7.11 초음파 센서와 기타 보조 센서

1. 초음파 센서

1.1 초음파 센서의 원리

초음파 센서(ultrasonic sensor)는 인간의 가청 주파수 범위(약 20 kHz)를 초과하는 음파를 방사하고, 장애물에서 반사된 에코(echo)를 수신하여 장애물까지의 거리를 측정하는 능동형 센서이다. 차량용 초음파 센서는 일반적으로 40–60 kHz 대역에서 동작한다.

거리 측정의 기본 원리는 비행 시간(Time-of-Flight, ToF) 방식이다. 초음파 펄스를 방사한 후 반사파가 돌아오기까지의 시간 \Delta t를 측정하여 장애물까지의 거리 d를 산출한다.

d = \frac{v_s \cdot \Delta t}{2}

여기서 v_s는 음파의 전파 속도로서, 20°C 공기 중에서 약 343 m/s이다. 음속은 온도에 의존하며, 정밀한 거리 측정을 위해서는 온도 보상이 필요하다. 온도 T(°C)에서의 음속은 근사적으로 다음과 같이 표현된다.

v_s \approx 331.3 + 0.606 T \quad (\text{m/s})

1.2 초음파 센서의 구조

차량용 초음파 센서는 압전 소자(piezoelectric element)를 핵심 변환기(transducer)로 사용한다. 압전 소자에 교류 전압을 인가하면 기계적 진동이 발생하여 초음파를 방사하고, 반사파의 음압에 의한 기계적 진동은 역으로 전기 신호로 변환된다. 단일 압전 소자가 송신과 수신을 겸하는 단일 변환기(single transducer) 구조가 일반적이다.

센서의 외형은 차량 범퍼에 매립 장착할 수 있도록 원통형으로 설계되며, 전면에 음향 정합층(acoustic matching layer)을 배치하여 압전 소자와 공기 사이의 음향 임피던스(acoustic impedance) 차이를 보상한다(Carullo & Parvis, 2001).

1.3 초음파 센서의 사양과 특성

차량용 초음파 센서의 주요 사양 항목은 다음과 같다.

1.4 초음파 센서의 장점

• 낮은 원가: 단순한 구조와 성숙한 제조 공정으로 인해 센서 단가가 매우 낮으며, 차량당 다수를 배치하는 것이 경제적으로 용이하다.
• 재질 무관 탐지: 초음파는 음파의 반사를 이용하므로 금속, 플라스틱, 유리, 직물, 인체 등 거의 모든 재질의 장애물을 탐지할 수 있다. 이는 레이더의 RCS에 의존하는 탐지와 대비되는 특성이다.
• 근거리 정밀 측정: 2 m 이내의 근거리에서 센티미터 수준의 거리 측정 정확도를 제공한다.

1.5 초음파 센서의 한계

• 제한된 탐지 거리: 음파의 대기 중 감쇠가 전자기파 대비 현저히 크므로, 최대 탐지 거리가 약 5 m 이내로 제한된다. 고속 주행 상황에서의 전방 감시에는 부적합하다.
• 낮은 갱신 속도: 음파의 전파 속도가 전자기파 대비 극히 느려(약 343 m/s), 단일 측정에 수십 밀리초가 소요된다. 이로 인해 고속 이동 객체의 추적에는 한계가 있다.
• 환경 조건의 영향: 바람, 온도 구배, 습도 변화는 음파의 전파 경로와 속도에 영향을 미쳐 측정 정확도를 저하시킬 수 있다. 또한 소음이 심한 환경에서는 간섭이 발생할 수 있다.
• 방향 분해능의 부재: 단일 초음파 센서는 넓은 원추형 빔을 사용하므로, 장애물의 방향(각도)을 정밀하게 결정할 수 없다. 다수의 센서를 배열하여 삼각측량(triangulation) 방식으로 위치를 추정하는 방법이 사용된다.
• 음파 흡수 재질: 부드러운 직물, 다공질 재질 등은 음파를 흡수하여 반사 에코가 미약해질 수 있다.

1.6 초음파 센서의 자율주행 적용

초음파 센서는 주로 저속 주행 상황에서의 근거리 장애물 감지에 활용된다. 대표적인 적용 사례는 다음과 같다.

