LiDAR 센서에 대한 일반적인 오해 – 1부

세계의 과학기술이 지능화, 고효율화를 향해 발전함에 따라,라이더 레이저 모듈그리고 그 응용도 점점 더 많은 주목을 받고 있습니다. 그러나 사람들은 LiDAR 기술과 성능에 대해 일부 오해를 갖고 있습니다. 이 기사에서는 LiDAR에 대한 5가지 일반적인 오해를 밝힐 것입니다.

1. LiDAR 적용 기술이 복잡하다
LiDAR는 다양한 하드웨어로 구성된 복잡한 센서이지만 기본 작동 원리는 실제로 매우 간단합니다. 센서는 음파를 이용한 박쥐나 마이크로파를 이용한 레이더와 유사한 감지 원리인 비행시간법(Time-of-Flight) 방식을 사용한다.
센서를 레이저, 검출기, 빔 편향 장치 등의 구성 요소로 분해하면 LiDAR는 더 이상 어려운 기술이 아닙니다. 레이저 소스는 먼저 레이저 펄스를 방출합니다. 이러한 펄스는 마이크로 검류계를 통해 현장으로 편향됩니다. 검출기는 반사된 Q광을 감지하고 레이저 펄스 방출 시간과 복귀 시간을 기준으로 거리를 정확하게 계산합니다.
이 프로세스는 초당 수천, 심지어 수백만 번 반복되어 정확한 3D 환경 포인트 클라우드를 실시간으로 생성합니다. 이러한 3D 포인트 클라우드 데이터는 자율 주행 의사 결정 등을 위해 쉽게 분석하고 활용할 수 있습니다.
연속파를 사용하는 대신 빛의 반복 펄스를 방출하는 펄스 레이저가 1960년대 초에 발명된 이후 개발된 기술입니다.

⒉. 자율주행차 애플리케이션에서 LiDAR는 중복됩니다.
Elon Musk는 2019년 컨퍼런스에서 자율주행차에 LiDAR를 사용하는 것을 무시했는데, 이 사건은 현재까지 LiDAR에 대한 많은 신화를 불러일으켰습니다. 그는 카메라와 스마트 알고리즘의 도움을 받는 LiDAR가 중복되며 항상 그 기반을 유지할 것이라고 주장합니다.
카메라는 컬러 시각 이미지를 수집하기 위해 다양한 이미지 인식 기술을 적용하지만, 하나의 카메라만으로는 2D 데이터만 캡처할 수 있어 착시 및 거리 오판이 발생하기 쉽습니다. 이러한 결함이 위험하고 때로는 치명적이라는 비극적인 예가 있습니다.
반면 LiDAR는 3D 데이터를 안정적으로 캡처하고 거리와 물체 크기를 정확하게 식별할 수 있습니다.
정확한 3D LiDAR 데이터를 통합하면 카메라가 "맹인" 상태인 경우에도 주변 환경을 계속 인식할 수 있습니다. 예를 들어 카메라는 터널을 빠져나간 후 빛의 변화에 ​​적응하는 데 시간이 필요합니다.
또한 카메라에서 생성된 2D 이미지는 자율주행차 알고리즘을 교육할 만큼 정확해 보일 수 있습니다. 그러나 여전히 기계 학습 모델의 정확성과 그에 따른 차량의 감지, 예측 및 의사 결정 능력을 감소시키는 많은 부정확성이 있습니다. 자율 주행을 촉진하는 기계 학습 기능은 확장 가능해야 하며 "롱테일 문제"를 해결해야 합니다. 이는 도로 위의 차량이 직면하는 시나리오의 95%를 처리하는 것만으로는 충분하지 않다는 것을 의미합니다. 머신러닝 기반 자율주행 역량도 5%를 목표로 해야 한다. 지속적으로 성능을 향상시키면서 까다로운 상황에 대한 훈련을 위해서는 훈련을 위한 대량의 순수 카메라 시스템 데이터가 필요합니다.
반면 LiDAR는 더 높은 정밀도의 훈련 데이터를 생성하는 동시에 더 많은 머신러닝 예측 모델을 제공할 수 있습니다. 따라서 LiDAR는 보다 안정적이고 견고한 자율주행 시스템을 위한 필수 센서입니다.

