자율주행차를 위한 고정밀 내비게이션
관성 항법 시스템(INS)은 자율주행 차량 애플리케이션에 수많은 이점을 제공합니다. 가속도계와 자이로스코프 같은 센서를 사용하는 INS 솔루션은 외부 신호에 의존하지 않고 연속적이고 정확한 항법 데이터를 제공합니다.
당사의 INS는 차량의 위치, 속도, 방위각에 대한 실시간 업데이트를 제공하여 GNSS 음영 지역에서도 정확한 항법을 보장합니다. 당사는 시간에 따른 오차를 최소화하고 차량 위치의 정확도를 유지하기 위해 고급 알고리즘을 개발했습니다.
까다로운 환경에서의 견고성
당사의 INS는 터널, 도심 협곡, 울창한 수관층을 포함한 GNSS 취약 지역에서 안정적으로 작동합니다. 신호 재밍 및 스푸핑으로부터 보호하는 동시에 GNSS를 보완하여 항법 보안을 강화합니다.
이 시스템은 즉각적인 차량 모션 피드백을 제공하여 빠른 의사결정과 적응형 응답을 가능하게 합니다. 외부 신호에 의존하지 않고 지속적으로 작동하는 당사의 INS는 동적 환경에 이상적입니다. 경로 계획, 장애물 회피, 경로 최적화와 같은 고급 알고리즘을 위한 정밀 데이터를 생성합니다. 결과적으로 자율주행 시스템은 더욱 부드럽고 효율적인 작동을 달성합니다.
또한 날씨, 지형, 신호 방해와 관계없이 일관된 성능을 유지합니다. 요약하자면, 당사의 INS는 자율성을 강화하고, 신뢰할 수 있는 항법을 보장하며, 차량이 모든 조건에서 안전하고 효율적으로 작동할 수 있도록 지원합니다.
실시간 데이터 및 센서 융합
당사의 센서는 실시간 모션 및 방위 데이터를 제공하므로, 자율주행 차량은 지형, 도로 상태 또는 교통 상황의 변화에 대응하여 조향, 가속, 제동을 즉각적으로 조정할 수 있습니다. 또한 안정성과 제어력을 유지하는 데 도움이 됩니다.
다른 항법 보조 장치(예: GNSS, LiDAR, 카메라)와 결합하여 전반적인 정확도와 신뢰성을 향상시킵니다. 이러한 센서 융합은 상황 인식 및 의사결정 능력을 향상시킵니다. 여러 센서의 데이터를 통합함으로써, 당사의 INS는 외부 요인으로 인한 오차를 보정하여 더욱 신뢰할 수 있는 항법을 보장합니다.
자율주행 차량용 솔루션 살펴보기
당사의 솔루션은 UGV 플랫폼과 원활하게 연동되어, 가장 까다로운 환경에서도 안정적인 성능을 제공합니다.
Ellipse-D
Ekinox Micro
Ekinox-D
자율주행 애플리케이션 브로슈어
브로셔를 이메일로 바로 받아보세요!
활용 사례
사례 연구 섹션에서 SBG Systems의 관성 솔루션이 어떻게 자율주행 차량 기술을 혁신하고 있는지 확인해 보세요. 이러한 실제 성공 사례는 당사의 첨단 관성 센서가 까다로운 환경에서 어떻게 정밀한 항법과 신뢰성을 제공하는지 보여줍니다. 도시 환경에서 차량 안전을 개선하는 것부터 GNSS 음영 지역에서 성능을 최적화하는 것까지, 당사의 솔루션은 자율주행 차량이 탁월한 정확성과 제어력을 바탕으로 작동할 수 있도록 지원합니다.
각 사례 연구는 당사의 기술이 자율주행 운송수단의 미래를 이끄는 혁신적인 방식에 대한 귀중한 통찰력을 제공합니다.
사람들이 우리에 대해 이야기하네요
당사의 기술을 도입한 혁신가들과 고객들의 생생한 이야기를 직접 들어보세요.
고객들의 사용 후기와 성공 사례는 당사의 센서가 실제 자율주행 차량 애플리케이션에서 얼마나 큰 영향을 미치는지 보여줍니다.
자율주행 관성 시스템을 활용한 다른 응용 분야를 살펴보세요.
자율주행 관성 시스템이 다양한 산업 분야의 운영 방식을 어떻게 혁신하고 있는지 알아보세요. 로보틱스와 산업 자동화부터 광업 및 물류에 이르기까지, 당사의 고성능 솔루션은 GNSS 음영 지역과 같은 까다로운 환경에서도 정밀한 내비게이션, 방위 및 모션 데이터를 제공합니다. 신뢰할 수 있는 자율주행 기술을 바탕으로 새로운 가능성을 발견해 보세요.
