차원과 깊이가 다른 BLT 콘텐츠

정보


BLT의 칼럼만 읽어도 기업의 성장 곡선이 달라집니다.

차원이 다른 BLT 콘텐츠와

#BLT고객 들의 성과를 직접 확인하세요.

[TESLA] 라이다 뿐만 아니라 레이더도 필요없다?

2021-06-07
조회수 4200




<자율주행을 위한 객체 인식 참고 이미지>


테슬라는 웨이모, GM크루즈와 같은 자율주행 개발 기업과 다른 방향으로 개발을 진행해오고 있다.

웨이모(Waymo)는 라이다와 정밀지도를 바탕으로 자율주행을 구현하는 반면, 테슬라는 카메라를 통해 획득된 영상을 기반으로 강화학습(모방학습)을 하여 자율주행을 구현하고 있다. 

즉, 테슬라는 라이다(LiDAR)를 사용하지 않고, 스테레오 카메라(Vision)와 레이더(Radar) 조합으로만 자율주행을 구현한다. 테슬라 CEO 엘런 머스크는 “라이다는 바보들이나 쓰는 장치”라고 비판한 바 있다. 


이는 라이다(LiDAR)의 가격 그리고 배터리 소모량 때문이다. 

현재 라이다(LiDAR)는 가격에 비해 높은 성능을 제공하지 못하고 있다. 그리고, 전기차(BEV)는 자율주행을 구현하기 위해 컴퓨터가 효율적으로 전력을 사용할 수 있는 디바이스이므로, 컴퓨터 이외에 다른 구성이 많은 전력을 소모하는 것은 적절하지 않다. 또한, 라이다에 의해 전력 소모량이 많으면 자율주행차의 주행거리에도 영향을 미치게 된다.


전기차가 자율주행 구현을 위한 최적의 디바이스가 되어야 한다는 테슬라의 관점에서, 라이다(LiDAR)는 전기차의 효율을 떨어뜨리는 주범인 것이다. 

그리고 앞에서 언급한 바와 같이, 테슬라는 정밀지도 기반으로 자율주행을 구현하는 접근이 아니므로, 주변환경을 인식하여 차 주변의 3D입체 지도화를 수행하는 라이다(LiDAR)는 다른 기업에 비해 중요성이 낮고 비전시스템으로 대체할 수 있는 것이다.



발췌: ACS 논문-Life Cycle Assessment of CAVs, 메리츠증권 리서치센터



테슬라가 현재 적용 중인 “카메라와 레이터(Radar) 조합”은 데이터 수집이 충분히 이루어지지 못한 환경에서는 “라이다(LiDAR)와 정밀지도(HD Map) 조합”과 비교해 정확도가 떨어질 수 있다. 

그러나 시험차량 뿐만 아니라 판매된 테슬라 전기차에서도 획득되는 수많은 데이터가 축적되고 딥러닝(Deep Learning)이 고도화된 이후에는 지도 정보가 부재한 주행 환경에서도 자율주행 가능하도록 정확도가 지속 개선될 수 있어, 테슬라의 자율주행 성능이 다른 회사에 비해 월등해진 것이다.



<테슬라 Autopilot: 테슬라는 판매된 차량을 통해 엄청난 데이터량을 확보하고 있다>



최근 테슬라는 라이다(LiDAR) 뿐만 아니라 레이더(Radar)까지 배제하고 테슬라 차량에서 제외하고 출시하겠다고 발표하였다. 일부 차종(2021년 5월부터 북미 시장에 출하되는 모델3과 모델Y)을 대상으로 자율주행에 반드시 필요한 주변 환경 탐지에 레이더 대신 카메라를 쓰겠다고 밝힌 것이다. 온전히 차량용 카메라의 ‘시력’에만 의존하겠다는 것이다.

레이더는 라이다와 달리 가격이 저렴하지만, 거리 및 물체감지의 정확도가 많이 떨어지면서 정보 처리를 위해 차량의 컴퓨팅 능력을 잡아먹는다고 판단하기 때문이다. 



<Radar 배제에 대한 엘런머스크의 트위터 포스팅>


이러한 라이다와 레이더 없이 비전 영상만으로 자율주행을 구현하겠다는 테슬라의 관점과 의지는, 올해 5월21일에 테슬라가 확보한 등록특허(US 10956755)를 통해서도 확인할 수 있다.


