7.5 LiDAR 센서의 원리와 구조
LiDAR(Light Detection and Ranging)는 레이저 광을 방출하고 물체에서 반사되어 돌아오는 빛을 수광하여 주변 환경의 3차원 기하 정보를 획득하는 능동형(active) 원격 탐사(remote sensing) 센서이다. 자율주행 분야에서 LiDAR는 정밀한 거리 측정과 3차원 점군(point cloud) 데이터의 직접 생성이 가능하다는 고유한 장점으로 인하여 핵심 센서로 자리잡고 있다. 본 절에서는 LiDAR의 물리적 동작 원리, 거리 측정 방식, 빔 주사(scanning) 메커니즘, 그리고 센서의 하드웨어 구조를 기술한다.
1. LiDAR의 거리 측정 원리
LiDAR의 거리 측정은 레이저 펄스 또는 변조된 연속파(continuous wave)가 대상 물체까지 왕복하는 데 소요되는 시간 또는 위상 변화를 측정하는 것에 기반한다. 주요 측정 방식은 다음과 같다.
1.1 비행 시간 방식(Time of Flight, ToF)
ToF 방식은 가장 널리 사용되는 LiDAR 거리 측정 원리이다. 레이저 송신기(transmitter)에서 짧은 레이저 펄스를 방출하고, 물체에서 반사된 빛이 수신기(receiver)에 도달하기까지의 왕복 시간 \Delta t를 측정하여 거리를 산출한다.
d = \frac{c \cdot \Delta t}{2}
여기서 d는 대상까지의 거리 [m], c는 빛의 속도 (\approx 2.998 \times 10^8 m/s), \Delta t는 왕복 비행 시간 [s]이다. 인수 2는 빛이 송신기에서 대상까지, 그리고 대상에서 수신기까지 왕복하기 때문이다.
ToF 방식의 거리 분해능은 시간 측정의 정밀도에 의하여 결정된다. 1 cm의 거리 분해능을 달성하기 위해서는 약 67 ps(피코초)의 시간 분해능이 필요하다.
\Delta t_{1cm} = \frac{2 \times 0.01}{3 \times 10^8} \approx 6.7 \times 10^{-11} \; \text{s} = 67 \; \text{ps}
이러한 극히 짧은 시간을 정밀하게 측정하기 위하여 시간-디지털 변환기(Time-to-Digital Converter, TDC) 또는 시간-진폭 변환기(Time-to-Amplitude Converter, TAC)가 사용된다.
1.2 위상차 방식(Phase-Shift Method)
위상차 방식은 연속적으로 변조된 레이저를 방출하고, 반사 신호와 기준 신호 사이의 위상차 \Delta \phi를 측정하여 거리를 산출한다.
d = \frac{c \cdot \Delta \phi}{4 \pi f_m}
여기서 f_m은 변조 주파수이다. 위상차 방식은 높은 측정 정확도를 제공하지만, 변조 주파수에 의하여 결정되는 모호하지 않은 최대 거리(ambiguity-free range) d_{\max} = c / (2 f_m)에 제한이 있다. 이 한계를 극복하기 위하여 복수의 변조 주파수를 사용하는 기법이 적용된다.
1.3 FMCW 방식(Frequency-Modulated Continuous Wave)
FMCW LiDAR는 레이저의 주파수를 시간에 따라 선형적으로 변조(chirp)하고, 반사 신호와 기준 신호를 혼합하여 생성되는 비트 주파수(beat frequency) f_b로부터 거리와 속도를 동시에 측정한다.
d = \frac{c \cdot f_b}{2 B / T}
여기서 B는 주파수 변조 대역폭, T는 chirp 주기이다. FMCW LiDAR의 고유한 장점은 도플러 효과에 의한 대상의 시선 방향 속도(radial velocity)를 직접 측정할 수 있다는 것이다.
v_r = \frac{f_d \cdot \lambda}{2}
여기서 f_d는 도플러 주파수 편이, \lambda는 레이저 파장이다. 또한 FMCW 방식은 코히어런트 검출(coherent detection)을 사용하므로, 직접 검출(direct detection) 방식의 ToF LiDAR에 비하여 태양광 간섭에 대한 내성이 높다.
