검출 기술이라 한다.
cnn을 적용하여 물체의 특징을 추출한 후 이를 이용하여 물체를 검출함.
딥러닝 기반 물체 검출 방법은 1단계와 2단계 방법으로 나누어짐.

10차시 카메라 기반 영역 분할 기술

semancic 영역 분할 기술을 이용함.
지도 기반 자기 차량 위치 측위에 사용.

11차시 레이더 센서 종류 및 작동원리

24GHz : 근거리
77GHz : 원거리
펄스레이더 : 송수신간의 전파지연시간을 이용
FMCW 레이더(디처피방법) : 송신 신호와 수신 신호를 이용해 목표와의 거리 및 상대 속도 추출

12차시 레이더 신호 특성

77기가 헤르츠가 안테나 모듈 크기를 작게 만들고 지향성이 더 좋고 인체에 미치는 영향도 적음. 그래서 자율주행 차에 더 어울림.
클러터 문제 : 물체가 없는 위치에 신호가 검출되어 오탐률을 높임.
수신 신호에 FFT 기법을 적용하여 물체 검출 수행.

13차시 레이더 송수신기 구성

믹서
저대역필터
아날로그 디지털 컨버터
고속 퓨리에 변환
CFAR 검출기

14차시 레이더 기반 물체 검출 기술

레이더 기반 물체 검출 기술 개요
수신신호 x 윈도우 = 주파수 분석 적용
윈도우를  시간축으로 움직이면서 주파수 성분 변환을 수행하여 시간-주파수 영역의 신호 영상을 얻음.
이를 거리-도플러 영역으로 환산할 수 있으며 2차원 영상에서의 하나의 원소를 셀이라 부름.
각 셀에서의 신호의 세기를 임계값과 비교하여 물체를 검출함.
CFAR 검출기를 이용하여 임계값을 환경에 따라 조절.

15차시 라이다 센서 종류 및 개요

먼 거리를 볼 수 있지만 가격이 비싼 라이다
회전형 - 넓은 각도/구성이 복잡/센서 가격이 높음
고정형 - 반대. 
MEMS 라이다 - 거울을 사용하여 주변 스캔
플래시 라이다- 단일 레이저 빔을 광 시야각으로 확장, 다중 배열 수신 소자를 통해 수신.
FMCW 라이다 - 레이더에 사용되는 FMCW 신호 분석 원리를 적용.

16차시 라이다 센서 특성 및 데이터

라이다의 특성 - 반사체의 반사율이 낮을 경우 신호 성분 약화.
물체에 따라 검출 가능 범위가 다르다.
3차원 영역에서 인지를 수행하는 데 좋은 성능을 가짐.
해상도가 높을수록 고가.

17차시 라이다 기반 물체 검출 기술

포인트 클라우드 데이터를 분석.
조감도 영역에서 볼 때 카메라에 비해 매우 유리하다.

18차시 라이다 기반 물체 추적 기술

19차시 복합센서 적용 기술

20차시 센서융합 기술 사례

21차시 고성능 인지를 위한 하드웨어/소프트웨어/통신 플랫폼

22차시 AI 기반 인지시스템을 위한 지능형 반도체 기술

23차시 고정밀 지도 기반 자율주행 개요

오도메트리를 이용한 보정.

24차시 고정밀 지도 및 측위 기술

SLAM 기술을 활용하여 현재 위치 인지.

25차시 MMS 기반 고정밀 지도 구축 기술

현재 지도 정보와 네트워크에서 가져온 지도를 비교

26차시 AI 기반 측위 기술