자율주행차의 센서 융합 알고리즘에서 라이다와 레이더의 데이터를 칼만 필터를 통해서 결합할 때 각 센서의 노이즈 특성이 공분상 행렬 설정에 미치는 영향이 궁금합니다.

Question

시스템이 실시간성을 유지하면서 연산 부하를 줄이기 위해 임베디드 보드 레벨에서 하드웨어 가속기를 활용한 최적화 전략은 어떤 방식이 효율적인가요?

Answer 1

안녕하세요. 최정훈 전기기사입니다.

칼만필터에서 노이즈가 적은 라이다는 측정 공분산 행렬의 값을 작게, 그리고 노이즈가 큰 레이더는 크게 설정해야 합니다. 그래야 각 센서의 가중치가 데이터 신뢰도에 맞게 조절되죠. 실시간 연산 부하를 줄이기 위해서는 행렬 연산과 루프문을 GPU 같이 하드웨어 가속기에 매핑해서 병렬 처리하는 방식이 가장 효율적입니다. 그리고 가속기 메모리와의 데이터 전송 병목을 줄이는 버퍼 설계도 핵심 포인트라고 이해하시면 좋을 것 같네요.

Answer 2

안녕하세요. 김종식 전기기사입니다.

네

자율주행차에서 라이다와 레이더 데이터를 칼만필터로 결합할 때는 각 센서의 노이즈 특성에 맞게 공분산 행렬을 설정하는 것이 중요합니다.

측정값의 오차가 큰 센서는 측정 잡음 공분산 R을 크게 설정해 반영 비중을 낮추고, 신뢰도가 높은 센서는 R을 작게 설정해 더 많이 반영합니다. 차량의 움직임이나 모델 자체의 불확실성은 프로세스 잡음 공분산 Q로 조정하며, 날씨나 센서 상태에 따라 Q와 R을 실시간으로 조절하면 정확도를 높일 수 있습니다.

연산 부하를 줄이기 위해서는 CPU가 모든 처리를 담당하기보다 라이다 전처리, 레이더 FFT, 좌표 변환, 행렬 연산처럼 반복적이고 병렬화하기 쉬운 부분을 FPGA, GPU, NPU 같은 하드웨어 가속기에 맡기는 방식이 효율적입니다. 여기에 행렬 크기 축소, FP16·고정소수점 연산, DMA 활용, 메모리 복사 최소화 등을 적용하면 실시간성을 유지하면서 연산량과 지연시간을 줄일 수 있습니다.