위키원
라이다
라이다(Lidar; light detection and ranging 또는 laser imaging, detection, and ranging)는 레이저를 발사하여 그 빛이 대상 물체에 반사되어 돌아오는 것을 받아 물체까지 거리 등을 측정하고 물체 형상까지 이미지화하는 기술이다. 라이트(light)와 레이더(radar)의 합성어로, 카메라 센서, 배달용 로봇, 드론, 스크린 도어, 도로교통 시스템 등 다양한 분야에 활용된다. 특히 자율주행을 구현하기 위한 핵심 기술로 평가받고 있다.
목차
개요
라이다는 전통적 레이다(radar; radio detection and ranging)와 원리 측면에서는 동일하지만 사용하는 전자기파 파장이 다르기 때문에 실제 적용 분야와 이용 기술에서 차이가 있다. 라이다는 대상 물체까지 거리, 속도와 운동 방향, 온도, 주변의 대기 물질 분석 및 농도 측정 등 다방면에서 활용된다. 구름, 빗방울, 에어로졸 등을 감지할 수 있어 기상 관측과 지형을 정밀하게 그려 내거나 비행체 착륙 유도에 쓰인다. 라이다가 가장 각광받는 분야는 자율주행이다. 3D 영상을 구현하기 위하여 필요한 정보를 습득하는 센서의 핵심 기술로 라이다가 활용된다. 라이다를 장착하고 레이저 펄스를 발사해서 돌아오는 시간을 측정하면 반사 지점의 공간 위치를 분석할 수 있다. 빛을 반사하는 대상에 따라 빛이 돌아오는 시간이 다르기 때문에 이를 활용해 3차원 모델을 얻는다. 이는 라이다의 뛰어난 공간 분해능 때문에 가능하다. 라이다의 적외선 공간 분해능은 짧은 파장으로 0.1도 단위까지 세분할 수 있다.[1] 기술 발달로 라이다 비용이 저렴해지고 크기도 작아졌다. 과거에만 해도 자율주행 자동차 위에 큰 라이다가 장착되어 볼품이 없었지만 점차 소형화되면서 디자인 측면에서도 진일보했다는 평가를 받고 있다.[2]
역사
라이다 기술은 탐조등 빛의 산란 세기를 통하여 상공에서의 공기 밀도 분석 등을 위한 목적으로 1930년 대 처음 시도되었으나 1960년대, 레이저의 발명과 함께 비로소 본격적으로 개발되기 시작했다. 1970년대 이후 레이저 광원 기술의 지속적인 발전과 함께 다양한 분야에 응용 가능한 라이다 기술들이 개발되었다. 항공기, 위성 등에 탑재되어 정밀한 대기 분석 및 지구환경 관측을 위한 중요한 관측 기술로 활용되었으며, 우주선 및 탐사 로봇에 장착되어 사물까지의 거리 측정 등 카메라 기능을 보완하기 위한 수단으로 활용됐다. 지상에서는 원거리 거리 측정, 자동차 속도 위반 단속 등을 위한 간단한 형태의 라이다 기술들이 상용화되어 왔으며, 최근에는 3D 리버스 엔지니어링 및 자율주행 자동차를 위한 레이저 스캐너 및 3D 영상 카메라의 핵심 기술로 활용되면서 그 활용성과 중요성이 점차 증가되고 있다. 라이다 기술은 이렇듯 광범위한 분야에서 활용될 수 있음에도 불구하고 미국, 유럽 및 일본에 비하여 우주 및 지구 과학분야의 발전이 상대적으로 미약한 대한민국에서는 크게 주목 받지 못해 관련 핵심 기술의 확보가 아직 미약한 수준이다. 한편 현대의 라이다 기술은 1960년대 초 레이저가 발명되고, 레이저의 초점 이미지와 신호가 돌아오는데 걸리는 시간을 측정함으로써 거리를 계산하는 레이다 기술과 결합되면서 급속하게 발전했다.[3]
구성 및 동작원리
라이다 시스템의 구성은 응용 분야에 따라 때로는 매우 복잡하게 구성되지만, 기본적인 구성은 우측 그림과 같이 레이저 송신부, 레이저 검출부, 신호 수집 및 처리와 데이터를 송수신하기 위한 부분으로 단순하게 구분될 수 있다. 아울러 라이다 센서는 레이저 신호의 변조 방법에 따라 비행시간 거리측정(ToF; time-of-flight) 방식과 위상변이(phase-shift) 방식으로 구분될 수 있다. 비행시간 거리측정 방식은 레이저가 펄스 신호를 방출하여 측정 범위 내에 있는 물체들로부터의 반사 펄스 신호들 이 수신기에 도착하는 시간을 측정함으로써 거리를 측정하는 것이 가능하다. 위상변이 방식은 특정 주파수를 가지고 연속적으로 변조되는 레이저 빔을 방출하 고 측정 범위 내에 있는 물체로부터 반사되어 되돌아 오는 신호의 위상 변화량을 측정하여 시간 및 거리를 계산하는 방식이다. 레이저 광원은 250 나노미터부터 11μm까지의 파장 영역에서 특정 파장을 가지거나 파장 가변이 가능한 레이저 광원들이 사용되며, 최근에는 소형, 저전력이 가능한 반도체 레이저 다이오드(laser diode)가 많이 사용된다. 특히, 레이저의 파장은 대기, 구름, 비 등에 대한 투과성과 레이저 안전 등급인 아이세이프티(eye-safety)에 직접적인 영향을 준다. 기본적으로 레이저 출력, 파장, 스펙트럼 특성, 펄스폭 및 모양 등과 함께 수신기의 수신감도 및 다이내믹 레인지, 그리고 광학필터 및 렌즈의 특성이 라이다의 성능을 결정하는 주요 요인이다. 이와 함께 수신기의 측정 각도를 나타내는 FOV(field of view) 즉, 시야각 측정 범위를 선택하기 위한 필드스탑(field stop), 레이저 빔과 수신기의 시야각 오버랩(overlap) 특성 등도 중요한 항목이다. 광속에 대하여 단위 데이터 수집을 위한 최소 시간은 거리 분해능(range resolution)을 결정하는 요인이며, 따라서 1m 이하의 거리 분해능을 위해서는 수 ns 이내의 데이터 수집 및 처리가 요구된다.[4]
종류
기계식 라이다