2. 레이저 송신부(Laser Transmitter)
LiDAR의 레이저 송신부는 측정에 사용되는 레이저 펄스 또는 연속파를 발생시킨다. 자율주행용 LiDAR에서 사용되는 주요 레이저 파장과 특성은 다음과 같다.
| 파장 | 레이저 유형 | 특성 |
|---|---|---|
| 905 nm | 반도체 레이저 다이오드 | 저원가, 소형, 넓은 가용성. 인안전(eye safety) 기준에 의한 출력 제한 |
| 1550 nm | 광섬유 레이저, InGaAs 레이저 | 인안전 기준 완화 (높은 출력 허용), 대기 투과율 양호, 센서 원가 상승 |
2.1 인안전(Eye Safety)
LiDAR가 방출하는 레이저는 인체, 특히 눈에 위험을 줄 수 있으므로, IEC 60825-1 표준에 따른 레이저 안전 등급을 준수해야 한다. 자율주행용 LiDAR는 일반적으로 Class 1(정상 사용 조건에서 안전) 등급을 충족해야 한다.
905 nm 파장은 망막(retina)에 도달하므로 출력 제한이 엄격하며, 이는 측정 가능 거리에 제약을 가한다. 1550 nm 파장은 각막(cornea)에서 대부분 흡수되어 망막에 도달하지 않으므로, 동일한 안전 등급에서 더 높은 출력이 허용된다. 이는 원거리 탐지 성능의 향상으로 이어진다.
3. 수광부(Receiver/Detector)
수광부는 대상에서 반사되어 돌아온 미약한 레이저 신호를 검출하는 광검출기(photodetector)로 구성된다.
3.1 주요 광검출기 유형
| 검출기 유형 | 대응 파장 | 특성 |
|---|---|---|
| Si APD (Silicon Avalanche Photodiode) | 850~950 nm | 저원가, 높은 양자 효율, 905 nm 대역 |
| InGaAs APD | 1000~1700 nm | 1550 nm 대역 호환, 높은 원가 |
| SPAD (Single-Photon Avalanche Diode) | 850~950 nm | 단일 광자 검출 가능, 극고 감도 |
| SiPM (Silicon Photomultiplier) | 850~950 nm | 다수 SPAD 병렬 배열, 동적 범위 향상 |
SPAD 기반 검출기는 단일 광자(single photon) 수준의 극미한 신호를 검출할 수 있어, 원거리에서 반사 신호가 약한 경우에도 측정이 가능하다. 최근에는 SPAD 배열을 이미지 센서 형태로 집적한 SPAD 어레이가 솔리드 스테이트 LiDAR에 적용되고 있다.
4. 빔 주사(Scanning) 메커니즘
LiDAR가 3차원 환경 정보를 획득하기 위해서는 레이저 빔을 다양한 방향으로 조사하여 주변 공간을 주사(scanning)해야 한다. 주요 빔 주사 방식은 다음과 같다.
4.1 기계식 회전(Mechanical Spinning)
다수의 레이저 송수신 쌍을 수직으로 배열하고, 전체 어셈블리를 모터로 360° 회전시켜 전방위 스캔을 수행한다. Velodyne사의 VLP-16, VLS-128 등이 대표적이다.
장점: 360° 전방위 측정, 높은 점군 밀도, 검증된 기술
단점: 기계적 구동부(모터, 베어링)에 의한 내구성 문제, 대형/중량, 고원가
4.2 MEMS 미러(MEMS Mirror)
미세 전자기계 시스템(MEMS) 기술로 제작된 소형 거울을 정전기력 또는 전자기력으로 구동하여 레이저 빔의 방향을 변화시킨다. 1축 또는 2축 MEMS 거울을 사용하여 2차원 주사를 수행한다.
장점: 소형, 저전력, 빠른 주사 속도
단점: 제한된 주사 각도(일반적으로 수평 120° 이내), MEMS 거울의 내구성
4.3 OPA(Optical Phased Array)
광 위상 배열은 다수의 광 방출 소자(emitter)의 위상을 전자적으로 제어하여 빔의 방향을 조절하는 방식이다. 기계적 구동부가 전혀 없으므로 완전한 솔리드 스테이트 구현이 가능하다.
장점: 구동부 없음, 높은 내구성, 빠른 빔 조향, 임의 패턴 주사 가능
단점: 기술 성숙도 낮음, 높은 사이드로브(sidelobe), 좁은 주사 범위
4.4 플래시(Flash)
레이저를 넓은 영역에 동시에 조사하고, 2차원 검출기 배열(SPAD 어레이 등)로 반사 신호를 수신하여 단일 펄스로 2차원 깊이 영상을 획득한다.