궁금한 점이 있으신가요?
당사가 소개하는 애플리케이션에 대해 가장 자주 묻는 질문에 대한 답변을 확인해 보세요. 찾으시는 내용을 찾지 못한 경우 망설이지 말고 당사로 직접 연락하여 지원을 받으시기 바랍니다.
자율주행차의 자율주행 단계(Level)는 어떻게 됩니까?
자율주행 차량의 자율성은 미국자동차공학회(SAE)에 의해 6개의 레벨(레벨 0~레벨 5)로 분류되며, 차량 운행에서의 자동화 범위를 정의합니다. 그 세부 내용은 다음과 같습니다.
- 레벨 0: 자동화 없음 – 인간 운전자가 항상 차량을 완전히 제어하며, 알림 및 경고와 같은 수동적 시스템만 제공됩니다.
- 레벨 1: 운전자 지원 – 차량이 조향 또는 가속/감속을 지원할 수 있지만, 인간 운전자가 제어권을 유지하고 주변 환경을 모니터링해야 합니다(예: 어댑티브 크루즈 컨트롤).
- 레벨 2: 부분 자동화 – 차량이 조향과 가속/감속을 동시에 제어할 수 있지만, 운전자는 항상 주의를 기울이고 언제든지 제어권을 이어받을 준비가 되어 있어야 합니다(예: 테슬라 오토파일럿, GM 슈퍼 크루즈).
- 레벨 3: 조건부 자동화 – 차량이 특정 조건에서 주행의 모든 측면을 제어할 수 있지만, 시스템의 요청이 있을 경우 인간 운전자가 개입할 준비가 되어 있어야 합니다(예: 고속도로 주행). 운전자가 적극적으로 모니터링할 필요는 없지만 항상 경계 태세를 유지해야 합니다.
- 레벨 4: 고도 자율주행 – 차량은 운전자의 개입 없이 특정 조건이나 환경(도시 지역이나 고속도로 등) 내에서 모든 주행 작업을 자율적으로 수행할 수 있습니다. 단, 다른 환경이나 특수한 상황에서는 운전자가 운전해야 할 수도 있습니다.
- 레벨 5: 완전 자동화 - 차량이 완전히 자율주행하며 인간의 개입 없이 모든 조건에서 모든 주행 작업을 처리할 수 있습니다. 운전자가 필요 없으며, 차량은 어떤 조건에서든 어디서나 운행할 수 있습니다.
이러한 단계들은 기본 운전자 보조 기능부터 완전 자율주행에 이르기까지 자율주행차 기술의 진화를 정의하는 데 도움을 줍니다.
주행거리계란 무엇인가요?
주행거리계는 차량이 주행한 거리를 측정하는 계기입니다. 이 계기는 차량이 얼마나 멀리 주행했는지에 대한 중요한 정보를 제공하며, 이는 정비 일정 수립, 연비 계산, 재판매 가치 평가 등 다양한 용도로 유용하게 활용됩니다.
주행거리계는 차량 바퀴의 회전 횟수를 기준으로 거리를 측정합니다. 타이어 크기에 기반한 보정 계수를 통해 바퀴의 회전 횟수를 거리로 변환합니다.
많은 내비게이션 애플리케이션, 특히 차량에서 주행 거리계 데이터는 전반적인 정확도를 향상시키기 위해 INS 데이터와 통합될 수 있습니다. 센서 융합으로 알려진 이 프로세스는 두 시스템의 강점을 결합합니다.
‘재밍’과 ‘스푸핑’이란 무엇을 의미하나요?
재밍(Jamming)과 스푸핑(Spoofing)은 GNSS와 같은 위성 기반 항법 시스템의 신뢰성과 정확성에 큰 영향을 미칠 수 있는 두 가지 유형의 간섭입니다.
재밍(Jamming)은 GNSS 시스템에서 사용하는 것과 동일한 주파수로 간섭 신호를 송출하여 위성 신호를 고의로 교란하는 것을 의미합니다. 이 간섭은 정상적인 위성 신호를 압도하거나 묻혀버리게 만들어 GNSS 수신기가 정보를 정확하게 처리할 수 없도록 합니다. 재밍은 적군의 항법 능력을 무력화하기 위해 군사 작전에서 흔히 사용되며, 민간 시스템에도 영향을 미쳐 항법 실패와 운영상의 문제를 야기할 수 있습니다.