360도 회전을 하는 기계식 라이다 시스템은 모든 첨단 운전자 보조 시스템(ADAS) 기술 중에서도 가장 넓은 시야각을 가지고 있다. 고급 광학이나 회전 어셈블리를 이용해 와이드(보통 360도) 시야각을 만들어낸다. 기계식 요소는 와이드 시야각 이상으로 신호 대 잡음비(SNR; signal-to-noise ratio)가 높지만 몸집은 커진다. 최근에는 이런 크기가 줄어들고 있는 추세다.[5]
고정형 라이다
뛰어난 수평 시야각을 가지고 있는 고정형 라이다는 회전하는 기계식 컴포넌트들이 없고 시야각은 줄어들기 때문에 더욱 저렴하다. 차량의 전방과 후방, 측면의 여러 채널들을 이용해 그 데이터들을 융합하면 기계식 라이다에 필적하는 시야각이 만들어진다. 고정형 라이다를 구현하는 방식은 다음과 같이 여러 가지가 있다.[5]
MEMS 라이다
MEMS 라이다 기술은 고속 마이크로 노딩 미러(solid-state)와 모터 기반의 미러 스캐닝 구조(mechanical)를 접목한 독특한 방식의 라이다 구조에 관한 기술이다. 즉, 수직방향은 MEMS 미러로 고속 굴절을 하고, 수평 방향으로는 모터를 이용해 기계적으로 회전하는 방식이다. MEMS는 micro-electro mechanical systems의 약자로, 기존의 기계성형 방식이 아닌 반도체 마이크로 칩 제조기술을 응용해 매우 작은 기계장치를 제조하는 기술로 제작한 장치이다. MEMS 라이다 시스템은 전압 같은 자극이 적용되면 기울기 각이 달라지는 작은 미러들을 사용한다. 사실상, 기계식 스캐닝 하드웨어를 전자기계식으로 대체한 것이 MEMS 시스템이다. 기술에서의 MEMS 미러는 매우 작은 모터와 반사경인 미러를 조합해 반도체 칩과 같이 작게 제조한 것을 뜻한다.[6] EMS 시스템의 경우, 수신 신호 대 잡음비를 결정하는 리시버 집광 조리개가 몇 mm로 일반적으로 매우 작다. 여러 가지 차원으로 레이저 빔을 이동시키려면 복수의 미러들을 연속으로 늘어놔야 한다. 이러한 정렬 프로세스는 평범하지 않지만 일단 설치하고 나면 움직이는 차량에서 쉽게 접하게 되는 충격과 진동에 취약하다. MEMS-기반 시스템의 또 다른 취약점은 자동차의 사양이 영하 40에서 시작하는데, 이것이 MEMS 디바이스에는 까다로울 수 있다.[5]
플래시 라이다
플래시 라이다의 작동은 광학 플래시를 사용하는 표준 디지털 카메라와 매우 유사하다. 플래시 라이다 시스템에서는 한 개의 대면적 레이저 펄스가 전방 환경에 빛을 비추고 그 레이저에 가까이 위치한 광검출기의 초점면 어레이가 후방산란 광을 포착한다. 이 검출기는 이미지의 거리, 위치, 반사 강도를 포착한다. 이 방식은 기계식 레이저 스캐닝 방식에 비해 단 하나의 이미지로 전체 장면을 포착하고, 데이터 포착 속도가 훨씬 빠르다는 장점이 있다. 또한, 전체 이미지가 단 하나의 플래시에 포착되어 이미지를 왜곡시킬 수 있는 진동 효과에 영향을 비교적 덜 받는다. 이 방식의 단점은 실생활 속에 존재하는 역반사체에 있다. 역반사체는 빛의 대부분을 반사시키고 조금 후방 산란시켜, 사실상 전체 센서를 블라인드 시켜 이를 무용지물로 만든다. 이 방식의 또 다른 단점은 전체 장면에 빛을 비추어 충분히 먼 곳까지 보려면 매우 높은 피크 레이저 파워가 필요하다는 것이다.[5]
OPA
OPA(Optical phase array)의 원리는 위상 어레이 레이더와 유사하다. OPA 시스템에서는 광학 위상 모듈레이터가 렌즈를 통과하는 빛의 속도를 제어한다. 빛의 속도를 제어하면, 광학 파면 형상을 제어할 수 있다. 상단의 빔은 지체되지 않지만, 중간과 아래의 빔은 양을 늘리면서 지체된다. 이 현상은 사실상 레이저 빔을 여러 방향으로 겨누도록 조향하는 것과 같다. 비슷한 방식들 역시 후방 산란된 빛을 그 센서로 조향함으로써 기계식 운동 부품들을 제거할 수 있다.[5]
FMCW
MEMS 라이다, 플래시 라이다, OPA 라이다 모두 협광 펄스를 이용한 비행시간 거리측정에 기반한 것들이지만, FMCW(Frequency-modulated continuous wave) 라이다는 가간섭성 방식을 이용해 짧은 처프의 주파수 변조 레이저 광을 만들어낸다. 되돌아온 처프의 위상과 주파수를 측정하면 시스템이 거리와 속도를 둘 다 측정할 수 있다. FMCW에서는 계산량과 광학이 훨씬 단순하다. 그렇지만 처프 생성으로 복잡함은 가중된다.[5]
방식
회전형 라이다
라이다에 응용되는 파장은 시각안전파장으로 알려진 1,550 나노미터 대역과 실리콘 광 검출기를 이용할 수 있는 850 나노미터 및 905 나노미터 대역의 부근을 이용하는 기술로 나누어진다. 일반적으로 상용 광원 부품이 많이 나와 있는 830~850 나노미터 대역과 905 나노미터 대역이 이용되는데, 이 대역은 가시광선 대역에서 벗어나 있어 눈에 보이지 않으면서도 화합물 광 검출기보다 상대적으로 저렴한 가격의 실리콘 광 검출기를 이용할 수 있는 장점이 있다. 하지만 일반적으로 해당 파장 대역에서는 실리콘 광 검출기의 공정 최적화를 거쳐도 광 검출 효율이 5% 미만 수준으로 떨어져서 일반 가시광선을 이용하는 실리콘 광 검출기의 성능에 크게 미치지 못하는 수준이다. 이러한 단점에도 불구하고 저렴한 방식으로 라이다 모듈을 구성할 수 있어서 상용화 및 응용이 가장 활발한 방식이다. 