Implementation of Data Aggregation with Effective Processing and Distribution for ADAS
2024년 01월호 지면기사
/
글 | 웨인 라이언스(Wayne Lyons), AMD 자동차 부문 디렉터
다중 스트림 센서 데이터를 효율적으로 어그리게이션 및 프로세싱할 수 있는 기능은 보다 안정적이고 정교한 자율주행 기능을 구현하는데 있어 매우 중요하다. 설계자들은 하드웨어 및 소프트웨어 간에 데이터 프로세싱 작업 부하를 효과적으로 분할하고, DSP 슬라이스와 같은 로직에서 구성 가능한 하드웨어 가속기를 추가할 있는 유연성을 활용해 시스템 성능을 극대화하는 동시에, BOM과 전력소모를 줄일 수 있다.
글 | 웨인 라이언스(Wayne Lyons), AMD 자동차 부문 디렉터
첨단 운전자 지원 시스템(ADAS)은 운전자의 스트레스와 피로도를 감소시키고, 도로의 안전을 개선하는 등 다양한 이점을 제공한다. 자동주차 및 혼잡구간 주행 지원(TJA) 등과 같은 시스템은 여행을 보다 편안하게 만들고, 전방 충돌 방지(FCW), 첨단비상제동(AEB) 및 첨단비상조향(AES) 등과 같은 시스템은 교통사고를 줄이는데 도움을 준다.
자동차 분야에서 이런 ADAS를 가능하게 하는 핵심 요소로 센서 융합이 널리 사용되고 있다. 이는 레이다와 라이다 및 카메라 기술과 같은 차량 시스템의 혁신을 가능하게 하는 원동력이기도 하다. 이런 시스템들과 여기에서 생성되는 방대한 양의 데이터는 신뢰할 수 있는 단일 소스, 즉 SSoT(Single Source of Truth)를 제공할 수 있도록 통합돼야 한다.
센서 융합 개념은 생각보다 단순하지가 않다. 운전자와 소통하고, 차량과 상호 작용하는 완벽한 시스템을 구현하기 위해서는 센서와 시스템 간의 교류만으로 해결되지 않는다. 이런 프로세스를 프로세싱 및 분산을 통한 데이터 어그리게이션, 즉 DAPD(Data Aggregation through Processing and Distribution)로 보는 것이 더 적합할 것이다. 궁극적으로 ADAS는 차량의 센서에서 획득한 모든 신호를 단일 프로세싱 아키텍처를 통해 사전 처리, 공유 및 집계하여 실행 가능한 출력과 명령을 생성해야 한다.
이 글은 ADAS를 위한 DAPD, 즉 프로세싱 및 분산을 통한 데이터 어그리게인션 방법과 이를 달성하기 위한 실리콘 아키텍처 및 적응형 컴퓨팅(Adaptive Computing)의 역할에 대해 살펴보고자 한다.
다중 센서 ADAS
ADAS 시스템은 상황을 인식하기 위해 레이다, 라이다, 카메라와 같은 매우 방대한 센서를 이용한다. 객체 감지 및 모션 추적 기능을 제공하는 77GHz 레이다와 고해상도 매핑 및 인식에 사용되는 라이다는 초당 수많은 데이터 포인트를 생성한다. 또한 전방, 후방 및 서라운드뷰를 제공하기 위해 차량의 여러 부분에 장착되는 비디오 카메라도 다중 채널의 고해상도 이미지 데이터를 지속적으로 생성한다. 이외에도 시스템에서 제공하는 기능에 따라 온도, 습도, GPS 및 가속도계 등 다양한 센서들이 추가로 사용되는 경우가 많다.
일례로, 카메라 신호의 경우에는 이미지 품질을 향상시키고, 객체 정보를 추출하기 위해 이미지를 픽셀 단위로 프로세싱한다. 서라운드 뷰와 같은 기능은 그래픽 오버레이를 통한 추가적인 비디오 프로세싱을 수행한다. 반면, 충돌방지 시스템은 차량의 주변 환경을 특성화해 차선 표시나 표지판, 다른 차량이나 보행자 등을 식별 또는 추적하기 위해 센서 데이터를 처리한다. 또한 차선이탈방지(LKA), 자동 제동 또는 자동 조향 등과 같은 시스템은 위협을 감지한 후 사고를 방지할 수 있도록 경고를 생성하거나 차량을 직접 제어할 수 있어야 한다.
ADAS를 구현하는 일반적인 접근방식은 FPGA나 ASIC에서 호스팅되는 맞춤형 병렬 하드웨어 조합을 이용해 센서 데이터를 처리하며, 환경 특성화 및 적절한 의사결정은 보통 소프트웨어를 통해 수행된다. 이런 소프트웨어 작업은 환경 특성화와 관련된 객체 프로세싱을 수행하는 DSP와 의사결정 레벨의 프로세싱 및 차량 통신을 처리하는 마이크로프로세서로 분할해 수행할 수 있다.
