비로 인해 자율주행 차량에 발생하는 문제

Elon Musk는 Tesla에서 카메라만을 사용하여 도로의 상황을 파악하는 자율주행을 구현할 계획이라고 밝혔습니다. Tesla의 접근방식은 자동차 업계 전체의 트렌드와는 상충하는 방식입니다. 대부분의 자율주행 시스템은 카메라, 레이더, 라이더를 함께 사용하여 차량 경로에 무엇이 있는지 파악합니다. 이러한 다중 센서 접근 방식을 사용하는 이유는 여러 센서 기술을 통해 일부 감지 기술에 혼동이 발생하는 경우의 문제를 해결할 수 있다는 믿음 때문입니다.

카메라 감지에 대한 Tesla의 관점에서, 장기간에 걸쳐 테스트와 연구가 이루어졌음에도 자율주행 차량의 성능을 저하시키는 문제점에 대해 알아보겠습니다. 첫 번째는 카메라입니다. 차량 카메라 문제 시나리오의 대표적인 예는 차량이 석양을 마주 보며 산 정상을 오르는 경우입니다. 사람 운전자와 마찬가지로 밝은 햇빛이 일시적으로 카메라의 시야를 가리게 됩니다. 차량이 어두운 계곡으로 내려갈 때도, 카메라가 상대적인 어둠에 적응할 때까지 시간이 걸리므로 일시적으로 시야가 차단됩니다.

햇빛이 카메라에 직접 비치는 ‘에지 케이스(edge case)’로 인해 카메라에는 혼동이 발생할 수 있지만 다른 유형의 센서들에는 혼동이 발생하지 않습니다. 인공 지능 분야에서 에지 케이스는 머신 러닝 알고리즘에는 발생한 적이 없지만 현실에서는 발생하는 비정상적인 상황입니다. 카메라 센서에 혼동을 일으킬 수 있는 에지 케이스의 대표적인 예는 트럭 뒤에 풍경이 그려진 경우입니다. 진짜 풍경이 아닌 그림이라는 사실을 트럭 뒤 차량에 설치된 카메라가 인식하지 못할 수 있습니다.

카메라 기술만을 사용하여 이러한 어려움을 극복하는 방법이 있을 수 있습니다. 예를 들어 적외선 카메라를 추가하여 이러한 문제를 해결할 수 있습니다. 하지만 카메라와 기타 자율주행 센서의 성능을 저하시키는 또 다른 장애물이 있습니다. 바로 악천후입니다.

(이미지 출처: Littelfuse)

렌즈의 특정 위치에 물(또는 눈)이 한 방울만 떨어져도 카메라의 작동에 방해가 될 수 있습니다. 빗방울이 렌즈에 떨어지지 않더라도 이미지와 동영상 프레임의 화소 강도에 영향을 주어 장애물을 식별하는 프로세스에 문제가 발생할 수 있습니다. 특히 빗방울 하나하나가 일부 빛을 차단하여 시야 내의 피사체로부터 빛이 반사되지 않을 수 있습니다. 또한 빗줄기로 인해 장면의 전체적인 대비가 떨어집니다. 몇 년 전 Michigan State University에서 실시한 테스트 결과, 이슬비가 내리는 경우 카메라 기반 알고리즘이 피사체의 20%를 감지하지 못했습니다. 더 많은 비가 내리면 시각 알고리즘의 실패율이 40%로 껑충 뛰었습니다.

카메라 기반 시스템이 피사체를 감지할 수 있도록 비의 영향을 완화하기 위해 설계된 알고리즘이 있지만 아직까지는 그 효과가 부족합니다. 이러한 알고리즘은 주로 인공으로 조성한 빗속에서 테스트되는데, 실제로 내리는 비는 이보다 훨씬 복잡하기 때문입니다.

레이더와 라이더에도 비나 눈이 올 때 주행에 다른 문제들이 발생합니다. 이유는 간단합니다. 두 감지 메커니즘 모두 피사체로부터 들어오는 반사를 통해 전방의 어디에 무엇이 있는지 파악하기 때문입니다. 빗방울이나 눈이 빛을 반사하면 눈과 비 뒤에 무엇이 있는지 파악하기 어렵습니다.

이슬비는 라이더에 큰 영향을 주지 않는 것으로 드러났습니다. 하지만 비가 많이 내리면 빗방울이 커져 라이더 센서가 이를 장애물로 인식할 수 있습니다. 또한 여러 번의 테스트 결과 폭풍이 지나간 후 다른 차량들로부터 튀기는 물로 인해 라이더가 피사체를 혼동할 수 있습니다. (폭풍우가 칠 때 고속도로에서 대형 트럭 뒤를 따라가는 경우를 생각해 보면 이 문제를 이해하는 데 도움이 될 것입니다.) 눈도 마찬가지입니다. 눈이 올 때 라이더 동작에 대한 테스트 데이터는 많지 않지만 눈이 오면 라이더가 피사체를 감지하지 못하거나 거짓 감지를 할 수 있는 것으로 나타났습니다. 예를 들어 핀란드와 스웨덴에서 실시한 테스트 결과, 전방의 차량에서 발생하는 눈 소용돌이로 인해 라이더 판독값이 왜곡될 수 있는 것으로 나타났습니다.

비와 눈 속에서는 레이더가 라이더보다 효과적으로 작동합니다. 비가 섞인 눈이 가장 많은 문제를 일으키는 것으로 보입니다. 습도가 높을 때 레이더의 가장 큰 단점은 반사 면적이 좁아져 보행자와 같은 피사체를 감지하는 성능이 저하된다는 점일 것입니다.

물론 악천후에서 자율주행 차량의 감지 기능은 여전히 활발히 연구되고 있습니다. 연구가 이루어지고 있는 접근방식 중 하나는 하나의 센서가 아닌 두 개의 센서를 사용하여 피사체를 감지하는 것입니다. 하나의 센서가 감지하지 못하는 피사체를 다른 센서가 감지하는 경우, 정교한 계산을 통해 어떤 센서가 정확한지 파악할 수 있습니다. 이 경우 차량에 설치되어야 하는 센서의 수가 늘어나기 때문에 자동차 제조업체들에 반가운 소식은 아닐 수 있지만, 다른 다양한 접근방식도 관심을 끌고 있습니다.

결국 자동차 제조업체들은 어떤 날씨에도 장애물을 정확히 감지하는 방법을 찾게 될 것입니다. 적어도 자동차에 있어서는 널리 알려진 문구에서 한 단어만 바꾸어 '나쁜 날씨란 없다. 운전하기에 다양한 날씨가 있을 뿐'이라는 말이 실현될 수 있을 것입니다.