반면 스푸핑(Spoofing)은 정품 GNSS 신호를 모방한 위조 신호를 송출하는 것입니다. 이러한 기만 신호는 GNSS 수신기가 잘못된 위치나 시간을 계산하도록 오도할 수 있습니다. 스푸핑은 항법 시스템을 잘못 인도하거나 그릇된 정보를 제공하여 차량이나 항공기가 경로를 이탈하게 만들거나 허위 위치 데이터를 제공하는 데 사용될 수 있습니다. 신호 수신을 단순히 방해하는 재밍과 달리, 스푸핑은 허위 정보를 마치 정상적인 정보인 것처럼 제시하여 수신기를 적극적으로 기만합니다.
재밍과 스푸핑 모두 GNSS 의존 시스템의 무결성에 심각한 위협을 가하며, 분쟁 지역 또는 까다로운 환경에서 안정적인 작동을 보장하기 위해 고급 대응책과 탄력적인 항법 기술이 필수적입니다.
추정 항법이란 무엇인가요?
데드 레코닝은 GPS와 같은 외부 신호에 의존하지 않고, 측정된 이동 정보를 사용하여 알려진 과거 위치를 지속적으로 갱신함으로써 차량의 현재 위치를 파악하는 항법 방식입니다.
실제로 이 시스템은 기준점(대체로 마지막으로 알려진 정확한 위치)에서 시작하여 가속도계, 자이로스코프, 휠 오도메트리 또는 속도계와 같은 탑재 센서를 사용하여 차량이 시간에 따라 어떻게 이동했는지 추정합니다. 이러한 모션 측정값을 통합함으로써 추측 항법은 속도, 방향 및 변위의 변화를 계산하고 점진적으로 업데이트된 위치 추정치를 구축합니다. GPS 수신이 불가능하거나 열화된 환경에서도 완전 자율 항법을 제공하지만, 추측 항법은 본질적으로 오차 누적의 영향을 받습니다. 즉, 작은 센서 바이어스, 스케일 팩터 오차 또는 환경적 영향이 시간이 지남에 따라 커져 추정된 궤적이 실제와 멀어지게 됩니다.
이러한 오차(Drift)를 완화하기 위해, 현대식 관성 항법 시스템(INS)에서는 추측 항법이 GNSS, 자력계, 기압계 또는 지형 대조 기법과 같은 외부 보조 장치와 자주 결합됩니다. 이러한 한계에도 불구하고, 추측 항법은 절대적인 기준을 사용할 수 없는 상황에서도 지속적인 실시간 위치 결정을 보장하므로 항법의 기본 원리로 남아 있습니다.
관성 항법 시스템이란 무엇인가요?
관성 항법 시스템(INS)은 관성 센서를 사용하여 움직임을 지속적으로 측정함으로써 움직이는 플랫폼의 위치, 속도, 자세를 결정하는 자체 포함된 항법 솔루션입니다. 핵심적으로 INS는 3개의 직교 축을 따라 선형 가속도를 감지하는 3축 가속도계와 동일한 축을 중심으로 각속도를 측정하는 3축 자이로스코프를 기반으로 합니다. 이러한 측정값을 시간에 따라 통합함으로써 시스템은 알려진 시작점으로부터 플랫폼의 속도, 자세 및 위치가 어떻게 변화하는지 계산합니다.
INS는 GPS, 무선 표지판 또는 시각적 참조와 같은 외부 신호에 의존하지 않기 때문에 수중, 실내, 지하 또는 군사적 GNSS 재밍 시나리오와 같이 외부 항법 보조 장치를 사용할 수 없거나 차단되거나 저하된 환경에서도 안정적으로 작동할 수 있습니다.
최신 INS는 일반적으로 원시 센서 데이터를 융합하고 드리프트를 완화하며 가장 정확한 항법 상태를 추정하기 위해 칼만 필터와 같은 정교한 필터링 알고리즘을 통합합니다. 많은 애플리케이션에서, 장기 드리프트를 제한하고 매우 안정적인 항법을 제공하기 위해 INS는 GNSS와 결합되어 주행 거리계, 도플러 속도 기록 장치 또는 자력계와 함께 사용됩니다. 그 결과는 항공기, UAV, 미사일, 자율 주행 차량, 선박, AUV 및 움직임과 방향에 대한 정밀하고 지속적인 인식이 필요한 광범위한 산업 시스템에 필수적인 견고하고 높은 업데이트 속도의 항법 솔루션입니다.