그러나 실제 응용에서는 앞서 언급한 이유로 검출성능이 낮아서 탐지거리가 줄어드는 것이 일반적인데, 이를 억제하기 위해서는 송광 신호를 크게 하거나, 수광되는 신호를 크게 하려고 송광되는 빔의 퍼지는 정도를 최대한 줄이는 방식이 이용된다. 송광신호를 키우는 것은 시각안전 문제로 한계가 있어 실제로는 빔 퍼짐 정도를 최대한 줄여서 목표물에 닿는 스팟을 줄이는 방식을 활용하고, 이 스팟을 하나의 광 검출기로 검출하는 방식을 이용하여 검출거리를 반사율 90%에서 100미터 내외까지 증가시킬 수 있다. 결국, 실제 구현은 송광되는 빔의 크기를 일정한 수준으로 유지되는 상태(collimated beam)로 다수의 레이저를 수직방향으로 배치하여 송광하고, 이 빛에 쌍을 이루는 다수의 수광 채널을 두어 이를 수평 방향으로 회전함으로써 100미터 내외의 3차원 영상 확보가 가능하다. 기술적으로 가장 간단하기 때문에 가장 많은 상용제품이 개발 및 판매되고 있다. 하지만 이 방식의 기술이 차량용으로 사용되기에는 두 가지 문제점이 있다. 첫째는 자율주행 수준이 높아질수록 중요해지는 수직해상도가 높아야 되는 경우, 송수광부 쌍을 송수광 렌즈 뒷면에 배치하기 때문에 전체 모듈의 부피가 급격하게 커지는 문제점이 있다. 두 번째는 송수광부와 본체 사이의 전기적인 연결을 유지하면서 회전을 해야 하는 방식으로 슬립링 등의 특성에 의하여 수명 및 센서동작 안정성의 개선이 필요하다.[3]
화합물 어레이형 라이다
어레이형 라이다 기술은 수광부 픽셀을 N×M형태로 세로와 가로로 다수를 배치하는데 이 어레이의 배치가 바로 최종 3차원 영상 해상도의 기준이 되는 방식이다. 또한, 광 검출을 위한 수광부가 어레이로 배치되어 있기 때문에 송광부는 빛을 퍼트려서 보내는 방식을 주로 사용한다. 이때 실리콘 광 검출기가 검출할 수 있는 파장대역의 광 파워보다 1,000배 이상 높은 에너지를 사용하더라도 눈에 안정적인 1,550 나노미터 파장 대역을 사용하는 경우, 앞서 설명한 바와 같이 시각안전 특징이 있어 비교적 넓은 영역의 탐지거리 확보가 가능하다. 하지만, 저렴한 실리콘이 아닌 상대적으로 고가의 화합물 광 검출기를 사용해야 하며, 검출신호의 병렬 처리를 위한 리드아웃 IC(Readout IC)도 동일하게 2차원 어레이 구조로 제작해야 하는 문제점이 있다. 또한, 픽셀 크기로 제한된 영역의 회로에서 픽셀 별로 발생하는 신호를 고속 및 저잡음으로 병렬 처리하여 거리 및 반사 신호의 세기 등을 추출하도록 해야 한다. 결국, 이러한 기술상의 제약조건과 높은 비용구도의 화합물 광 검출기 어레이 및 리드아웃 IC 제작의 어려움으로 인하여 최종적으로 차량용에 불리한 고가의 솔루션이 될 수밖에 없다. 또한, 이 방식은 빔을 퍼트리는(diffuse) 방식으로 인하여 상대적으로 높은 레이저 파워를 필요로 하므로 내구성 및 프레임 레이트 개선 등에 한계를 가지게 된다. 이러한 고출력 광원의 문제를 해결할 수 있는 방법으로 2차원 화합물 광 검출기 어레이를 단일광자 광 검출모드(Geiger-mode), 즉 가이거모드를 활용하는 방법이 있다. 이 방식의 경우 단일 광자 수준의 낮은 광 수신 파워로도 검출이 가능하여 고출력 레이저 광원이 필요하지 않으며, 고출력 레이저로 인하여 발생할 수 있는 단점을 보완할 수 있다. 하지만 단일광자를 검출하기 위한 방법인 가이거모드 자체가 가지는 고유의 노이즈원인 다크카운트(dark count) 및 애프터 플러싱(after pulsing) 효과는 획득된 3차원 영상에 심각한 노이즈 발생원으로 작용하여 통계적 데이터 처리와 같은 충분한 신호처리를 해야만 실제 차량용으로 응용할 수 있어 이에 대한 대책이 필요하다.[3]
실리콘 어레이형 라이다
화합물 어레이 방식은 화합물 어레이 및 리드아웃 IC로 인하여 저가형 솔루션으로 만들기에는 한계가 있다. 이러한 문제에 대한 해법으로 제시되고 있는 방법 중 하나가 저렴한 실리콘 광 검출기 어레이를 활용하는 것이다. 이 방법은 기존의 CMOS(complementary metal-oxide-semiconductor) 이미지 센서 또는 전하결합소자(CCD; charge coupled device) 비전 센서에 존재하는 픽셀을 변형하여 아날로그 또는 디지털 방식으로 변조된 빛을 조사한 후 수광되는 빛의 상대적인 위상을 추출하도록 활용한 방식이다. 이 방식은 실리콘에서 흡수가 가능하도록 하기 위해 응용파장을 830~905 나노미터 대역으로 두어야 하고, 따라서 시각에 안전하지 않은 문제점을 안고 있기 때문에 1550 나노미터 파장과는 달리 사용이 가능한 최대 광 파워가 매우 제약적인 것이 특징이다. 하지만 기존의 이미지센서 칩들과 같이 다양한 CMOS 회로 기법 및 신호처리 기법을 이용하여 최대한 저잡음 상태에서 검출이 가능하도록 CMOS 픽셀 및 CCD 픽셀 자체를 최적화하여 탐지거리를 늘일수 있다. 이 방식의 가장 큰 문제점으로 지적되는 부분은 높은 입사 배경광 잡음에 의하여 픽셀이 쉽게 포화(saturation)된다는 것이다. 실제로 이러한 문제점으로 인하여 전 세계적으로 개발된 모든 CMOS/CCD 실리콘 TOF 센서는 적절한 광학 필터를 사용하는 조건에서도 야외기준 탐지거리 10 미터 수준을 넘지 못하는 상황이고, 태양광 아래에서도 최소 20 미터, 최대 100 미터 이상의 탐지성능을 확보해야 하는 자율주행 자동차 및 스마트카에 적용하기에는 성능상의 제약이 많이 따른다.[3]
