[H-모빌리티 클래스 자율주행 인지 기초 내용 정리] 23. 고정밀 지도 기반 자율주행 개요

1. 고정밀 지도 기반 자율주행의 필요성

 

1) 고정밀 지도 : cm 단위의 정확도를 갖는 지도

 

2) 센서만으로 주변의 정적 주행 환경 및 도로, 교통 환경에 대한 정보 수집은 한계가 있음

 

3) 차량 주위의 정적 환경에 대한 정밀한 정보를 제공함으로써 자율주행의 안전성을 향상

 

4) 자율주행에서 고정밀 지도는 이미 오프라인에서 구축한 후 활용하기 때문에 고정밀 지도 기반의 측위 기술은 인지 기능에 비해 시스템, 계산량 오버헤드가 작은 편

 

5) 고정밀 지도를 사용하기 위해 요구되는 사항

- 주행 관련 도로 정보들을 포함

- 0.2m 이하의 매우 정밀한 정확도

- 자율주행차가 고정밀 지도 위에서 자신의 위치를 알아내야 함 -> 맵매칭을 효과적으로 수행하기 위한 환경 정보 포함

- 도로, 주행 환경이 바뀔 때마다 실시간 업데이트 지원 -> 클라우드에서 관리

- 고정밀 지도가 업데이트될 때마다 OTA를 이용하여 새로운 지도 정보를 자율주행 차량에 무선 전송

 

6) 고정밀 지도의 장점

- 정확한 정보로 인해 자율주행 안정성 향상

- 환경에 대한 빠르고 정확한 판단 가능

- 인지 기술의 부담을 덜어줌

 

 

 

2. 자율주행에서의 고정밀 지도의 활용

 

1) 정밀 자율주행차 측위

- 측위를 위해 맵매칭 알고리즘 사용 -> 센서 정보와 고정밀 지도에서의 정보를 맵매칭하여 측위 수행

 

2) 주행 경로 생성 및 예측

- 차선과 같은 주행정보 이용 -> 차량의 주행 경로 생성

- 도로의 곡률, 횡단보도 등의 교통 환경 반영 -> 가능한 상황 예측

- 신호등, 표지판 등 위치 정보 활용 -> 인지 결과 대체, 인지 정확도 향상

 

3) 동적 경보 시스템 (Local Dynamic Map) 활용

- 인프라, 엣지, 자율주행차 등으로부터 얻은 동적 객체들의 위치와 상태를 고정밀 지도 위에 표현 -> 특정 지역에 주행 상황에 대한 종합적인 정보를 표현 -> V2X를 통해 다른 자율주행차들과 공유 -> 원활한 자율주행 가능

- 인프라, 엣지, 자율주행차로부터 취득한 주행 환경 정보 -> 고정밀 지도에 대한 지속적 업데이트 수행

 

퀴즈)

1. AI 기반 인지를 위한 반도체 기술에 대한 설명으로 옳지 않은 것? 답 3(주로 디바이스나 엣지에서 사용될 목적으로 설계)

 

1. GPU는 주로 그래픽 처리에 사용되어 왔으나 최근에 딥러닝에 중요한 하드웨어로 부상하였다.

2. NPU에서는 딥러닝 계산을 빠르게 하기 위한 가속기를 사용한다.

3. NPU는 주로 서버에서 사용하는 것을 목적으로 한다.

4. NPU는 딥러닝 계산에 특화된 하드웨어이다.

 

2. NPU에 사용되는 딥러닝 가속기에 대한 내용은? 답 3

 

1. 주로 그래픽 처리에 사용이 되었다.

2. 대부분의 회사에서 개발에 실패하고 하나의 회사에서 독점적으로 개발하고 있다.

3. 국내외 많은 회사가 경쟁적으로 개발하고 있다.

4. 구글에서는 NPU 개발에 관심이 없다.