자율주행 자동차가 주변 환경을 정확하게 이해하기 위해서는 차량이나 보행자가 어디에 있는지뿐만 아니라 얼마나 빠르게 움직이고 있는지를 파악하는 것도 중요합니다.
현재 자율주행 시스템에서는 카메라, 레이더, 라이다 등 여러 센서가 사용되고 있습니다. 그중 라이다는 레이저를 이용해 주변 환경을 3차원으로 측정할 수 있다는 장점이 있습니다.
하지만 일반적인 라이다는 주로 레이저가 물체에 도달했다가 돌아오는 시간을 이용해 거리를 계산합니다. 따라서 물체의 이동 속도를 정확하게 파악하려면 여러 프레임의 데이터를 비교하거나 다른 센서의 정보를 함께 활용해야 하는 경우가 있습니다.
이러한 한계를 보완할 수 있는 기술로 주목받는 것이 FMCW(Frequency Modulated Continuous Wave) 라이다입니다.
FMCW 라이다는 레이저의 주파수를 시간에 따라 변화시키면서 반사되어 돌아온 신호와 송신 신호의 차이를 분석합니다. 여기에 도플러 효과(Doppler Effect)를 활용하면 물체의 거리뿐 아니라 상대적인 속도 정보를 얻는 데 도움을 받을 수 있습니다.
1. FMCW란 무엇인가?
FMCW는 Frequency Modulated Continuous Wave, 즉 주파수 변조 연속파를 의미합니다.
쉽게 말하면 일정한 주파수의 신호를 계속 발사하는 것이 아니라 시간에 따라 주파수를 변화시키면서 연속적으로 신호를 보내는 방식입니다.
라이다에서는 이 개념을 레이저 신호에 적용합니다.
송신하는 레이저의 주파수가 일정한 패턴으로 변화하면 물체에 반사되어 돌아오는 신호 역시 송신 신호와 비교할 수 있는 특징을 갖게 됩니다.
센서는 송신한 신호와 수신한 신호의 차이를 분석해 물체까지의 거리와 움직임에 관한 정보를 추출합니다.
이 방식은 전파를 이용하는 FMCW 레이더와 기본적인 개념에서 유사하지만, FMCW 라이다는 빛의 주파수와 매우 높은 정밀도의 광학 시스템을 이용한다는 차이가 있습니다.
2. 기존 ToF 라이다와 무엇이 다를까?
일반적으로 많이 알려진 라이다 방식 가운데 하나가 ToF(Time of Flight) 방식입니다.
ToF 라이다는 레이저 펄스를 발사한 후 반사되어 돌아오는 데 걸리는 시간을 측정합니다.
빛은 매우 빠르게 이동하기 때문에 아주 짧은 시간 차이를 정밀하게 측정해야 합니다.
기본적인 개념은 간단합니다.
레이저 발사 → 물체 반사 → 센서 수신 → 왕복 시간 계산 → 거리 산출
반면 FMCW 라이다는 단순히 왕복 시간을 직접 측정하는 대신 송신 신호와 수신 신호 사이의 주파수 차이를 분석합니다.
따라서 두 방식은 같은 라이다 기술이지만 거리 정보를 얻는 방법에서 차이가 있습니다.
FMCW 방식의 중요한 특징은 여기에 도플러 정보를 함께 활용할 수 있다는 점입니다.
3. 도플러 효과란 무엇인가?
도플러 효과는 파원과 관측자의 상대적인 움직임에 따라 관측되는 파동의 주파수가 달라지는 현상입니다.
일상생활에서도 쉽게 경험할 수 있습니다.
예를 들어 자동차가 경적이나 사이렌을 울리면서 가까이 다가올 때와 멀어질 때 소리가 다르게 들리는 현상이 대표적인 예입니다.
물체가 가까워지는 방향으로 움직이면 관측되는 주파수가 변화하고, 반대로 멀어지면 반대 방향의 주파수 변화가 나타납니다.
