[논문]차량 속도 기반 정확도 제어를 통한 차량용 LiDAR 센서의 효율적 전력 절감 기법

이상훈; 이동규; 최평; 박대진

doi:10.14372/iemek.2020.15.5.215

차량 속도 기반 정확도 제어를 통한 차량용 LiDAR 센서의 효율적 전력 절감 기법
Efficient Power Reduction Technique of LiDAR Sensor for Controlling Detection Accuracy Based on Vehicle Speed 원문보기

대한임베디드공학회논문지 = IEMEK Journal of embedded systems and applications, v.15 no.5, 2020년, pp.215 - 225

이상훈 (Carnavicom. Co., Ltd.) , 이동규 (School of Electronic and Electrical Engineering, Kyungpook National University) , 최평 (School of Electronics Engineering, Kyungpook National University) , 박대진 (School of Electronic and Electrical Engineering, Kyungpook National University)

Abstract ▼ AI-Helper

Light detection and ranging (LiDAR) sensors detect the distance of the surrounding environment and objects. Conventional LiDAR sensors require a certain amount of a power because they detect objects by transmitting lasers at a regular interval depending on a constant resolution. The constant power consumption from operating multiple LiDAR sensors is detrimental to autonomous and electric vehicles using battery power. In this paper, we propose two algorithms that improve the inefficient power consumption during the constant operation of LiDAR sensors. LiDAR sensors with algorithms efficiently reduce the power consumption in two ways: (a) controlling the resolution to vary the laser transmission period (TP) of a laser diode (LD) depending on the vehicle's speed and (b) reducing the static power consumption using a sleep mode depending on the surrounding environment. A proposed LiDAR sensor with a resolution control algorithm reduces the power consumption of the LD by 6.92% to 32.43% depending on the vehicle's speed, compared to the maximum number of laser transmissions (Nx·max). The sleep mode with a surrounding environment-sensing algorithm reduces the power consumption by 61.09%. The proposed LiDAR sensor has a risk factor for 4-cycles that does not detect objects in the sleep mode, but we consider it to be negligible because it immediately switches to an active mode when a change in surrounding conditions occurs. The proposed LiDAR sensor was tested on a commercial processor chip with the algorithm controlling the resolution according to the vehicle's speed and the surrounding environment.

주제어

표/그림 (20)

그림 그림 1. 다채널 스캐닝 LiDAR 센서 블록도 Fig. 1 Block diagram of multi-channel scanning LiDAR sensor
그림 그림 2. LiDAR 센서의 전력 소모 Fig. 2 Power consumption of LiDAR sensor
그림 그림 3. TDC의 타이머 전력 소모 Fig. 3 Power consumption of TDC's timer
그림 그림 4. 전력 소모와 정확도의 관계 Fig. 4 Relation of power consumption and accuracy
그림 그림 5. T_P에 따른 물체 감지 정확도 Fig. 5 Accuracy of object detection
그림 그림 6. LiDAR 센서의 포인트 클라우드 Fig. 6 Point cloud of LiDAR sensor's FoV
그림 그림 7. 차량 속도 기반 N_x 가변 알고리즘 Fig. 7 Algorithm of variable N_x
표 표 1. 수평 해상도에 따른 레이저 조사 횟수 Table 1. N_x depending on horizontal resolution
표 표 2. 차량 속도에 따른 N_x Table 2. N_x of vehicle's speed
그림 그림 8. 차량 속도 감지 기반 제어의 전력 소모 Fig. 8 Power consumption of vehicle's speed detection-based control
그림 그림 9. 주변 환경 감지 기반 제어의 전력 소모 Fig. 9 Power consumption of surrounding environment sensing-based control
표 표 3. 환경 감지에 따른 N_x Table 3. N_x of surrounding environment
그림 그림 10. 환경 감지 기반 sleep mode 알고리즘 Fig. 10 Algorithm of sleep mode
그림 그림 11. LiDAR 검증 실험 시스템 Fig. 11 Verification implemented LiDAR system
그림 그림 12. 수평 해상도에 따른 T_P 비교 Fig. 12 Comparison of T_P depending on horizontal resolution
그림 그림 13. (a) 일반 동작과 (b) sleep mode의 T_P Fig. 13 T_P in (a) normal and (b) sleep mode
그림 그림 14. 평균 전력 소모 비교 Fig. 14 Comparison of APC
그림 그림 15. 송광부의 평균 전력 소모 차이 비교 Fig. 15 Comparison of transmitter's DAPC
표 표 4. 평균 전력 소모 비교 Table 4. Comparison of APC
표 표 5. LD 평균 전력 소모의 차이 비교 Table 5. Comparison of LD's DAPC

