자율주행 시뮬레이션을 위한 물리 기반 센서 이상적인 카메라 센서 (Ideal Sensor)는 컴퓨터 비전 및 이미지 처리에 사용되는 이론적 개념이 포함되어 있다. 카메라 센서의 노이즈와 왜곡이 없고, 무한한 동적 범위 관점에서 완벽하다고 가정한다. 이상적인 카메라 센서로 촬영한 이미지는 아티팩트 (artifacts)가 없으며 색상과 밝기가 정확하게 표현된다. ​ 반면, 물리 기반 카메라 센서는 카메라 센서의 실제 속성을 고려한 보다 현실적인 모델이다. 여기에는 캡처된 이미지의 품질에 영향을 미치는 노이즈, 왜곡 및 제한된 동적 범위와 같은 요소가 포함된다. 물리 기반 카메라 센서는 일반적으로 렌즈 수차, 센서 노이즈 및 기타 물리적 속성과 같은 카메라의 광학적 속성을 시뮬레이션하는 수학적 모델을 기반으로..

이번 글에서는 물리 기반 가상환경을 구축하기 위해서 필요한 Ansys AVxcelerate에 대해서 알아보고자 한다. ​ ​ 자율주행차를 개발하려면 다양한 주행 시나리오에서 차량의 동작을 포괄적으로 이해해야 한다. 물리적 테스트 및 실제 시험과 같은 전통적인 테스트 방법은 비용이 많이 들고 시간이 많이 걸리며 잠재적으로 위험할 수 있다. Ansys AVxcelerate를 사용한 시뮬레이션을 통해 안전하게 자율 주행 차량 시스템을 테스트할 수 있고, 비용을 절감할 수 있으며 효율적인 방법을 찾을 수 있다. ​ Ansys AVxcelerate의 주요 기능 중 하나는 물리 기반 센서 및 환경을 시뮬레이션하는 기능이다. 즉, 엔지니어는 다양한 유형의 날씨, 지형, 조명 및 자율 주행 차량과 센서 시스템의 성능에..

SOTIF 시나라오 구현 사례 이전 글에서, 물리 기반 자율주행 시뮬레이션의 중요성에 대해 이야기하였는데, 그 이유에 대해서 좀 더 자세하게 살펴보고자 한다. 자율주행 차량에 탑재되는 레이더 및 라이다 센서는 일반적으로 ADAS/AD에서 환경의 객체를 감지하고 식별하는데 사용된다. 객체의 유전율과 반사율은 이러한 센서의 성능에 영향을 미치게 되는데, 유전율은 전자기파의 전파 속도와 방향에 영향을 미치며, 반사율은 센서로 다시 반사되는 에너지의 양을 결정한다. 물리기반 시뮬레이션에서는 객체의 유전율과 반사율을 정확하게 정의하고 시뮬레이션 환경에 통합할 수 있다. 이를 통해 우리는 다양한 기상 조건이나 조명 조건에서 센서의 성능을 테스트 및 평가하고 그에 따라 센서 매개변수를 조정할 수 있다. 또한 물리 기..

4차 산업혁명은 자율주행, 인공지능, 로봇공학, 빅데이터, 헬스케어, 가상현실 등 여러 분야를 기반으로 나뉘어 정의된다. 이중 자율주행 산업에 대한 관심과 투자가 많아지는 요즘, 자율주행차의 신뢰성과 안전성은 중요한 문제 중의 하나이다. 그렇기 때문에, 2018년에 발생한 우버 사고와 테슬라 사고는 우리에게 시사하는 바가 크다. ​ 출처: 국가기술표준원 기술보고서, 2018.08.VOL.113 ​ 우버 사고는, 무단 횡단하던 여성이 자율주행 모드로 주행 중이던 차에 치여 사망한 사건이다. 기술보고서에 따르면, 사고 차량은 6초 이전에 전방의 물체를 발견하지만 이를 Unclassified (분류 불가)로 분류하게 된다. 이로써 자율주행 로직은 잘 모르는 전방의 물체를 '내 차에 위협적이지 않은' 물체로 분..