스터드 방식 라이다
다양한 방식의 3차원 라이다 기술이 존재하지만, 각각의 기술은 고유의 문제점이 존재하기 때문에 추가적인 개선이 필요한 상황이다. 각 기술분야의 선두를 지키고 있는 각국의 대표기업은 보유기술에 대한 기술적인 선점을 강화해 가면서 동시에 문제점 해결을 위해서 노력하고 있다. 이러한 상황에서 한국전자통신연구원은 기존 기술의 문제점을 독자적인 기법을 이용하여 원천적으로 해결하기 위해 국내 독자 기술인 스터드(STUD, static unitary detector) 방식을 세계 최초로 제안하였다. 이 기술은 고해상도의 3차원 영상품질을 낮은 비용으로 확보하는데 최적인 솔루션으로 평가되고 있는데, 센서 배치 구조에 따라 자율주행 자동차용 3차원 영상 센서뿐만 아니라, 경량 저전력이 필요한 드론용 센서, 내구성 및 내진 동성이 필요한 국방 경계 감시 로봇, 초소형 사물인터넷(IoT) 센서 등에 적합하도록 확장 및 응용이 용이하다. 지금까지 연구는 일반적으로 요구되는 국방용 및 민수용 애플리케이션을 타겟으로 다양한 연구시제품을 확보해 왔으며, 최근 글로벌 라이다 센서 시장의 경쟁이 더욱 치열하게 확대되고 있어, 차세대 라이다 요소기술 개발 및 추가적인 핵심 IPR 확보를 진행해 가고 있다. 이 중에서 세미눈(SemiNoon)이라 명명된 GEN3 모델은 3세대 연구시제품으로 현재 판매되고 있는 상용 라이다 제품 수준인 100×100×150 미리미터 크기로 소형화를 이룬 모델이다. 이 모델을 통해 획득이 가능한 검출성능은 최대 전방 40도, 200미터 범위에 대하여 가로 320 픽셀, 세로 240픽셀의 해상도로 3차원 영상 및 일반영상(반사세기영상)의 획득이 가능하며, 이는 3차원 해상도 및 공간 분해능 관점에서 세계 최고 수준이다. 세미눈 모델은 검출되는 3차원 정보(픽셀 별 거리 및 반사정보)의 포인트 클라우드를 사용자 데이터그램 프로토콜(UDP) 패킷 포맷으로 전송하며, 자체 포인트 클라우드 전용 디스플레이 프로그램에 의하여 획득된 3차원 입체영상 및 일반영상을 실시간으로 확인할 수 있다. 기본적으로 스터드 방식은 센서 모듈 구성의 유연성이 기존의 다른 라이다 기술과 비교하여 매우 높아 회전없이 광각 및 360도 탐지형태로도 간단하게 구현할 수 있으며, 구동 중에도 해상도 임의조절이 자유롭고, 센서모듈의 소형화에도 매우 유리한 특징을 갖고 있어 향후 추가적인 연구시제를 통해 다양한 분야로 응용될 예정이다.[3]
활용
라이다는 우주탐사, 지구 지형 및 환경 관측을 위한 항공 산업과 더불어 자율주행 및 무인자동차 산업에서의 수요가 늘어남에 따라 완성차 및 자동차 부품 산업 분야에서 빠르게 성장하고 있다. 항공, 위성 및 우주 산업에 적용되는 라이다의 경우 특수 목적에 맞게 소량으로 개발되어 개발비의 비중이 높아 산업 측면에서 수요가 맞지 않은 편이다. 특히 자율주행 및 무인자동차 산업에 적용되는 모바일 라이다의 경우 상용화된 제품이 많지 않으며, 일부 기업이 라이다 센싱 기술을 독점하고 있어 가격대가 높다. 하지만 자율주행 및 무인자동차의 핵심 부품인 라이다에 대한 관심이 높아지면서 대량 생산이 가능한 저가격의 라이다 제품이 상용화되고 있다. 차량용 라이다는 전 세계적으로 소수에 불과하지만, 이미 관련 완성차 업체에서 스마트카에 적용할 수 있을 정도로 기술력 및 상용화 진행은 상당히 진척되어 있는 단계다.[7]
산업별 분류 및 라이다 적용 분야[7] 자동차 우주·위성 항공기 지상 - 자율주행 자동차
- 무인자동차
- 3D 지형 정보 수집
- 차량 주변 환경 감지 및 정보 수집
- 우주선 도킹 시스템
- 행성 탐사선
- 지구 지형 관측
- 환경 관측
- 지구환경 관측
- 산림관리 및 계획
- 도시모델링, 해안선 관리
- 교통 및 셀룰러 네트워크 계획
- 3D 레이저 스캐너
- 영상 관측 카메라
- 로봇
- 3차원 모델링
자율주행차
자동차 제조사들은 최신 자동차에 다양한 첨단 제어 감지 기능들을 넣고 있다. 충돌경고회피 시스템, 사각지대 모니터, 차선유지 지원, 차선이탈 경고, 어댑티브 크루즈 컨트롤 등은 운전자를 보조하고 특정 운전 작업을 자동화해 운전을 보다 안전하고 편안하게 해주는 기능들로 잘 알려져 있다. 라이다, 레이더, 초음파 센서, 카메라는 저마다 고유의 장단점을 가지고 있다. 고등 자율주행 자동차나 완전자율주행 자동차는 보통 복수의 센서 기술들을 이용해 여러 가지 날씨 조건과 광 조건에서 차량 주변상황에 대한 장거리나 단거리 지도를 정확히 만들어낸다. 서로를 보완하는 기술들도 중요하지만, 충분한 중첩을 통해 중복을 증가시켜 안전을 개선하는 것 역시 중요하다. 센서 퓨전(sensor fusion)이란 복수의 감지 기술들을 이용해 차량 주변의 환경에 대해 정확하고 믿을 수 있는 지도를 생성한다는 개념이다. 초음파는 몇 미터만 벗어나도 대기 중에서 크게 감쇠하게 된다. 따라서 초음파 센서는 주로 단거리 물체 감지에 쓰인다. 카메라는 비용 효율적이고 쉽게 구할 수 있는 센서이지만, 유용한 정보를 추출하려면 상당한 프로세싱이 필요하며 주변의 광 조건에 크게 좌우된다. 카메라는 색를 인지하는 유일한 기술이라는 점에서 특별하다. 차선유지 보조 기능이 있는 자동차는 이 기술에 카메라를 사용한다. 라이다와 레이더는 주변을 맵핑하고 물체 속도를 측정할 수 있는 다양한 공통 기술들과 보완 기술들을 공유하고 있다.