• 주차 보조 시스템(Parking Assist System, PAS): 전후방 범퍼에 4–12개의 초음파 센서를 배치하여 주차 시 장애물까지의 거리를 측정하고 운전자에게 청각 및 시각 경고를 제공한다.
• 자동 주차(Automated Parking): 주차 공간 탐색과 자동 조향 과정에서 주변 장애물과의 거리를 실시간으로 모니터링한다.
• 저속 긴급 제동: 주차장 등 저속 주행 환경에서 전방 장애물과의 충돌을 방지하기 위한 긴급 제동에 활용된다.

2. 관성 측정 장치(IMU)

2.1 IMU의 구성과 원리

관성 측정 장치(Inertial Measurement Unit, IMU)는 가속도계(accelerometer)와 자이로스코프(gyroscope)를 결합하여 차량의 선형 가속도와 각속도를 측정하는 센서이다. 일반적으로 3축 가속도계와 3축 자이로스코프를 포함하여 6 자유도(Degrees of Freedom, DoF)의 관성 데이터를 제공한다. 일부 IMU는 3축 지자기 센서(magnetometer)를 추가하여 9 DoF를 지원한다.

차량용 IMU는 주로 MEMS(Micro-Electro-Mechanical Systems) 기술로 구현되며, 소형화, 저전력, 저원가의 장점을 갖는다. 고정밀 자율주행 시스템에서는 광섬유 자이로스코프(FOG, Fiber Optic Gyroscope)나 링 레이저 자이로스코프(RLG, Ring Laser Gyroscope)를 사용하는 전술 등급(tactical grade) 이상의 IMU가 채택되기도 한다(Titterton & Weston, 2004).

2.2 IMU의 역할

IMU는 자율주행에서 다음과 같은 역할을 수행한다.

• 차량 자세(pose) 추정: 각속도를 시간 적분하여 차량의 자세(roll, pitch, yaw)를 추정한다.
• 단기 위치 추정(dead reckoning): 가속도를 이중 적분하여 변위를 산출하며, GNSS 신호가 일시적으로 차단되는 터널, 지하 주차장 등에서 위치 추정의 연속성을 보장한다.
• LiDAR 점군 모션 보정: IMU의 고주파 자세 데이터를 이용하여 회전형 LiDAR의 스캔 중 발생하는 모션 왜곡을 보정한다.
• GNSS/INS 융합 항법: GNSS(Global Navigation Satellite System) 수신기와 결합하여 확장 칼만 필터(Extended Kalman Filter, EKF) 등으로 위치와 자세를 융합 추정한다.

2.3 IMU의 오차 특성

MEMS IMU는 바이어스 불안정도(bias instability), 각도 랜덤 워크(Angle Random Walk, ARW), 속도 랜덤 워크(Velocity Random Walk, VRW) 등의 오차 요인을 갖는다. 이러한 오차는 적분 과정에서 시간에 따라 누적되므로, IMU 단독으로는 장시간 정확한 위치와 자세를 유지할 수 없다. 따라서 GNSS, 주행 거리계(odometer), 시각 관성 주행 거리 측정(Visual-Inertial Odometry, VIO) 등 외부 참조와의 융합이 필수적이다(Groves, 2013).

3. GNSS 수신기

3.1 GNSS의 개요

GNSS(Global Navigation Satellite System)는 GPS(미국), GLONASS(러시아), Galileo(유럽연합), BeiDou(중국) 등 복수의 위성 항법 시스템을 통칭한다. GNSS 수신기는 위성으로부터의 신호 수신 시각 차이를 이용하여 절대 위치(위도, 경도, 고도)와 시각을 결정한다.

3.2 자율주행에서의 GNSS 활용

단독 GNSS의 위치 정확도는 수 미터 수준으로서 차선 수준의 위치 결정에는 불충분하다. 자율주행에서는 RTK(Real-Time Kinematic) GNSS를 사용하여 센티미터 수준의 정밀 위치를 획득한다. RTK-GNSS는 기지국(base station)의 반송파(carrier phase) 보정 데이터를 수신하여 위상 모호성(integer ambiguity)을 해소함으로써 정밀 측위를 수행한다.

그러나 GNSS는 도심 협곡(urban canyon), 터널, 교량 하부, 수목 밀집 지역 등에서 다중 경로(multipath)와 신호 차단의 영향을 받아 가용성과 정확도가 저하된다. 이러한 한계를 보완하기 위해 IMU 및 기타 센서와의 융합이 수행된다(Kaplan & Hegarty, 2017).