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 논문에서는 16채널 스캐닝 LiDAR 센서의 수평 해상도를 가변시켜 효율적으로 전력 소모를 줄이는 방법들을 제안한다. 제안하는 LiDAR 센서의 LD는 콜리메이션 (collimation) 렌즈를 이용하여 9.
본 논문은 기존 LiDAR 센서의 상시 구동에 따른 비효율적인 전력 소모를 개선하기 위한 알고리즘을 제안한다. 제안한 LiDAR 센서는 전용 하드웨어 및 소프트웨어를 구현하고, 전력 소모가 제한적인 전기 차량 및 자율주행 차량을 위한 알고리즘을 적용하여 수평 해상도 가변을 통한 효율적인 전력 소모 감소를 검증한다.
우리는 LiDAR 센서의 정확도와 전력의 상관관계에 따른 효율적인 전력 소모를 위하여 온칩 펌웨어 (on-chip firmware)를 적용한 3D 물체 감지용 실리콘 기반 칩을 구현하여 LiDAR 프로세서에 대한 논문을 발표하였고, 차량의 속도와 주변 환경에 따라 수평 해상도를 결정하는 레이저 발광 주기 (T_P)를 가변시키는 알고리즘을 적용하여 효율적인 전력 소모 기법에 대한 연구를 진행하였다 [11].