- 거리 : 라이다와 레이더 시스템은 수 m부터 200m 이상까지 떨어져 있는 물체를 감지할 수 있다. 라이다는 근거리 물체를 감지하기 어렵다. 레이더는 1m도 안 되는 거리의 물체부터 200m 이상 떨어진 물체까지 감지할 수 있지만, 그 거리는 단거리·중거리·장거리 레이더 등 시스템의 유형에 따라 달라진다.
- 공간 분해능 : 라이다가 두각을 나타내는 부분이 바로 이 부분이다. 레이저 광을 조준할 수 있는 능력과 905~1550 나노미터의 짧은 파장 때문에 라이다의 적외선(infrared) 공간 분해능은 0.1도 단위까지 나눌 수 있다. 이는 백-엔드 프로세싱 없이도 물체들의 특징을 한 장면으로 3D 묘사할 수 있다는 것이다. 반면 레이더의 파장(4mm for 77GHz)은 거리가 늘어날수록 작은 특징들을 분석하는데 애를 먹게 된다.
- FOV(Field of View) : 고정형(Solid-State) 라이다와 레이더는 둘 다 뛰어난 수평 시야각을 가지고 있지만, 360도 회전을 하는 기계식 라이다 시스템은 모든 첨단 운전자 보조 시스템 중에서도 가장 넓은 시야각을 가지고 있다. 라이다는 수직 시야각, 즉 고도에서 레이더보다 뛰어나다. 또한, 라이다는 시야각과 고도 모든 각도 분해 능에서도 레이더보다 우위에 있다. 이것은 물체 분류를 개선하는데 꼭 필요한 핵심 기능이다.
- 날씨 조건 : 레이더 시스템의 가장 큰 장점 중 하나가 비, 안개, 눈에 강하다는 것이다. 라이다는 대개 이러한 날씨 조건에서 성능이 하락한다. 1550 나노미터의 적외선 파장을 이용하면 악천후에서 라이다의 성능을 개선할 수 있다.
- 기타 요소들 : 라이다와 카메라는 둘 다 주변 광 조건에 영향을 받기 쉽다. 그렇지만 야간의 경우, 라이다 시스템은 매우 높은 성능을 낼 수 있다. 레이더와 변조된 라이다 기술들은 다른 센서들의 간섭에 강하다.
- 비용과 크기 : 레이더 시스템은 최근 고도로 소형화되고 저렴해졌다. 라이다가 인기를 얻게 되면서 비용이 가파르게 떨어졌고 가격은 5만 달러에서 1만 달러 아래까지 떨어졌다. 일부 전문가들은 라이다 모듈의 비용이 2022년까지 200달러 아래로 떨어질 것이라 내다보고 있다. 최신 자동차에서 레이더가 주류가 될 수 있었던 이유는 통합이 늘어나면서 시스템 크기와 비용이 줄었기 때문이다. 기존의 기계식 스캐닝 라이다 시스템은 구글 자율주행 자동차 꼭대기에 올려진 모습에서 보았듯이 덩치가 크지만, 기술의 발달로 라이다의 크기도 작아졌다. 고정형 라이다로의 산업 변화는 앞으로 시스템의 크기를 더욱 축소시킬 것이다.[5]
라이다는 안개, 비와 같은 악천후 상에서 빛의 산란 및 난반사가 발생할 수 있으며, 라이다 센서 검지부 외부의 오염 등에도 매우 취약하다. 따라서 실내용 자율주행 이동체 또는 맑은 날씨에 활용하는 장애인용 이동체 안전 보조 등에 활용이 가능하다. 실내용 자율주행 이동체는 실내용 완구 및 청소 로봇, 추종형 자율주행 카터, 자율주행 서류배달 로봇, 장애인용 자율주행 휠체어, 자율주행 근거리 택배 배송장치, 물류기지의 이송 로봇 등 다양한 활용범위를 가진다. 보안용 및 제조산업 안전용으로도 활용 가능하다. 라이다의 조사 면적을 특정함으로써, 문 또는 창문을 통과하는 사람을 감지하거나, 지하철 특정구역에 진입하는 물체를 감지하는 등 다양한 보안용 활용이 가능하다. 또한 제조 현장에서 작업자의 진입, 신체 일부의 간섭 등 안전을 감지하는 센서로 기존의 포토센서를 대체 또는 보완하기 위해 활용할 수 있다. 양산하고 있는 레벨2 이하의 자율주행 시스템은 라이다를 양산 적용하는 사례가 극히 적다. 이는 라이다가 고가이며, 양산 가격대의 제품은 채널 수가 적고(4 또는 8 채널), 악천후 및 오염에 취약해 레이더 등 보조센서가 필요한 경우가 많기 때문이다. 레벨3 이상의 자율주행 시스템은 라이다가 거의 필수로 인식되고 있다. 이는 레이더가 거리 정확도는 높으나 각도 정확도가 낮고, 카메라 기반의 비전센서는 각도정확도는 상대적으로 높으나 거리정확도가 낮은 특성 때문이다. 반면 라이다는 거리와 각도 정확도가 모두 매우 높아, 고레벨 자율주행을 위한 물체인식, 정밀맵 생성, 레퍼런스 기반 상대측위에 대체품이 거의 없는 센서이다. 실외용 자율주행 이동체 및 영역 감시용으로 라이다를 활용할 수 있다. 실제로 200m급 장거리 센서로, 군용 UGV(Unmanned Ground Vehicle)와 고정형으로 특정 지역의 침투 객체를 감지하는 보안용은 물론 점차 확대되고 있는 자율주행 농기계 또는 건설장비에도 활용 가능하다.[6]
비교
레이더
라이다와 레이더(Radar)는 이름도 비슷하지만 글로벌 자율주행차 업계를 갈라놓을 만큼 다르다. 라이다와 레이더는 한마디로 자율주행 자동차의 눈을 담당하는 이미지 센서다. 이중 무엇이 더 효율적인가 하는 문제를 놓고 자동차 업계에서는 논쟁을 이어왔다. 2019년 테슬라(Tesla) 일론 머스크(Elon Musk) 대표는 테슬라 자율주행 시연행사 당시 “라이다는 멍청이들의 심부름(Lidar is a fool’s errand)”이라며 라이다에 회의적인 입장을 표했다. 이에 레이더만을 탑재한 테슬라의 완전 자율주행(FSD; full self-driving)을 개발, 출시했다. 반면 구글(Google) 웨이모(Waymo)와 중국의 테슬라라고 불리는 샤오펑(Xpeng) 등은 라이다가 자율주행에 필수 요소라고 말한다. 