AMD의 자동차 등급(XA) 징크 울트라스케일+( Zynq™ UltraScale+™) MPSoC는 64bit 쿼드 코어 ARM® Cortex™-A53 및 듀얼 코어 ARM Cortex-R5 기반 프로세싱 시스템과 AMD 프로그래머블 로직 울트라스케일 아키텍처를 단일 디바이스에 통합한 솔루션이다.
이런 MPSoC를 사용하면, 센싱에서 환경 특성화에 이르기까지 ADAS 이미징 플로우 전반을 단일 디바이스에 통합할 수 있다. 설계자들은 제공되는 다양한 프로세싱 엔진과 칩 내부의 고대역폭 인터페이스를 활용하여 하드웨어와 소프트웨어 간의 프로세싱 작업 부하를 효과적으로 분할할 수 있다. DSP 작업 부하는 DSP 슬라이스를 이용해 하드웨어에서 처리하거나 ARM Cortex-R5 프로세서를 이용해 소프트웨어에서 처리할 수도 있다.
개발자들은 이런 유연성으로 설계를 최적화해 데이터 플로 병목현상을 제거하고, 성능을 극대화하거나 디바이스 리소스를 효율적으로 활용할 수 있다. 또한 통합 MPSoC를 통해 BOM(Bill of Materials) 및 전력소모도 절감할 수 있다. 더 많은 ADAS 기능이 의무화되고, 보다 정교한 인포테인먼트에 대한 요구가 증가함에 따라 배터리 에너지를 효율적으로 사용해 전기차의 주행거리를 극대화하기 위해서는 특히 전력 절감이 더욱 중요해질 것이다.
전력 효율성 외에도, ADAS 엔지니어들의 또 다른 주요 관심사는 지연시간을 최소화하는 것이다. ADAS 애플리케이션에서 저전력 소모는 물론, 높은 수준의 기능 안전성과 운전자 경험을 제공하기 위해서는 저지연성이 필수적이며, 이는 실리콘 하드웨어의 기능에 따라 크게 좌우될 수 있다.
단일 칩 전략
단일 칩 접근방식으로 개발된 시스템 사례 중 하나로, 4대의 서라운드 뷰 카메라와 12개의 초음파 센서 신호를 통합한 아이신(Aisin)의 차세대 자동주차 지원(Automated Park Assist) 시스템이 있다. 이 APA는 차량 주변의 동적 환경을 이해하고, 대응할 수 있도록 고정밀 머신러닝 모델을 이용한다. 이를 통해 조향, 제동, 변속 및 속도 등을 자율적으로 제어해 원활한 핸즈프리 주차 경험을 제공할 수 있다.
AMD의 기능안전성 개발자 툴 수트는 ISO 26262 ASIL-B 인증을 목표로 하는 개발 팀에게 매우 유용한 툴이다. 또한 AMD 징크 울트라스케일+는 기능안전성 애플리케이션에 사용할 수 있도록 최대 ASIL B/SC2 등급의 ISO 13849와 ISO 26262 및 IEC 61508에 따라 인증이 완료되었다.
이런 인증은 AMD의 자동차 등급 FPGA 및 적응형 SoC 포트폴리오가 동일한 16nm 실리콘을 통해 ADAS에서 요구되는 높은 신뢰성과 저지연성을 선도적인 자동차 제조사 및 OEM 업체들에게 제공할 수 있음을 의미한다.
ADAS는 인식 및 의사결정을 향상시키기 위해 다양한 소스의 정보를 취합하는 개념이다. 다수의 데이터 소스를 활용할수록 시스템이 운전자 지원 기능의 안전성과 성능을 향상시킬 수 있는 보다 풍부한 정보를 도출할 수 있다. 이런 정보는 시스템이 물체를 감지 및 추적하고, 잠재적인 위험요소를 식별하는 것은 물론, 적응형 크루즈 컨트롤(ACC), 차선이탈방지, 자동 긴급제동 등과 같은 정보에 입각한 의사결정 기능의 기반을 제공한다. 또한 ‘얼리 퓨전(Early Fusion)’과 같은 기술도 관심을 끌고 있다. 차세대 AMD 7nm 버설 AI 엣지(Versal AI Edge) 제품군은 센서를 추가하고, 동기화된 데이터 스트림으로 객체 목록 및 기타 정보들을 보완하기 위해 16nm 실리콘의 DAPD 기능과 AI 가속 기능을 겸비하고 있다.
다중 스트림 센서 데이터를 효율적으로 어그리게이션 및 프로세싱할 수 있는 기능은 보다 안정적이고 정교한 자율주행 기능을 구현하는데 있어 매우 중요하다. 설계자들은 하드웨어 및 소프트웨어 간에 데이터 프로세싱 작업 부하를 효과적으로 분할하고, DSP 슬라이스와 같은 로직에서 구성 가능한 하드웨어 가속기를 추가할 있는 유연성을 활용해 시스템 성능을 극대화하는 동시에, BOM과 전력소모를 줄일 수 있다.
<저작권자 © AEM. 무단전재 및 재배포, AI학습 이용 금지>