제안 방법

제안된 LiDAR 센서의 실험을 위해 Zynq7020 기반으로 전용 하드웨어를 설계 및 구성하여 모듈을 제작하였다. LiDAR 센서의 전력 소모 검증 시스템은 그림 11과 같이, Smart Power Debugger를 사용하여 측정하였다.
먼저, LiDAR 센서의 구동에 대하여 수평 해상도 가변에 따른 T_P변화 실험을 진행하여 결과를 도출한다. 그리고, 제안한 알고리즘의 효과를 확인하기 위하여 수평 해상도 가변 및 sleep mode를 적용하고 전력 소모를 측정하여 수평 해상도에 따른 전력 소모 변화를 검증한다. 표 1을 기반으로 LiDAR 센서의 수평 해상도 가변에 따른 T_P변화를 그림 12와 같이 나타낸다.
결과적으로 PRR이 증가하는 이유는, sleep mode는 매 cycle 마다 레이저를 조사하는 것이 아니라, 5-cycles 중 1-cycle만 조사하기 때문에 DAPC가 적어진다. 따라서, 속도 감지 알고리즘 적용으로 차량 속도 기반 T_P가변 및 수평 해상도 조절을 검증하였고, 환경 감지 알고리즘을 추가로 적용하여 LiDAR 센서의 전력 감소를 실험 결과를 통하여 확인하였다.
실험은 두 가지로 진행하였다. 먼저, LiDAR 센서의 구동에 대하여 수평 해상도 가변에 따른 T_P변화 실험을 진행하여 결과를 도출한다. 그리고, 제안한 알고리즘의 효과를 확인하기 위하여 수평 해상도 가변 및 sleep mode를 적용하고 전력 소모를 측정하여 수평 해상도에 따른 전력 소모 변화를 검증한다.
제안된 LiDAR 센서의 실험을 위해 Zynq7020 기반으로 전용 하드웨어를 설계 및 구성하여 모듈을 제작하였다. LiDAR 센서의 전력 소모 검증 시스템은 그림 11과 같이, Smart Power Debugger를 사용하여 측정하였다.
제안하는 LiDAR 센서의 LD는 콜리메이션 (collimation) 렌즈를 이용하여 9.6°의 수직 화각 (vertical field-of-view, VFoV)을 가지는 단일 빔 레이저를 조사한다.
본 논문은 기존 LiDAR 센서의 상시 구동에 따른 비효율적인 전력 소모를 개선하기 위한 알고리즘을 제안한다. 제안한 LiDAR 센서는 전용 하드웨어 및 소프트웨어를 구현하고, 전력 소모가 제한적인 전기 차량 및 자율주행 차량을 위한 알고리즘을 적용하여 수평 해상도 가변을 통한 효율적인 전력 소모 감소를 검증한다. 제안된 알고리즘은 차량 속도와 주변 환경의 두 가지 관점에서 동작한다.
5°까지의 T_P데이터를 추출하여 수평 해상도가 낮아질수록 T_P가 늘어남을 검증하였다. 차량 속도 기반 제어 모드에서 매 cycle마다 수평 해상도를 가변시켜 레이저를 조사하였다.
또한, 가변시키는 수평 해상도를 이용하여 LiDAR 센서는 차량 속도와 주변 환경 상태의 두 가지 관점에서 전력 소모를 줄인다. 첫째, 차량 속도 측면에서 동적 전력 소모를 줄이기 위해 수평 해상도를 가변시켜 제어한다. 둘째, 주변 환경의 관점에서 sleep mode를 적용하여 정적 전력 소모를 최소화하여 효율적으로 전력 소모를 줄인다.
환경 감지 기반 제어 모드인 sleep mode는 5-cycles에 1-cycle만 레이저를 조사되는 것을 그림 13처럼 오실로스코프를 이용하여 확인하였다.

대상 데이터

본 논문에서는 자율주행 차량에 요구되는 광시야각과 원거리 (≥100m) 감지에 가장 적합한 스캐닝 LiDAR 센서를 사용한다 [6].