빛 역시 파동의 성질을 가지고 있기 때문에 움직이는 물체와 반사 신호 사이에서 도플러 주파수 변화가 발생할 수 있습니다.
FMCW 라이다는 이러한 주파수 변화를 측정해 물체의 상대적인 속도 정보를 얻는 데 활용할 수 있습니다.
4. FMCW 라이다에서 거리는 어떻게 측정할까?
FMCW 라이다에서는 레이저의 주파수를 일정한 패턴으로 변화시킵니다.
예를 들어 송신 주파수가 시간에 따라 점점 높아지는 형태로 변화한다고 생각해 볼 수 있습니다.
그런데 레이저가 물체까지 이동하고 다시 센서로 돌아오는 데에는 시간이 필요합니다.
따라서 센서가 현재 발사하고 있는 레이저의 주파수와 실제로 되돌아온 레이저의 주파수 사이에는 차이가 발생합니다.
이 차이를 분석하면 레이저가 왕복하는 동안 발생한 시간 지연을 추정할 수 있습니다.
결국 이 정보를 이용해 물체까지의 거리를 계산할 수 있습니다.
즉 FMCW 라이다에서는 주파수 차이가 거리 정보를 포함하고 있는 것입니다.
5. 움직이는 물체에서는 도플러 효과가 추가된다
문제는 실제 자율주행 환경의 물체가 가만히 있지 않는다는 것입니다.
주행 중인 차량은 움직이고 있고 보행자 역시 이동할 수 있습니다.
물체가 움직이면 반사되어 돌아오는 레이저의 주파수에도 도플러 효과에 따른 변화가 추가됩니다.
따라서 수신 신호의 주파수 차이는 단순히 거리 때문에 발생한 성분과 물체의 움직임 때문에 발생한 성분이 함께 포함할 수 있습니다.
FMCW 라이다에서는 이러한 신호 특성을 분석해 거리와 속도에 관한 정보를 분리해서 추정하는 것이 중요한 기술적 과제입니다.
이것이 FMCW 라이다가 기존 라이다와 구별되는 중요한 특징 가운데 하나입니다.
6. 거리와 속도를 동시에 파악하는 것이 왜 중요할까?
자율주행 자동차에게 다음 두 상황을 비교해 보겠습니다.
앞쪽 50m에 자동차가 한 대 있는 경우와 앞쪽 50m에 자동차가 있는데 빠른 속도로 접근하고 있는 경우입니다.
두 자동차는 현재 거리만 보면 동일합니다.
하지만 실제 주행에서 위험도는 전혀 다를 수 있습니다.
따라서 자율주행 시스템은 단순히 ‘어디에 있다’는 정보뿐 아니라 ‘어떻게 움직이고 있는가’를 알아야 합니다.
거리와 속도를 동시에 측정할 수 있다면 주변 객체의 움직임을 보다 직접적으로 파악하는 데 도움이 될 수 있습니다.
특히 차량의 충돌 위험을 판단하거나 주변 차량의 움직임을 추적하는 과정에서 유용한 정보가 될 수 있습니다.
7. FMCW 라이다의 또 다른 장점은 신호 구분이다
FMCW 방식에서는 주파수 정보를 이용해 반사 신호를 분석하기 때문에 특정 환경에서 다른 광원이나 반사 신호의 영향을 구분하는 데 유리한 특성을 기대할 수 있습니다.
또한 레이저의 주파수 특성을 정밀하게 분석하기 때문에 단순한 시간 측정 방식과는 다른 신호 처리 구조를 구성할 수 있습니다.
다만 이것이 모든 외부 간섭을 자동으로 제거한다는 의미는 아닙니다.
실제 차량에 적용하기 위해서는 주변의 다른 라이다나 태양광, 반사율이 다른 다양한 물체 등 여러 환경 조건을 함께 고려해야 합니다.
8. FMCW 라이다가 기술적으로 어려운 이유
FMCW 라이다는 개념만 보면 매우 매력적인 기술입니다.
하지만 실제 제품으로 구현하는 것은 상당히 복잡합니다.
첫 번째 문제는 광원 기술입니다.