둘의 가장 큰 차이라면 사물 보는 방법이다. 사람의 눈은 반사된 태양광을 매개로 사물을 본다. 라이다의 경우 레이저(빛), 레이더는 전파를 매개체로 삼는다. 라이다는 고출력 레이저 펄스를 발사해 레이저가 목표물에 맞고 되돌아오는 시간을 측정한다. 이에 사물간 거리, 형태를 파악한다. 비행시간 거리측정 기술이라고도 불리는 이유다. 레이더는 라이다와 동일한 방식으로 작동하지만 레이저 대신 전파를 이용한다는 점에서 다르다. 전파를 발사해 물체에 맞고 되돌아오는 데이터로 물체의 거리, 속도, 방향 정보를 파악한다. 전파 도달 거리에 따라 단거리, 중거리, 중장거리 등으로 나눌 수 있다. 전파의 파장이 길수록 도달할 수 있는 거리가 길어진다. 하지만 상대적으로 정확도는 떨어진다는 약점도 있다. 사물을 인식하는 방법이 다른 만큼 성능에도 차이가 있다. 하지만 업계에서 끊임없는 논쟁이 어지는 만큼 어느 센서가 더 우월하다고 단정지을 수는 없다.[8]
- 정밀도 : 라이다가 앞선다. 라이다가 자율주행자의 이미지 센서로 주목받는 이유이기도 하다. 라이다는 직진성이 강한 1550 나노미터 근적외선을 이용한다. 강한 직진성 덕에 레이저가 사물에 맞고 돌아오는 동안 왜곡이 발생하지 않는다. 이에 대상을 보다 정밀하게 인식한다. 오차 범위가 미리미터(mm)~센티미터(cm)에 불과할 정도로 정밀 관측이 가능하다. 라이다는 거리를 비롯해 폭과 높낮이 정보까지 측정해 대상을 3차원으로 인식한다. 정밀도를 높이는 요인이다. 라이다 센서는 레이저를 여러 갈래로 쪼개어 발사한다. 16, 32, 64개 등 나눠지는 레이저 채널 수가 높아질수록 세밀한 인식이 가능하다. 이에 도로 환경을 3D 맵핑하는 데도 용이하다. 반면 레이더는 사물의 정확한 형체까지 인식하지는 못한다. 전자파가 되돌아오는 신호를 기반으로 사물 간 거리, 속도, 방향 등을 예측만 가능하다.[9] 이에 주변 물체를 인식할 수 있는 광학 카메라와 함께 작동해야 한다.[8]
- 가성비 : 라이다의 치명적인 약점이자 상용화의 최고 걸림돌은 바로 높은 가격이다. 2010년 웨이모가 처음 자율주행 기술을 선보였던 당시 제품 개발 초기의 라이다 센서의 가격은 한 대당 7만 5,000달러(약 8,500만 원)에 달했다. 거의 자동차 한 대와 맞먹는 가격이다. 이후 2019년 허니콤(Honeycomb)이라는 라이다 유닛을 자체 개발했지만 7,500달러 가격으로 여전히 고가였다.[10] 자율주행차 업계에서 라이다가 환영받지 못하는 가장 큰 이유는 바로 비싼 가격 때문이다. 웬만한 차량 한 대보다 비싼 가격이다. 이런 탓에 벨로다인(Velodyne)을 비롯한 라이다 센서 생산 기업은 단가 낮추기에 매진하고 있다. 2020년 CES2021에서 벨로다인은 100달러(약 11만원)짜리 라이다 센서를 선보였다. 기존 360도 관측이 가능하던 라이다 센서의 시야각을 좁히고 성능을 낮춘 대신 가격 경쟁력을 보완하는 시도였다.[8]
- 외부환경 극복 : 레이더는 라이다에 비해 비, 안개 등 악천후에 강하다. 날씨가 좋지 않으면 라이다의 성능은 대개 떨어진다. 전파의 경우 광파에 비해 물체에 닿았을 때 흡수되는 정도가 적다. 이에 외부 환경에 방해도 덜 받는다. 레이더가 악천후에서도 작동해야 하는 전투기, 전투함 등에 활용되는 이유이기도 하다.[8]
- 디자인 : 라이다 센서는 레이더에 비해 소형화 기술이 발달하지 못했다. 이에 차량에 탑재할 때도 외관에 드러난다. 웨이모의 자율주행차를 보면 차량 루프탑에 라이다 센서가 달려있다. 반면 FSD 기능이 탑재된 테슬라 차량의 경우 12개의 레이더 센서를 탑재하고 있지만 외적으로는 남다른 특이점을 찾기 어렵다.[8]
- 감지 거리 : 라이다는 30 미터에서 200 미터 범위 내 물체를 감지한다. 하지만 30 미터 이내 근접해있는 물체를 식별할 때는 성능이 떨어진다. 레이더의 경우 주파수에 따라 감지할 수 있는 거리가 다르다. 중장거리 레이더의 경우 150~200 미터 이상 감지 가능하다. 단거리 레이더는 100 미터 이내 거리를 감지한다. 하지만 감지 거리가 늘어날수록 시야각은 줄어든다. 중장거리의 경우 40도 안팎으로 좁고, 단거리는 100도 이상으로 상대적으로 더 넓다. 한편 차량 바로 근접한 초단거리의 경우 라이다, 레이더 보다는 음파를 기반한 초음파 센서가 주로 활용된다.[8]
시장 현황
자율주행 자동차의 상용화가 머지 않았다. 자동차 업계에서는 완전 자율주행 자동차 시대가 되면 지금까지의 경쟁구도가 아닌 새로운 생태계가 형성될 것으로 본다. 즉, 플레이어들은 다시 새로운 출발선에서 경쟁을 시작하게 된다는 의미다. 주요 자동차 OEM사들은 2021년부터 자율주행 레벨3 차량을 순차적으로 양산한다고 공식 발표했다. 이로써 자동차 시장은 새로운 전환기를 맞이할 것으로 전망된다. 자율주행 자동차를 구현하기 위해서는 여러 최첨단 기술이 필요한데, 그 중에서도 첨단 운전자 보조 시스템(ADAS)이 핵심 기술로 떠오르고 있다. 첨단 운전자 보조 시스템 시장은 기술 측면에서 인지-판단-제어의 세 가지 영역으로 세분화된다. 이중에서 인지영역은 카메라, 레이더, 라이다, 위치측정, 자이로스코프 등의 센서를 통해 장애물, 도로표식, 교통신호 등의 인식을 통해 주행이나 주차 시 발생할 수 있는 사고의 위험을 알려주고 차량이 운전자를 대신해 부분적으로 제동하고 조향을 제어하는 기술이다. 첨단 운전자 보조 시스템의 핵심은 센서다. 