성능/효과

Nx.max의 수평 해상도가 0.25°일 때, LD가 11.57 ㎲마다 레이저가 조사되는 것을 확인하였고, 동일한 방법으로 0.3°부터 sleep mode의 0.5°까지의 TP데이터를 추출하여 수평 해상도가 낮아질수록 TP가 늘어남을 검증하였다.
09% 감소한다. LD의 송광부 전력 감소에 비하여, LiDAR 센서의 전체 전력 감소는 최대 3.86% 감소하였다. 하지만, 3.
첫째, 차량 속도 측면에서 동적 전력 소모를 줄이기 위해 수평 해상도를 가변시켜 제어한다. 둘째, 주변 환경의 관점에서 sleep mode를 적용하여 정적 전력 소모를 최소화하여 효율적으로 전력 소모를 줄인다.
첫째, LiDAR 센서의 차량 속도에 따라 레이저의 수평 해상도를 제어하여 유효 전력 소비를 줄인다. 둘째, 주변 환경이 일정 시간 동안 변하지 않는 경우 제안된 LiDAR 센서는 sleep mode로 불필요한 감지를 최소화하여 정적 전력 소비를 줄인다. 제안된 알고리즘을 적용하여 차량 속도 기반 제어 모드는 DAPC가 최대 32.
86%를 지속적으로 절감할 경우, 누적 절감 전력은 상당할 것으로 사료된다. 따라서, 제안한 LiDAR 센서는 검증 시스템을 통하여 성공적으로 실험되었고, T_P의 가변을 통하여 수평 해상도를 제어함으로써 효율적으로 전력 소모를 줄였다. 또한, 알고리즘의 적용으로 차량의 다양한 환경에 따라 유연하게 대처할 수 있도록 전력 소모의 효율성을 향상시킬 수 있을 것으로 판단한다.
이와 같이 차량 속도에 따른 T_P가변 실험을 통하여 평균 전류 (average current, AC)와 평균 전력 소모 (average power consumption, APC)의 개선과 알고리즘이 적용되어 차량 속도 변화에 따라 수평 해상도가 가변되므로 N_x가 줄어들기 때문에 전력 소모가 줄어드는 것을 확인하였다. 특히 sleep mode는 N_x.
둘째, 주변 환경이 일정 시간 동안 변하지 않는 경우 제안된 LiDAR 센서는 sleep mode로 불필요한 감지를 최소화하여 정적 전력 소비를 줄인다. 제안된 알고리즘을 적용하여 차량 속도 기반 제어 모드는 DAPC가 최대 32.43% 감소하고, sleep mode가 적용된 환경 감지 기반 제어 모드의 DAPC는 5-cycles 중에서 1-cycle만 구동시키므로 최대 61.09% 감소한다. LD의 송광부 전력 감소에 비하여, LiDAR 센서의 전체 전력 감소는 최대 3.
제안된 알고리즘은 차량 속도와 주변 환경의 두 가지 관점에서 동작한다. 첫째, LiDAR 센서의 차량 속도에 따라 레이저의 수평 해상도를 제어하여 유효 전력 소비를 줄인다. 둘째, 주변 환경이 일정 시간 동안 변하지 않는 경우 제안된 LiDAR 센서는 sleep mode로 불필요한 감지를 최소화하여 정적 전력 소비를 줄인다.
특히 sleep mode는 Nx.max에 비하여 전력 감소 비율 (power reduction rate, PRR)이 3.86% 감소되었고, 전체 전력 소모가 개선되는 것을 확인할 수 있다.

후속연구

따라서, 제안한 LiDAR 센서는 검증 시스템을 통하여 성공적으로 실험되었고, T_P의 가변을 통하여 수평 해상도를 제어함으로써 효율적으로 전력 소모를 줄였다. 또한, 알고리즘의 적용으로 차량의 다양한 환경에 따라 유연하게 대처할 수 있도록 전력 소모의 효율성을 향상시킬 수 있을 것으로 판단한다. 본 논문은 송광부만 제어하여 전력 감소를 확인하지만, 향후 계속적인 연구를 통하여 송광부 외에 다른 부분을 제어하여 더욱 더 효율적으로 전력 소모를 줄이는 연구가 필요하고, 차량뿐만 아니라 로봇 및 드론 산업을 포함한 다양한 분야에 적용할 수 있을 것으로 판단한다.
또한, 알고리즘의 적용으로 차량의 다양한 환경에 따라 유연하게 대처할 수 있도록 전력 소모의 효율성을 향상시킬 수 있을 것으로 판단한다. 본 논문은 송광부만 제어하여 전력 감소를 확인하지만, 향후 계속적인 연구를 통하여 송광부 외에 다른 부분을 제어하여 더욱 더 효율적으로 전력 소모를 줄이는 연구가 필요하고, 차량뿐만 아니라 로봇 및 드론 산업을 포함한 다양한 분야에 적용할 수 있을 것으로 판단한다.