Estimating object properties using visual image data (US 10956755)

가시적 이미지 데이터를 사용하는 대상물 특성을 추정


1. A system, comprising:

다음을 포함하는 시스템 :


one or more processors configured to:

다음을 수행하도록 구성된 하나 이상의 프로세서 :


receive image data based on an image captured using a camera of a vehicle, the image data depicting an object within the vehicle's surrounding environment; and

차량의 카메라를 사용하여 획득된 이미지에 기초하여 이미지 데이터를 수신하고

상기 이미지 데이터는 차량의 주변 환경 내의 물체를 묘사하는 것


utilize the image data as input to a trained machine learning model, 

the trained machine learning model outputting a distance from the vehicle to the object, wherein the trained machine learning model is configured to output the distance using only the image data;

훈련 된 기계 학습 모델에 대한 입력으로서 이미지 데이터를 활용하고,

상기 훈련된 기계 학습 모델은 차량에서 물체까지의 거리를 출력하고, 

상기 훈련된 기계 학습 모델은 이미지 데이터만을 사용하여 거리를 출력하도록 구성되고;


and wherein the trained machine learning model was trained using a training image and a correlated output of an emitting distance sensor; 

상기 훈련된 기계 학습 모델은 훈련 이미지 및 방출 거리 센서의 상관 출력을 사용하여 훈련되었으며, 


and a memory coupled to the one or more processors.

하나 이상의 프로세서에 연결된 메모리를 포함한다.



참고: 기계 학습 네트워크를 훈련하기 위한 보조 센서 데이터를 캡처하는 예를 나타내는 도면
(US 10956755 도면 5)


이 특허는 훈련이미지(training image)와 거리센서 측정값을 데이터셋으로 트레이닝이 된 후, 차량의 카메라를 통해 획득되는 이미지 데이터만을 활용하여 거리를 산출하는 것을 특징으로 등록받은 것이다. 즉, 이 특허는 스테레오 카메라를 통해 획득된 이미지를 기반으로 거리 측정을 통해 LiDAR의 역할을 대신하는 Pseudo-LiDAR를 구현하는 것과 관련된 특허이다. 

이 특허는 2019.02.19에 미국에서 특허출원되고, 2020.02.07에 PCT출원도 진행해둔 상태이다. 올해 8월까지 PCT출원을 기반으로 다른 국가에 권리확보를 위해 진입할 수 있는 상태이고, 다른 국가에서도 위의 미국 등록 청구항과 비슷한 수준으로 등록확보가 가능할 것으로 판단된다.


테슬라는 레이더와 라이다가 없이 비전시스템만으로 자율주행이 가능하도록 구현한 후에 추후 라이다와 레이저의 가격 하락과 배터리 소모 효율 상승이 이루어진다면 채택할 가능성이 있다. 즉, 라이다와 레이더가 자율주행 전기차의 본질인 긴 주행거리와 최적 자율주행에 영향을 미치지 않게 되면 더욱 안전하고 완벽한 자율주행을 위해 사용하지 않을 이유가 없다.


필자는 테슬라의 자율주행 개발방향과 같이, 자율주행은 사람의 운전 시의 사고 방식을 동일하게 구현하는 것이 중요하다고 생각한다.


사람은 주변 지도/지형을 모르더라도 눈을 통해 보는 시각 정보만으로 판단하여 운전을 할 수 있다. 그리고 공간지각능력과 돌발상황에 대한 판단력이 뛰어난 사람이 운전을 더 잘한다. 

또한, 자주 다니는 길이라서 주변 환경을 잘 이해하고 있다면, 운전자는 실시간으로 획득하는 시각정보와 함께 운전을 더 잘할 수 있다. 그리고, 사람이 운전할 때도 ADAS(Advanced Driver Assistance Systems)이 보조하면 더 안전하게 운전할 수 있다.