장점: 구동부 없음, 프레임 단위 동시 측정, 롤링 셔터 왜곡 없음
단점: 근거리 전용(레이저 에너지 분산), 낮은 해상도
5. LiDAR의 하드웨어 아키텍처
자율주행용 LiDAR의 전체적인 하드웨어 구성을 정리하면 다음과 같다.
| 구성 요소 | 기능 |
|---|---|
| 레이저 송신부(Laser TX) | 레이저 펄스 또는 변조 연속파 발생 |
| 빔 주사 장치(Scanner) | 레이저 빔의 방향 제어 (기계식, MEMS, OPA 등) |
| 수광 광학계(RX Optics) | 반사 신호 집광 |
| 광검출기(Photodetector) | 광 신호를 전기 신호로 변환 |
| 시간 측정 회로(TDC/TAC) | 비행 시간 또는 위상차 측정 |
| 신호 처리부(Signal Processing) | 잡음 필터링, 점군 생성 |
| 인터페이스(Interface) | 점군 데이터를 처리 장치로 전송 (이더넷, PTP 등) |
6. 반사 강도(Reflectivity Intensity)
LiDAR는 거리 정보 외에도 각 점에 대한 반사 강도(intensity 또는 reflectivity) 정보를 제공한다. 반사 강도는 대상 물체의 표면 재질, 색상, 입사각 등에 따라 달라지며, 다음과 같은 인자에 의하여 결정된다.
P_r = P_t \cdot \frac{\rho \cdot A_r}{\pi \cdot d^2} \cdot \eta_{sys}
여기서 P_r은 수신 전력, P_t는 송신 전력, \rho는 대상의 반사율(reflectance), A_r은 수광부 유효 면적, d는 거리, \eta_{sys}는 시스템 효율이다.
반사 강도 정보는 다음과 같은 용도로 활용된다.
- 노면 표시(차선, 정지선 등)의 검출: 노면 페인트는 주변 아스팔트에 비하여 높은 반사율을 가진다.
- 차량 번호판, 반사판 등 고반사 물체의 식별
- 재질 분류의 보조 정보
7. 다중 반사(Multiple Returns)
단일 레이저 펄스가 여러 물체에서 부분적으로 반사되어 복수의 수신 신호가 검출될 수 있다. 이를 다중 반사(multiple returns)라 하며, 빔의 일부가 가까운 물체(나뭇잎, 비방울 등)에서 반사되고 나머지가 먼 물체(건물, 도로 등)에서 반사되는 경우에 발생한다.
일부 LiDAR 센서는 첫 번째 반사(first return), 마지막 반사(last return), 가장 강한 반사(strongest return) 등 복수의 반사 신호를 기록할 수 있으며, 이는 악천후(비, 안개)에서의 인지 성능 향상에 활용된다. 예를 들어, 비방울에 의한 첫 번째 반사를 무시하고 마지막 반사만을 사용하면 비 너머의 실제 물체를 검출할 수 있다.
8. LiDAR의 주요 성능 파라미터 요약
| 파라미터 | 설명 | 일반적 범위 |
|---|---|---|
| 최대 측정 거리 | 반사율 10% 대상 기준 | 70~300 m |
| 거리 정확도 | 거리 측정의 통계적 오차 | \pm 1~5 cm |
| 거리 정밀도 | 반복 측정의 표준 편차 | \pm 0.5~2 cm |
| 수평 화각 | 수평 방향 측정 범위 | 60°~360° |
| 수직 화각 | 수직 방향 측정 범위 | 20°~45° |
| 각도 분해능 | 인접 빔 간 각도 간격 | 0.1°~0.4° |
| 점군 생성률 | 초당 생성 점 수 | 300,000~4,800,000 |
| 프레임률 | 초당 전체 스캔 횟수 | 10~30 Hz |
참고문헌
- Li, Y., & Ibanez-Guzman, J. (2020). Lidar for Autonomous Driving: The Principles, Challenges, and Trends for Automotive Lidar and Perception Systems. IEEE Signal Processing Magazine, 37(4), 50–61.
- Hecht, J. (2018). Lidar for Self-Driving Cars. Optics & Photonics News, 29(1), 26–33.
- Behroozpour, B., Sandborn, P. A. M., Wu, M. C., & Boser, B. E. (2017). Lidar System Architectures and Circuits. IEEE Communications Magazine, 55(10), 135–142.
- Royo, S., & Ballesta-Garcia, M. (2019). An Overview of Lidar Imaging Systems for Autonomous Vehicles. Applied Sciences, 9(19), 4093.
버전: 2026-04-11 v1.0