첨단 운전자 보조 시스템은 전방충돌방지, 차선이탈방지 등 인지영역을 중심으로 카메라, 레이더, 라이다 수요가 증가되고 있기 때문이다. 2020년 라이다의 매출은 4,000만 달러가 예상되며, 이는 카메라(35억 달러)와 레이더(38억 달러)에 비해 현저히 적은 규모다. 그러나 자율주행 레벨3부터는 라이다의 도입이 필수적이기 때문에 성장 가능성이 높다. 라이다는 2020년부터 무려 113%라는 연평균 성장률을 기록하며 2025년 17억 달러 규모를 형성할 것으로 전망된다. 판단영역을 담당하고 있는 첨단 운전자 보조 시스템 컴퓨팅은 13억 달러 매출이 생성될 것으로 전망된다. 2021년부터 출시되는 레벨3 차량은 라이다가 처음으로 양산차에 장착되며, 뷰잉 카메라(viewing camera)와 열상 카메라(thermal camera) 등도 추가될 수 있다. 차량에 라이다가 탑재되면 첨단 운전자 보조 시스템 기능은 긴급제동시스템(AEB), 발렛파킹, 트래픽 잼 파일럿(traffic jam pilot), 고속도로 파일럿 등의 기능 구현이 가능해질 것이다. 긴급제동시스템은 갑작스럽게 보행자 등 장애물이 전방에 출현하거나 앞선 차량이 급정거를 할 경우, 차량 스스로 브레이크를 조작해 정지시키는 기능이다.[11]
완성차 출시
- 아우디(Audi) : 업계 최초로 라이다를 완성차에 적용시켰다. 2017년 7월 출시된 자율주행차 레벨3 아우디 A8은 총 1개의 라이다와 2개의 카메라, 5개의 레이더가 장착되어 있어서 아우디 인공지능 트래픽 잼 파일럿(Audi AI traffic jam pilot) 기능을 통해 양방향 차로 사이에 물리적 장벽이 설치된 고속도로 정체 구간에서 최대 속도 60km/h까지 자율주행을 해준다. 탑재된 한 개의 라이다는 범퍼 중앙 하단(번호판 밑)에 위치하며 80m 스캔 거리와 145도의 스캔 각도를 통해 차량 주변의 물체나 보행자들을 감지하고, 고도의 전면 교통 상황 정보를 제공한다.[12] 아우디는 발레오(Valeo)의 라이다 스칼라(Scala) 제품을 사용했다. 또 스캔 거리 250 미터, 스캔 각도 35도의 장거리 레이더도 전면 범퍼 우측 하단(보조석 안개등 위치)에 위치해 라이다와 함께 전면 교통 상황 정보를 제공한다. 전면에 장착된 장거리 레이더는 보쉬(Bosch)의 제품이며 77GHz를 지원하고, 전면 좌우측과 후면 좌우측에 탑재된 4개의 중거리 레이더는 앱티브(Aptiv)의 76GHz를 지원하는 R3TR 제품이다. 또 전면에 장착된 한 개의 360도 카메라는 오토리브(Autoliv)의 3세대 나이트 비전 카메라다. 나머지 1개인 전면에 장착된 카메라 또한 앱티브의 제품이다. 참고로 아우디 A8은 비주얼 컴퓨팅 모델에 엔비디아의 테그라 K1을 사용했다.
- 현대자동차㈜(Hyundai motors) : 2021년 하반기에 출시되는 풀체인지 제네시스 G90에 자율주행 레벨3을 구현하기 위해 2개의 라이다를 장착한다고 밝혔다. 카메라와 레이더는 만도(Mando)가 공급하고, 라이다는 현대모비스㈜를 통해 미국 벨로다인 제품이 사용될 예정이다. 현대자동차㈜ G90은 라이다를 2개의 라이더를 차량 전면 양측에 장착함으로써 자율주행 기술 우위를 확보하고자 한다. 라이다를 1개 장착하면 전방 위주의 자율주행 기능이 강화되지만 앞쪽 측면 두 곳에 라이다를 장착하면 끼어들기 차량 감지 등 더 완벽한 레벨3 구현에 유리하기 때문이다.
- 볼보(Volvo) : 2022년부터 미국 루미나(Luminar)의 라이다를 장착한 자율주행 레벨3 차량을 양산한다고 공식 발표했다. 볼보는 라이다 기술 개발업체 루미나에 자금을 투자했다. 이를 통해 볼보는 루미나와 제휴로 시중에 7만 5천 달러의 고가 라이다 장비를 레벨3에 해당되는 준자율주행차의 경우 500달러 상당, 레벨4에 해당되는 완전자율주행차는 1천달러에 장착할 수 있을 것으로 기대하고 있다.[11]
스타트업 투자
자동차 시장에 라이다에 대한 관심이 높아지면서 이를 개발하는 기업들에게 투자가 활발히 이뤄지는 추세다. 국내 소프트웨어 기업의 활약도 눈에 띈다. 이들 기업은 기술력을 인정받아 투자 유치에 성공했다.
- 현대모비스㈜(Hyundai Mobis) : 2019년 10월 미국 벨로다인에 5,000만 달러(약 660억 원)를 투자하고 라이다 양산과 관련한 기술협력을 진행하기로 했다. 두 회사는 2021년 레벨3 자율주행용 라이다 시스템을 양산해 국내와 아시아 시장을 중점적으로 공략할 계획이다.[13] 벨로다인은 1983년 설립된 자동차 부품사로 2005년부터 라이다 제품을 전문적으로 개발해 왔다. 벨로다인은 2017년에 포드자동차와 중국 바이두(Baidu)로부터 1억 5,000만 달러(약 1,680억 원)의 투자를 받기도 했다.
- 삼성벤처투자㈜(Samsung Venture Investment) : 미국 라이다 업체 쿼너지(Quanergy)에 투자했다.
- 보쉬(Bosch) : 라이다 센서 업체 테트라뷰TetraVue)에 투자했다.
- ㈜에스오에스랩(SOS Lab) : 국내 라이다 센서 스타트업이다. 기술 전문 스타트업 엑셀러레이터 ㈜퓨처플레이(FuturePlay)의 약 68억 규모의 시드 투자에 이어, 2020년 5월 한국산업은행(KDB)의 리드 투자를 시작으로 98억 원 규모의 시리즈A+ 투자 유치에 성공했다. 이로써 에스오에스랩의 누적 투자액이 약 170억 규모에 이른다. 에스오에스랩은 자율주행차량용 고정형 라이다에 주력하고 있다.
