3.1 자율주행 시스템의 전체 아키텍처 개요
1. 시스템 아키텍처의 개념
자율주행 시스템의 아키텍처(Architecture)란 시스템을 구성하는 하위 시스템과 모듈의 구조, 이들 간의 인터페이스, 그리고 정보 흐름의 전체적인 설계를 의미한다. 자율주행 시스템의 아키텍처는 기능적 관점(Functional Architecture)과 물리적 관점(Physical Architecture)으로 구분하여 기술할 수 있다.
기능적 아키텍처는 시스템이 수행하는 기능 단위(인지, 예측, 판단, 제어 등)와 이들 간의 논리적 관계를 정의한다. 물리적 아키텍처는 센서, 연산 장치, 네트워크, 액추에이터 등 하드웨어 구성 요소의 배치와 물리적 연결을 정의한다.
2. 기능적 아키텍처
자율주행 시스템의 기능적 아키텍처는 일반적으로 다음의 계층적 구조를 따른다(Pendleton et al., 2017).
2.1 센서 계층 (Sensing Layer)
센서 계층은 주행 환경의 원시 데이터를 수집하는 최하위 계층이다. 카메라, 라이다, 레이더, 초음파 센서 등의 외부 인지 센서(Exteroceptive Sensor)와, GNSS, IMU, 휠 엔코더(Wheel Encoder) 등의 자기 인지 센서(Proprioceptive Sensor)로 구성된다.
- 외부 인지 센서: 차량 외부의 주행 환경을 감지한다. 객체 검출, 장면 이해, 거리 측정 등에 사용된다.
- 자기 인지 센서: 차량 자체의 상태(위치, 속도, 가속도, 자세 등)를 측정한다. 위치 추정과 차량 동역학 모델에 사용된다.
2.2 인지 계층 (Perception Layer)
인지 계층은 센서 계층으로부터 수집된 원시 데이터를 처리하여 주행 환경의 구조화된 표현(Structured Representation)을 생성한다. 주요 기능은 다음과 같다.
- 객체 검출 및 분류 (Object Detection and Classification)
- 객체 추적 (Object Tracking)
- 의미론적 분할 (Semantic Segmentation)
- 자유 공간 추정 (Free Space Estimation)
- 차선 검출 (Lane Detection)
- 교통 신호 및 표지판 인식 (Traffic Sign/Signal Recognition)
2.3 위치 추정 계층 (Localization Layer)
위치 추정 계층은 차량의 현재 위치와 자세를 전역 좌표계에서 정밀하게 추정한다. GNSS/INS 결합, 라이다 기반 지도 정합, 시각 기반 위치 추정 등의 기법이 활용된다.
2.4 예측 계층 (Prediction Layer)
예측 계층은 주변 교통 참여자의 미래 궤적과 행동 의도를 예측한다. 인지 계층의 출력인 객체 추적 결과를 입력으로 받아 미래 상태를 추론한다.
2.5 판단 계층 (Planning Layer)
판단 계층은 인지, 위치 추정, 예측의 결과를 종합하여 차량의 주행 전략과 궤적을 결정한다. 전역 경로 계획, 행동 계획, 운동 계획의 세 수준으로 구성된다.
2.6 제어 계층 (Control Layer)
제어 계층은 판단 계층이 생성한 목표 궤적을 차량의 액추에이터 명령(조향각, 가속도, 제동 압력)으로 변환한다. 차량 동역학 모델을 기반으로 궤적 추적 제어를 수행한다.
2.7 액추에이터 계층 (Actuation Layer)
액추에이터 계층은 제어 계층의 명령을 물리적 차량 운동으로 변환하는 최종 계층이다. 전동식 조향 장치(Electric Power Steering, EPS), 전자식 제동 시스템(Electronic Braking System), 전자식 스로틀 제어(Electronic Throttle Control) 등이 포함된다.
3. 정보 흐름 구조
기능 계층 간의 정보 흐름은 주로 순차적 파이프라인 구조를 형성한다.
\text{센서} \rightarrow \text{인지} \rightarrow \text{예측} \rightarrow \text{판단} \rightarrow \text{제어} \rightarrow \text{액추에이터}
그러나 실제 시스템에서는 순수한 단방향 파이프라인이 아닌, 계층 간 피드백(Feedback)과 병렬 처리가 존재한다. 위치 추정은 인지 및 판단 계층 모두에 정보를 제공하며, 고정밀 지도는 인지, 위치 추정, 판단 계층에 걸쳐 참조된다.
4. 물리적 아키텍처
물리적 아키텍처는 하드웨어 구성 요소의 배치와 연결 구조를 정의한다. 주요 구성 요소는 다음과 같다.
| 구성 요소 | 기능 | 데이터 인터페이스 |
|---|---|---|
| 카메라 모듈 | 영상 데이터 수집 | GMSL, MIPI CSI-2 |
| 라이다 모듈 | 3D 포인트 클라우드 수집 | Ethernet (UDP) |
| 레이더 모듈 | 객체 거리·속도 측정 | CAN, Ethernet |
| GNSS/INS 모듈 | 위치·자세 추정 | CAN, Ethernet |
| 온보드 컴퓨터 | 소프트웨어 실행 | PCIe, Ethernet |
| 차량 게이트웨이 | 차량 CAN 버스 연결 | CAN, CAN FD |
| V2X 모듈 | 외부 통신 | DSRC, C-V2X |
센서 데이터는 고대역폭 인터페이스(Ethernet, GMSL)를 통해 온보드 컴퓨터로 전달되며, 온보드 컴퓨터에서 처리된 제어 명령은 CAN(Controller Area Network) 버스를 통해 차량 액추에이터로 전달된다.
5. 중앙 집중형과 분산형 아키텍처
자율주행 시스템의 연산 아키텍처는 크게 중앙 집중형(Centralized)과 분산형(Distributed)으로 구분된다.
중앙 집중형 아키텍처: 모든 센서 데이터가 단일 또는 소수의 중앙 연산 장치에서 처리된다. 데이터의 통합적 처리와 전역 최적화가 용이하나, 중앙 연산 장치의 연산 부하가 크고 단일 장애점(Single Point of Failure) 문제가 존재한다.
분산형 아키텍처: 센서별 또는 기능별 전용 연산 장치(ECU, Electronic Control Unit)가 독립적으로 데이터를 처리하고 결과를 공유한다. 각 ECU의 연산 부하가 분산되나, 모듈 간 동기화와 데이터 일관성 유지가 과제이다.
최근의 추세는 중앙 집중형과 분산형의 장점을 결합한 구역 기반 아키텍처(Zonal Architecture)로의 전환이다. 구역 기반 아키텍처에서는 차량을 물리적 구역으로 나누어 각 구역의 센서와 액추에이터를 구역 제어기(Zone Controller)가 관리하고, 상위 중앙 연산 장치가 전역적인 의사결정을 수행한다.
6. 참고 문헌
- Pendleton, S. D., Andersen, H., Du, X., Shen, X., Meghjani, M., Eng, Y. H., Rus, D., & Ang, M. H. (2017). Perception, planning, control, and coordination for autonomous vehicles. Machines, 5(1), 6.
- Yurtsever, E., Lambert, J., Carballo, A., & Takeda, K. (2020). A survey of autonomous driving: Common practices and emerging technologies. IEEE Access, 8, 58443–58469.
v1.0