질의응답

핵심어	질문	논문에서 추출한 답변
	단채널 LiDAR 센서는 어떻게 구성되는가?	일반적인 단채널 LiDAR 센서는 laser diode (LD), avalanche photo diode (APD), time-to-digital converter (TDC), 신호처리부로 구성된다. LiDAR 센서는 LD에서 레이저가 발광된 시간과 물체에 반사되어 되돌아온 레이저가 APD에 수광된 시간의 시간 차이를 TDC에서 ToF로 측정된다.
	LiDAR는 어떤 센서로 인식되고 있는가?	특히, 안전과 편의를 위해 사용되는 센서들 중 LiDAR는 송광된 레이저가 물체에 반사되어 돌아와 센서에 수광되는 레이저의 비행시간 (time-of-flight, ToF)을 거리 값으로 변환하는 기술을 사용하여 물체와의 정확한 거리를 측정하는 센서이다 [3]. 차량과 차량, 차량과 물체와의 거리 측정으로 차량의 주변 환경 감지가 필요한 자율주행 차량에 가장 필수적인 핵심 센서로 인식되고 있다 [4].
	LiDAR는 어떤 센서인가?	최근 이슈가 되는 자율주행 차량은 다양하고 많은 센서들의 사용으로 계속적인 연구가 진행 중이고, 사용되는 다수의 센서들 간의 융합 신호처리 연구도 활발히 이루어지고 있다 [2]. 특히, 안전과 편의를 위해 사용되는 센서들 중 LiDAR는 송광된 레이저가 물체에 반사되어 돌아와 센서에 수광되는 레이저의 비행시간 (time-of-flight, ToF)을 거리 값으로 변환하는 기술을 사용하여 물체와의 정확한 거리를 측정하는 센서이다 [3]. 차량과 차량, 차량과 물체와의 거리 측정으로 차량의 주변 환경 감지가 필요한 자율주행 차량에 가장 필수적인 핵심 센서로 인식되고 있다 [4].

참고문헌 (11)

K. Armstrong, S. Das, J. Cresko, "The Energy Footprint of Automotive Electronic Sensors," Sustainable Materials and Technologies, Vol. 25, pp. e00195, 2020.

상세보기
R. H. Rasshofer, K. Gresser, "Automotive Radar and Lidar Systems for Next Generation Driver Assistance Functions," Advances in Radio Science, 3, pp. 205-209, 2005.

상세보기
S. Theiss, "Analysis of a Pulse-based ToF Camera for Automotive Application," University of Siegen Master's thesis, 2015.
S. Crouch, "Advantages of 3D Imaging Coherent Lidar for Autonomous Driving Applications," Proceedings of the 19th Coherent Laser Radar Conference, Okinawa, Japan, pp. 18-21, 2018.
B. Behroozpour, P. Sandborn, M. Wu, B. Boser, “Lidar System Architectures and Circuits,” IEEE Communications Magazine, Vol. 55, No. 10, pp. 135-142, 2017.

상세보기
R. Thakur, “Scanning LIDAR in Advanced Driver Assistance Systems and Beyond,” IEEE Consumer Electronics Magazine, Vol. 5, No. 3, pp. 48-54, 2016.
Y. Lee, M. Park, "Power Consumption and Accuracy in Detecting Pedestrian Images on Neuromorphic Hardware Accelerated Embedded Systems," 2019 Tenth International Green and Sustainable Computing Conference (IGSC). IEEE, 2019.
D. Park, J.M. Youn, J. Cho, "A Low-power Microcontroller with Accuracy-controlled Event-driven Signal Processing Unit for Rare-event Activity-sensing Iot Devices," Journal of Sensors, 2015.
C. Song, E. Yavari, A. Singh, O. Boric-Lubecke, V. Lubecke, "Detection Sensitivity and Power Consumption vs. Operation Modes Using System-on-chip Based Doppler Radar Occupancy Sensor," 2012 IEEE Topical Conference on Biomedical Wireless Technologies, Networks, and Sensing Systems (BioWireleSS). IEEE, pp. 17-20, 2012.
A. Comeron, C. Munoz-Porcar, F. Rocadenbosch, A. Rodriguez-Gomez, M. Sicard, “Current Research in Lidar Technology Used for the Remote Sensing of Atmospheric Aerosols,” Sensors, Vol. 17, No. 6, pp. 1450, 2017.

상세보기
S. Lee, D. Lee, P. Choi, D. Park, “Accuracy-Power Controllable LiDAR Sensor System with 3D Object Recognition for Autonomous Vehicle,” Sensors, Vol. 20, No. 19, pp. 5706, 2020.

상세보기

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증