4. 차량 내부 센서

4.1 차륜 속도 센서(Wheel Speed Sensor)

차륜 속도 센서는 각 바퀴의 회전 속도를 측정하며, ABS(Anti-lock Braking System)의 핵심 구성 요소이다. 자율주행에서는 차량 속도 추정, 주행 거리 측정(odometry), 슬립(slip) 검출에 활용된다. 홀 효과(Hall effect) 센서 또는 자기 저항(magnetoresistive) 센서가 주로 사용되며, 차륜에 부착된 톤 휠(tone wheel)의 톱니 통과를 감지하여 회전 속도를 산출한다.

4.2 조향각 센서(Steering Angle Sensor)

조향각 센서는 운전대의 회전 각도를 측정하여 차량의 조향 상태를 파악한다. 자율주행 시스템에서는 차량 동역학 모델(vehicle dynamics model)에 입력되어 차량의 궤적을 예측하는 데 활용된다. 광학식 인코더(optical encoder) 또는 자기식 인코더가 주로 사용된다.

4.3 차량 동역학 센서

요레이트 센서(yaw rate sensor), 횡가속도 센서(lateral acceleration sensor) 등은 ESC(Electronic Stability Control) 시스템의 구성 요소로서, 차량의 동적 거동(dynamic behavior)을 모니터링한다. 자율주행에서는 이들 센서의 데이터가 차량 상태 추정과 제어 안정성 확보에 활용된다.

5. 적외선(IR) 카메라

적외선 카메라는 열적외선(Thermal Infrared, TIR) 대역(약 8–14 μm)의 복사를 감지하여 열 영상(thermal image)을 생성한다. 물체가 방출하는 적외선 복사는 해당 물체의 온도에 의존하므로, 외부 조명 없이도 보행자, 동물 등 온혈 객체를 야간 및 저조도 환경에서 탐지할 수 있다.

자율주행에서 적외선 카메라는 가시광 카메라의 야간 성능을 보완하는 역할을 하며, 보행자 탐지의 신뢰도를 향상시킬 수 있다. 그러나 적외선 카메라는 공간 분해능이 가시광 카메라 대비 낮고, 차량 등 온도 대비가 낮은 객체의 탐지에는 한계가 있으며, 센서 단가가 상대적으로 높다(Olmeda et al., 2013).

6. V2X(Vehicle-to-Everything) 통신

V2X 통신은 차량과 다른 차량(V2V), 인프라(V2I), 보행자(V2P), 네트워크(V2N) 간의 무선 통신을 통칭한다. V2X는 물리적 센서의 시야(line-of-sight) 한계를 극복하여, 교차로 너머의 차량이나 보행자, 신호등 정보, 도로 위험 상황 등을 사전에 인지하는 데 활용된다.

V2X의 통신 기술로는 DSRC(Dedicated Short-Range Communications, IEEE 802.11p 기반)와 C-V2X(Cellular V2X, 3GPP 표준 기반)가 있다. C-V2X는 4G LTE 및 5G NR 기반으로 발전하고 있으며, 직접 통신(PC5 사이드링크)과 네트워크 경유 통신을 모두 지원한다(3GPP, 2020).

V2X는 센서와 달리 정보의 의미적(semantic) 내용(예: “전방 200 m 사고 발생”)을 직접 전달할 수 있으나, 통신 지연, 보안 위협, 인프라 보급률 등의 과제가 잔존한다.

참고문헌

• 3GPP. (2020). 3GPP TS 23.287: Architecture enhancements for 5G System to support Vehicle-to-Everything (V2X) services. 3rd Generation Partnership Project.
• Carullo, A., & Parvis, M. (2001). An ultrasonic sensor for distance measurement in automotive applications. IEEE Sensors Journal, 1(2), 143–147.
• Groves, P. D. (2013). Principles of GNSS, Inertial, and Multisensor Integrated Navigation Systems (2nd ed.). Artech House.
• Kaplan, E. D., & Hegarty, C. J. (2017). Understanding GPS/GNSS: Principles and Applications (3rd ed.). Artech House.
• Olmeda, D., de la Escalera, A., & Armingol, J. M. (2013). Far infrared pedestrian detection and tracking for night driving. Robotica, 31(3), 495–505.
• Titterton, D. H., & Weston, J. L. (2004). Strapdown Inertial Navigation Technology (2nd ed.). IET.

버전: v1.0, 2026-04-11