3. Lidar는 다른 센서로 완전히 대체될 수 있습니다.
LiDAR에 대한 가장 일반적인 오해 중 하나는 카메라나 레이더 센서로 대체될 수 있다는 것입니다. 이는 이러한 센서 기술이 물체를 다양한 방식으로 분류하는 방법에 대한 이해 부족에서 비롯된 오해입니다. 이러한 센서의 다양한 기능과 생성되는 데이터 유형을 이해한 후 기능 면에서 서로 어떻게 보완되는지 살펴보겠습니다. 카메라가 캡처하는 것은 회색조 또는 색상 정보, 질감 및 대비를 제공하는 2D 이미지입니다. 이 데이터를 추가로 분석하려면 이미지 인식 소프트웨어가 필요합니다. 카메라는 수동 측정 원리를 사용하기 때문에 물체를 감지하려면 조명을 켜야 합니다. 또한 3D 이미지를 생성하려면 두 대 이상의 카메라와 높은 컴퓨팅 성능이 필요합니다.
레이더 별 측정 3차원 정보는 물체의 거리와 속도를 결정하는 데 있어 매우 높은 정확도를 가지고 있습니다. 그러나 해상도가 낮고 물체를 정확하게 감지(센티미터 단위)하거나 분류할 수 없습니다.
LiDAR는 수집된 3차원 데이터로부터 포인트 클라우드를 생성합니다. 포인트 클라우드의 모양과 크기를 기반으로 물체를 정확하게 감지하고 사람, 자동차, 건물 등 다양한 카테고리로 분류할 수 있습니다.
LiDAR는 매우 상세하고 신뢰할 수 있는 3차원 정보를 수집하여 다른 센서 기술의 격차를 메웁니다. 다양한 환경에서 대상을 감지하고 정확하게 분류할 수 있어 다양한 센서 중에서 단연 돋보이는 제품입니다. 카메라의 데이터는 심층 분석에 사용될 수 있으며, 레이더로 수집된 범위 및 속도 데이터는 LiDAR로 검증되어 정확도를 높일 수 있습니다. 이는 미래에는 모든 센서 기반 애플리케이션이 카메라, 레이더 시스템, LiDAR 및 기타 센서를 통합할 것임을 의미합니다.

4. Lidar는 가혹한 환경 조건에서 작동할 수 없습니다.
카메라의 감지 범위가 헤드라이트 범위까지만 도달할 수 있는 자동차 애플리케이션과 같이 충분한 주변 조명이 없으면 카메라가 작동할 수 없습니다. 반면 LiDAR는 가시광선이 아닌 적외선 레이저 빔에 의존하기 때문에 빛의 강도 조건에 관계없이 수백 미터의 감지 범위를 갖습니다. 즉, 라이더 센서를 장착한 자율주행차는 헤드라이트를 꺼도 어둠 속에서도 낮처럼 원활하게 주행할 수 있다.
안개, 비, 눈과 같은 혹독한 조건에서 LiDAR는 다시 한 번 성능 면에서 확실한 이점을 보여주며 인식 시스템에서 다른 센서(예: 카메라)의 단점을 보완할 수 있습니다.
Lidar는 빔이 크기 때문에 빗속에서 카메라보다 성능이 더 좋은 경우가 많습니다. 이를 통해 빔은 센서 미러의 장애물(예: 빗방울)을 우회할 수 있으므로 LiDAR의 범위는 어느 정도 영향을 받지 않습니다. 이에 비해 카메라의 픽셀 크기는 빗방울 크기보다 훨씬 작기 때문에 시야가 가려집니다.
또한 대형 빔을 통해 라이더는 다양한 범위에서 여러 에코를 감지하고 신호가 가장 강한 에코만 처리할 수 있습니다. LiDAR가 눈송이 반사의 영향을 무시할 수 있으므로 눈이 내리는 등 악천후 조건에서도 유용할 수 있습니다. 기계 학습 알고리즘이 없는 카메라는 눈송이, 젖은 렌즈 또는 단단한 물체를 구별할 수 없으며 결국 왜곡된 이미지를 반환합니다.
또한 LiDAR는 카메라(수천분의 1초)보다 노출 시간과 셔터 속도(수백만분의 1초)가 더 짧습니다. 즉, 빗방울이 여러 픽셀에 걸쳐 있는 줄무늬로 감지되지 않고 원시 모양으로 감지됩니다.
LiDAR는 광학 장치이기 때문에 짙은 안개와 같은 조건에서도 성능이 부정적인 영향을 받을 수 있지만 여전히 카메라와 같은 센서보다 더 가치 있는 데이터를 제공할 수 있고 더 먼 거리에서도 감지할 수 있습니다.

5. LiDAR 센서는 비싸다
시중에 판매되는 유일한 LiDAR는 회전형 LiDAR뿐이었는데, 이는 매우 비싸고 부피가 커서 대량 생산이 불가능했습니다. 따라서 사람들이 LiDAR와 그 높은 가격에 대해 여전히 오해를 갖고 있는 것은 당연합니다. 그러나 MEMS(Microelectromechanical Systems) LiDAR의 출현 이후 이 진술은 완전히 바뀌었습니다. MEMS 구성 요소는 실리콘으로 만들어지며 생산을 위해 쉽게 확장 가능하므로 비용 효율성이 매우 높습니다.
고체 LiDAR는 표준 구성 요소를 사용하며 정기적인 유지 관리가 필요하지 않아 비용이 절감됩니다. 최근 몇 년 동안 이러한 LiDAR 센서의 가격은 수천 달러에서 수백 달러로 떨어졌으며 이러한 추세는 앞으로도 계속될 것입니다. 실제로 중급형 센서는 대량 생산 시 세 자릿수 가격으로 판매될 수도 있습니다.

LiDAR 기술과 그 응용 분야에 대한 몇 가지 일반적인 오해는 다음과 같습니다. 이 시리즈의 2부에서는 사람들이 간과하고 있는 LiDAR에 대한 더 많은 오해를 밝혀낼 것입니다.

연락처 정보:

아이디어가 있으시면 언제든지 저희에게 문의해 주세요. 고객이 어디에 있는지, 요구 사항이 무엇인지에 관계없이 고객에게 고품질, 저렴한 가격 및 최고의 서비스를 제공한다는 목표를 따를 것입니다.