사람은 두눈으로 한쪽 방향만 주시하면서 시각정보를 뇌에서 판단하여 운전하지만, 자율주행차는 여러 방향의 시각영상을 획득하는 카메라로 동시에 얻어지는 영상을 분석하여 운전하므로 시각영상만 날씨와 주변환경에 영향없이 선명하게 획득되고 사람의 뇌에 해당하는 딥러닝 모델이 정확하고 빠른 판단을 할 수 있다면 안전한 운전이 가능할 것이다.(사람도 비가 올때는 도로가 잘 보이지 않아 운전에 어려움을 겪는 것은 마찬가지이다.)


그리고, 레이더와 라이다가 카메라 영상을 통한 실시간 판단을 보조하여 줄 수 있다면, 사람이 차량의 보조시스템의 도움을 받을 수 있는 것과 같이 더욱 안전한 운전이 가능할 것이다.

그리고, 정밀지도를 바탕으로 주변환경을 판단하여 자율주행을 수행할 수 있다면, 사람이 자주 다녀서 잘 알고 있는 지역을 운전할 때와 같이 더욱 안전하고 정확한 운전을 수행할 수 있을 것이다.


결국은 현재 자율주행을 위해 구현되고 있는 모든 기술이 차량에 적용되어야 가장 안전한 자동 운전이 가능하겠지만, 기술이 개발되어 가는 과정에서 각 시점과 상황에 가장 효율적인 자율주행차를 만들기 위해 어느 범위까지 현시점의 기술이 적용되는 것이 최적일지 결정하는 것이라 본다. 예를 들어, 개인 소유 차량은 한번 충전으로 긴 거리를 다니면서 안전한 운전이 가능한 절충안이 필요하겠지만, 자주 충전이 가능하여 센서들의 배터리 소모는 신경쓰지 않아도 되고 안전한 주행이 최우선이 되어야 하는 차량(예를 들어, 대중교통 버스)이라면 안전한 자율주행을 위한 학습모델과 센서를 최대한 활용해야 하지 않을까? 


BLT 칼럼은 BLT 파트너변리사가 작성하며 매주 1회 뉴스레터를 통해 발행됩니다.

뉴스레터 구독신청


더 자세한 사항은 특허법인 BLT 로 문의 부탁드립니다.

02-514-0104

info@BLT.kr

www.BLT.kr

필자 소개

정태균 파트너 변리사는 연세대학교 전기전자공학과를 졸업하고, 2011년 48기 변리사 시험에 합격했습니다. 앱비즈니스/핀테크/보안/인공지능 등의 IT 스타트업의 특허업무 뿐만 아니라, 비즈니스에 참여하고 있습니다. 국방부 육군 지식재산관리실에서 근무하면서 방위산업분야 지식재산권 업무 경험을 가지고 있습니다. 


특허법인 BLT

누군가는 특허를 만들 때, BLT는 당신의 사업의 성공을 만들어 냅니다.  The Only Firm for Your Success!!




#자율주행 #자동운전 #자동주행 #테슬라 #웨이모 #전기차 #BEV #라이다 #LiDAR #Pseudo-LiDAR #의사라이다 #레이더 #Radar #FDS #Full Self-Driving #오토파일럿 #Autopilot #인공지능 #딥러닝 #기계학습 #특허법인비엘티 #특허법인BLT #정태균변리사

본사) 서울특별시 서초구 법원로3길 25, 1층 (서초동, 태흥빌딩)

T : 02-514-0104     F : 070-4855-0102     

E : info@blt.kr


인천지사) 인천광역시 연수구 컨벤시아대로 165, 포스코타워 빌딩 26층 (스테이지나인 송도 포스코타워점)

T : 032-710-5104     F : 070-4855-0102     

E : info@blt.kr

ⓒ 2023. BLT Patent & Law Firm All Rights Reserved.

회사명: 특허법인 비엘티 | 대표자명: 유철현 | 사업자 등록번호: 752-86-01744

본사) 서울특별시 서초구 법원로3길 25, 1층 (서초동, 태흥빌딩)

T : 02-514-0104     F : 070-4855-0102     E : info@blt.kr

인천지사) 인천광역시 연수구 컨벤시아대로 165, 포스코타워 빌딩 26층 (스테이지나인 송도 포스코타워점)

T : 032-710-5104     F : 070-4855-0102     E : info@blt.kr


ⓒ 2023. BLT Patent & Law Firm All Rights Reserved.