주파수를 정밀하게 제어하면서 충분한 출력과 안정성을 확보해야 합니다.
두 번째는 수신 신호 처리입니다.
반사되어 돌아오는 광신호는 송신 신호에 비해 매우 약할 수 있기 때문에 미세한 주파수 차이를 정확하게 분석해야 합니다.
세 번째는 거리와 속도 정보의 분리입니다.
실제 물체의 거리 변화와 속도 변화가 신호에 함께 영향을 주기 때문에 이를 정확하게 분석하는 신호 처리 기술이 필요합니다.
네 번째는 광학 시스템의 안정성입니다.
차량은 진동과 온도 변화에 노출되기 때문에 정밀한 광학 부품이 실제 자동차 환경에서도 안정적으로 작동해야 합니다.
9. FMCW 라이다와 레이더는 같은 기술일까?
FMCW라는 이름 때문에 FMCW 라이다와 FMCW 레이더가 완전히 같은 기술이라고 생각하기 쉽습니다.
하지만 사용하는 파장과 하드웨어 구조가 다릅니다.
레이더는 전파를 사용하고, 라이다는 광학 영역의 레이저를 사용합니다.
이 때문에 센서의 해상도와 물체의 반사 특성, 광학계 설계, 신호 처리 방법 등에서 차이가 발생합니다.
레이더는 상대적으로 악천후 환경에서 강점을 갖는 경우가 있지만 물체의 세밀한 형상을 파악하는 데에는 한계가 있을 수 있습니다.
반면 라이다는 높은 공간 해상도를 이용해 주변의 3차원 구조를 세밀하게 측정하는 데 장점이 있습니다.
따라서 두 기술은 서로 경쟁하는 관계라기보다 서로 다른 특성을 활용해 보완할 수 있는 센서로 볼 수 있습니다.
10. 자율주행에서 FMCW 라이다가 기대되는 이유
자율주행에서는 주변 환경을 정확하게 이해하는 것이 중요합니다.
차량, 보행자, 자전거, 도로 구조물 등 다양한 객체를 인식하고 각각의 움직임을 추적해야 합니다.
FMCW 라이다가 거리뿐 아니라 상대속도 정보를 직접적으로 얻는 데 활용될 수 있다면 객체 추적과 움직임 분석에 도움이 될 수 있습니다.
특히 정지해 있는 물체와 움직이는 물체를 구분하거나 같은 거리에 있는 여러 객체의 움직임을 분석하는 데 활용 가능성이 있습니다.
다만 실제 자율주행 시스템에서는 하나의 센서만으로 모든 환경을 해결하기보다는 카메라와 레이더, 라이다 등의 정보를 결합하는 센서 퓨전 방식이 중요합니다.
11. 악천후 환경에서는 어떨까?
FMCW 라이다라고 해서 비나 안개에 완전히 영향을 받지 않는 것은 아닙니다.
안개나 비가 발생하면 레이저가 물방울과 상호작용하면서 산란이나 감쇠가 발생할 수 있습니다.
따라서 FMCW 방식 역시 악천후 환경에서 신호 품질이 떨어질 가능성을 고려해야 합니다.
이를 해결하기 위해서는 센서 하드웨어 개선뿐 아니라 신호 처리와 데이터 필터링 기술이 필요합니다.
또한 레이더와 카메라 같은 다른 센서의 정보를 함께 사용하는 것도 중요한 접근 방법이 될 수 있습니다.
12. FMCW 라이다의 상용화를 위한 과제
FMCW 라이다가 자율주행에 폭넓게 사용되기 위해서는 기술적 성능뿐 아니라 생산성과 가격도 중요합니다.
자동차용 센서는 일반적인 연구 장비보다 훨씬 까다로운 환경에서 장기간 작동해야 합니다.
고온과 저온, 진동, 충격, 먼지와 습기 등에 견뎌야 합니다.
또한 대량 생산 과정에서 광학 부품과 레이저의 특성을 일정하게 유지해야 합니다.
