첨단 운전자 보조 시스템(ADAS) 및 자율 주행(AD) 개발 프로젝트에서는 전체 기능을 검증하기 위해 대량의 데이터를 기록하는 것이 매우 중요합니다.
예를 들어, L2+ 프로젝트의 경우 테스트 과제에 의존하여 초당 2GB 이상의 데이터를 기록해야 합니다. 이 데이터는 LIDAR 및 레이더와 같은 센서는 물론, 카메라와 제어 장치 간의 차량 내 통신에서 생성됩니다.
실제 환경이든 가상 환경이든 상관없이 ADAS/ADAS 어플리케이션을 개발하고 계신다면, 당사는 소프트웨어 및 하드웨어 도구와 임베디드 구성 요소로 구성된 포괄적인 솔루션을 제공합니다.
주요 내용을 강조
- 통합형 ADAS/AD 툴체인: 특정 사용사례에 적합한 도구, 소프트웨어 컴포넌트 및 하드웨어
- 모든 개발 단계에 적용 가능한 단일 테스트 도구: 전체 프로세스 전반에 걸쳐 MIL, SIL 또는 HIL 환경의 애플리케이션에 대한 테스트 정의 사용
- 고성능 센서 및 ECU 통합: Linux 및 Windows 환경에서 높은 데이터 전송 속도와 옵션 데이터 압축 기능을 통해 멀티센서 데이터를 수집 및 기록
- 측정 데이터의 효율적인 사용: 실제 측정 결과를 활용한 주행 기능 분석 및 신속한 프로토타이핑
- 센서 대상물 검증: 환경의 영상과 3D 장면 모두에서 객체 오버레이를 통해
로그 기록
기능 테스트는 ADAS/AD 개발의 필수적인 부분입니다. 새로운 소프트웨어 버전을 적용할 때마다 시간과 비용이 많이 드는 시운전을 반복하지 않기 위해, 차량 내 센서 데이터를 기록해 두었다가 나중에 MiL/SIL/HIL 실행 및 분석에 활용합니다. 그러나 이는 동시에 과제를 안고 있습니다. 테라바이트 단위의 데이터를 가혹한 자동차 환경에 저장해야 하기 때문입니다. 이는 무엇보다도 다양한 센서 유형(레이더, LIDAR, 영상 기술 기반)과 시간 동기화 방식으로 기록되어야 하는 매우 복잡하고 방대한 ECU 데이터 때문인 것으로 분석됩니다. 적용 분야에 따라 선택 가능한 압축 방식을 통해 전체 데이터 파이프라인의 메모리 사용량을 최적화하고, 결과적으로 비용 효율적인 운영을 보장합니다.
데이터 분석 및 기능 검증
효과적인 데이터 분석은 시스템의 성능을 판단하는 데 중요한 역할을 합니다. 다음 단계를 위해 적절한 측정 데이터를 고르려면 메타 데이터가 필요합니다. 메타 데이터에는 차량, 주행 상황 및 소프트웨어 상태에 대한 정보가 담겨 있습니다. 관련 측정 데이터 세트가 확인되면, 두 번째 단계에서 이를 실제 분석 및 검증 과정에 투입합니다. 분석 자체는 수동, 반자동 또는 Data Mining을 활용한 완전 자동 방식으로 수행될 수 있습니다.
동영상 익명화
데이터의 수집과 라벨링뿐만 아니라, 적절한 저장 및 처리도 중요합니다. 데이터는 안전하게 저장, 전송 및 분석되어야 합니다. 대량의 데이터를 기록하는 데 따르는 기술적 과제 외에도, 데이터 보호 요구사항 역시 중요한 역할을 합니다. 얼굴이나 차량 번호판과 같은 개인 정보가 촬영된 경우, 이를 저장하거나 추가로 처리하기 전에 반드시 익명화 처리를 거쳐야 합니다.
시각화 및 데이터 평가
ADAS 센서에서 수집된 데이터는 특수한 고대역폭 센서 인터페이스를 통해 원시 데이터로 전송되거나, 차량 전용 네트워크(예: CAN 또는 차량용 이더넷)를 통해 객체 데이터로 전송될 수 있습니다.
운전자 보조 시스템 및 자율주행차 개발을 위해 센서 데이터는 직접 분석하거나, 향후 새로운 소프트웨어 버전을 평가하기 위한 재시뮬레이션에 사용하기 위해 기록됩니다. 적절한 소프트웨어는 센서 데이터를 사용하여 감지된 물체를 참조 이미지와 2D/3D 장면에서 그래픽으로 시각화하며, 이 시각화 결과는 평가에 사용됩니다.
설치 초기 설정 예시
측정 대상 기능의 복잡성에 따라 차량 구성은 주로 사용되는 센서의 수와 그에 따른 네트워크 및 센서 인터페이스의 복잡성 측면에서 차이가 있습니다. 이들 모두는 핵심적인 부분에서 동일한 Measurement Setup을 공유하며, 특성에 따라 다양한 규모로 적용될 수 있습니다.
간단한 구성: 전면 및 측면 레이더가 탑재된 L2 SmartCam
새로운 전면 카메라(예: AEB 또는 LKA용)를 개발할 때는, 카메라 자체와 여러 레이더 센서를 평가 차량에 장착하여 정상적인 작동을 확인합니다. 이러한 센서 데이터 외에도 CAN 버스에서 전송되는 데이터도 기록됩니다.
중간 난이도: 5V5R, 예: 자동 주차용
주차 보조 시스템은 주변 환경 감지, 상황 평가, 주차 기능 실행 등 여러 기능을 통합합니다. 이러한 기능을 평가하려면 훨씬 더 많은 데이터를 수집해야 합니다. 일반적으로 설치된 모든 센서(전면 카메라, 전면 레이더, 4개의 서라운드 카메라, 4개의 측면 레이더)에서 데이터를 수집합니다. 차량용 이더넷(차량용 이더넷)도 함께 사용될 경우, CAN을 사용할 때보다 로깅 시 데이터 전송량이 훨씬 더 많아집니다.
매우 높은 복잡도: 자율주행으로 가는 길
자율 주행이나 반자율 주행은 운전자가 점차 차량에 모든 제어권을 넘겨주게 되므로, 오류 없이 안정적으로 작동해야 합니다. 따라서 해당 기능을 평가하기 위한 시운전에는 다수의 센서와 카메라가 사용됩니다: 최소 5개의 레이더 센서, 11개의 카메라(광각 전면 카메라 1개, 전면 카메라 1개, 측면 카메라 4개, 서라운드 카메라 4개, 후면 카메라 1개), 그리고 차량 위쪽에 장착된 LIDAR(LIDAR) 센서입니다. 차량 통신(차량용 이더넷)과 결합되면, 이는 복잡한 Measurement Setup을 초래할 뿐만 아니라 매우 높은 데이터 전송 속도를 발생시킵니다. 이러한 데이터 전송 속도는 하드웨어 압축을 통해 줄일 수 있습니다.