- 네이버㈜(Naver) : 2020년 6월 자율주행 라이다 인지 솔루션을 개발한 국내 스타트업 ㈜뷰런테크놀로지(Vueron technology)에 ㈜본엔젤스벤처파트너스와 공동으로 투자했다. 뷰런테크놀로지가 개발한 라이다 인지 솔루션은 임베디드 환경에서도 다양한 객체를 빠르게 인식할 수 있는 제품으로, 시스템 확장성이 뛰어나 센서 퓨전, 주행 판단 등 다른 자율주행 기술과의 시너지가 크다는 점이 장점이다. 자율주행, 보안 각각에 최적화된 인지 솔루션을 제품화해 여러 기업과 협력 프로젝트를 진행하고 있다. 네이버는 2017년에도 이스라엘 기업인 이노비즈의 이노비즈원에 델파이, 마그나(Magna) 등 전장기업과 함께 6,500만 달러(약 728억 원)를 공동 투자한 바 있다.
- ㈜서울로보틱스(Seoul Robotics) : 국내 자율주행 라이다 소프트웨어 스타트업이다. 2020년 4월 65억원 규모의 시리즈A 투자를 유치했다. 서울로보틱스는 인공지능 3D 컴퓨터 비전 스프트웨어를 개발하는 테크 스타트업이다. 특히 라이다 기반 소프트웨어 솔루션인 SENSR의 완성도는 세계적으로 높은 평가를 받고 있으며 비엠더블유(BMW) 등 국내외 대기업들을 고객 및 파트너로 두고 있다. 또 글로벌 라이더 센서업체 벨로다인, 아우스터, 이노비즈, 헤사이 등과 전략적 파트너십을 맺고 있다.[11]
각주
- ↑ 최호 기자, 〈(ICT시사용어)라이다〉, 《전자신문》, 2020-06-18
- ↑ 〈라이다 (LiDar)〉, 《ICT 시사상식 2021》
- ↑ 3.0 3.1 3.2 3.3 3.4 김홍덕 기자, 〈자율주행차와 스마트카를 위한 라이다(LiDAR) 기술〉, 《아이씨엔매거진》, 2017
- ↑ 자동차IT플랫폼연구팀 김종덕 선임연구원·군기구 팀장, 대경권연구센터 이수인 센터장, 〈라이다 센서 기술 동향 및 응용 - Trends and Applications on Lidar Sensor Technology〉, 《한국전자통신연구원》, 2012
- ↑ 5.0 5.1 5.2 5.3 5.4 5.5 5.6 양대규 기자, 〈라이다의 원리와 장단점, 구현 방식에 따른 종류〉, 《테크월드》, 2019-01-24
- ↑ 6.0 6.1 박진석 기자, 〈(특허로 본 유망 미래기술⑪) 라이다(LIDAR)〉, 《특허뉴스》, 2019-07-11
- ↑ 7.0 7.1 과학기술일자리진흥원, 〈(S&T Market Report 제65호) 자율주행자동차〉, 《정보통신기획평가원》, 2018-12-26
- ↑ 8.0 8.1 8.2 8.3 8.4 8.5 장희수 기자, 〈자율주행차의 '눈', 라이다 vs 레이더... 승자는?〉, 《에이아이타임스》, 2021-02-19
- ↑ 김혜란 기자, 〈자율주행의 미래는 카메라?…테슬라, 레이더 센서 '손절'〉, 《유피아이뉴스》, 2021-05-26
- ↑ 강승태 기자, 〈자율주행차의 눈 '라이다'가 뭐길래...〉, 《매일경제》, 2021-01-07
- ↑ 11.0 11.1 11.2 이나리 기자, 〈2021년 자율주행차 레벨3 양산 시작, ADAS '라이다' 대중화에 성큼〉, 《헬로티》, 2020-06-30
- ↑ 박태준 기자, 〈(카앤테크)아우디 'A8'에 탑재된 레벨3 자율주행 기술〉, 《전자신문》, 2020-05-07
- ↑ 진상훈 기자, 〈현대모비스, 美 벨로다인에 투자…“자율주행센서 '라이다' 2021년 상용화”〉, 《조선비즈》, 2019-10-23
참고자료
- 〈라이다 (LiDar)〉, 《ICT 시사상식 2021》
- 자동차IT플랫폼연구팀 김종덕 선임연구원·군기구 팀장, 대경권연구센터 이수인 센터장, 〈라이다 센서 기술 동향 및 응용 - Trends and Applications on Lidar Sensor Technology〉, 《한국전자통신연구원》, 2012
- 김홍덕 기자, 〈자율주행차와 스마트카를 위한 라이다(LiDAR) 기술〉, 《아이씨엔매거진》, 2017
- 과학기술일자리진흥원, 〈(S&T Market Report 제65호) 자율주행자동차〉, 《정보통신기획평가원》, 2018-12-26
- 양대규 기자, 〈라이다의 원리와 장단점, 구현 방식에 따른 종류〉, 《테크월드》, 2019-01-24
- 박진석 기자, 〈(특허로 본 유망 미래기술⑪) 라이다(LIDAR)〉, 《특허뉴스》, 2019-07-11
- 진상훈 기자, 〈현대모비스, 美 벨로다인에 투자…“자율주행센서 '라이다' 2021년 상용화”〉, 《조선비즈》, 2019-10-23
- 박태준 기자, 〈(카앤테크)아우디 'A8'에 탑재된 레벨3 자율주행 기술〉, 《전자신문》, 2020-05-07
- 최호 기자, 〈(ICT시사용어)라이다〉, 《전자신문》, 2020-06-18
- 이나리 기자, 〈2021년 자율주행차 레벨3 양산 시작, ADAS '라이다' 대중화에 성큼〉, 《헬로티》, 2020-06-30
- 강승태 기자, 〈자율주행차의 눈 '라이다'가 뭐길래...〉, 《매일경제》, 2021-01-07
- 장희수 기자, 〈자율주행차의 '눈', 라이다 vs 레이더... 승자는?〉, 《에이아이타임스》, 2021-02-19
- 김혜란 기자, 〈자율주행의 미래는 카메라?…테슬라, 레이더 센서 '손절'〉, 《유피아이뉴스》, 2021-05-26
같이 보기