따라서 FMCW 라이다의 상용화는 단순히 ‘거리와 속도를 동시에 측정할 수 있다’는 기능 하나만으로 결정되지 않습니다.
광원, 수신기, 광학계, 신호처리, 열관리, 패키징, 생산비용을 종합적으로 해결해야 합니다.
13. 앞으로 FMCW 라이다는 어떻게 발전할까?
향후 FMCW 라이다 기술은 더욱 작은 크기와 높은 성능, 낮은 전력 소비를 목표로 발전할 가능성이 있습니다.
특히 광원과 수신기를 하나의 소형화된 플랫폼으로 통합하거나 반도체 기술을 활용해 광학 시스템을 단순화하려는 연구가 중요해질 수 있습니다.
또한 인공지능 기반 신호 처리 기술이 발전하면 복잡한 환경에서 수집되는 데이터를 더욱 효율적으로 분석할 가능성도 있습니다.
장기적으로는 단순히 주변 물체의 위치를 측정하는 것을 넘어 거리·속도·반사 특성 등을 종합적으로 분석하는 4차원 인식 센서로 발전할 가능성도 있습니다.
결론
FMCW 라이다는 주파수 변조 연속파를 이용해 레이저 신호를 발사하고, 송신 신호와 수신 신호 사이의 주파수 차이를 분석하는 방식의 라이다 기술입니다.
특히 움직이는 물체에서는 도플러 효과에 따른 주파수 변화가 발생하기 때문에 이를 분석하면 물체의 상대적인 속도 정보를 얻는 데 활용할 수 있습니다.
기존 ToF 라이다가 주로 레이저의 왕복 시간을 이용해 거리를 측정하는 방식이라면, FMCW 라이다는 주파수 영역의 정보를 활용해 거리와 속도를 함께 추정할 수 있다는 점에서 차별화됩니다.
이러한 특성은 주변 차량이나 보행자의 움직임을 정확하게 파악해야 하는 자율주행 분야에서 중요한 장점이 될 가능성이 있습니다.
하지만 FMCW 라이다가 실제 차량에 널리 적용되기 위해서는 해결해야 할 과제도 많습니다.
정밀한 레이저 주파수 제어, 약한 반사 신호의 검출, 거리와 속도 정보의 분리, 광학 시스템의 안정성, 악천후 대응, 생산 비용 등이 대표적인 과제입니다.
결국 FMCW 라이다의 경쟁력은 단순히 새로운 측정 방식을 사용하는 데 있는 것이 아니라 고해상도 3차원 정보와 속도 정보를 얼마나 안정적으로 결합하고, 이를 실제 주행 환경에서 사용할 수 있는 수준으로 구현하느냐에 달려 있습니다.
자율주행 기술이 더욱 발전하면서 차량 주변의 공간 정보뿐 아니라 객체의 움직임까지 정밀하게 파악하는 기술의 중요성은 계속 커질 것입니다. 이러한 관점에서 FMCW 라이다는 차세대 자율주행 센서 기술 가운데 주목할 만한 연구 분야라고 할 수 있습니다.
핵심 내용 정리
| 구분 | 핵심 내용 |
|---|---|
| FMCW | 시간에 따라 주파수를 변화시키는 연속파 방식 |
| 라이다 | 레이저를 이용해 주변 환경의 거리와 3차원 정보를 측정 |
| 도플러 효과 | 물체의 상대운동에 따라 수신 주파수가 변하는 현상 |
| 거리 측정 | 송신·수신 신호의 주파수 차이를 이용해 거리 정보를 추정 |
| 속도 측정 | 도플러에 따른 주파수 변화를 분석해 상대속도를 추정 |
| ToF 라이다 | 레이저의 왕복 시간을 이용해 거리를 측정 |
| 주요 장점 | 거리 정보와 속도 정보를 함께 활용할 가능성 |
| 주요 과제 | 광원·수신기·신호처리·광학계·가격·내구성 |
| 활용 분야 | 자율주행, ADAS, 객체 추적 및 3차원 환경 인식 |