인더뉴스 김영욱 기자 | 우리가 자동차를 운전할때 가장 중요한 신체기능은 무엇일까요? 먼저 도로상황을 눈으로 봐야하고, 때때로 손을 사용해서 운전대로 차량의 운행 방향을 바꿔야 하며, 속도를 내거나 줄이기 위해 그리고 출발하고 멈추기 위해 발을 사용해야 합니다.

 

그리고 그중에서 가장 중요한 신체기능은 아마도 ‘보는 것’일 겁니다. 아무것도 보이지 않는 상황에서 출발하고, 멈추고, 속도를 내고, 방향을 바꾸는 순간 도로가 아수라장이 되는 것은 물론이고 사람의 생명까지 위험해지겠죠.

 

눈을 통한 도로상황의 파악이 선행되야 손과 발의 기능이 제 역할을 발휘하게 됩니다. 자율주행기술Autonomous Technology*이라고 말하는 스스로 움직이는 자동차는 이러한 기능들이 유기적으로 이루어져야합니다.

 

*자율주행기술(Autonomous Technology) 또는 자율주행자동차(Autonomous Car)는 운전자가 차량을 운전하지 않아도 스스로 움직이는 자동차 기술 또는 자동차 자체를 의미.

 

현재 진행형인 이러한 기술들은 궁극적으로 자동차가 스스로 운행하는 것을 목표로 합니다. 이를 위해서는 운전자가 주위를 살피고 주행하듯 자동차 스스로 주변 환경을 인지하고, 위치를 인식하며, 실시간으로 맵핑 즉 지도를 그리듯 할 수 있어야 합니다.

 

삼정KPMG가 2020년 2월 26일 발간한 보고서 ‘자율주행이 만드는 새로운 변화’ 에 따르면, 국내 자율주행 자동차 시장 규모는 2020년 약 1509억원에서 2035년 약 26조1794억원으로 연평균 40%의 성장세를 보일 것으로 전망하고 있습니다.  2035년 글로벌 자율주행 자동차 시장 규모는 약 1334조원으로 2020년 약 8조 5000억원 대비 150배 이상 성장할 것이라고 예측되고 있습니다.

 

 

성공한 스타트업에서 다시 성공한 스타트업으로

 

스타트업으로 출발한 기업 스트라드비젼(StradVision. 대표 김준환)은 자동차의 ‘눈’을 만드는 회사입니다. 정확하게 말하자면 자율주행을 위한 시신경계(The Optic System)를 만든다는 표현이 더 어울릴듯 합니다.

 

사실 스트라드비젼의 창업자들은 2012년 인텔(Intel)에 매각된 얼굴인식기술 회사인 올라웍스(OlaWorks) 출신들 입니다. 올라웍스는 스마트폰에서 강력한 얼굴인식 기술을 제공했기 때문에, 설립자들은 사람들의 삶에 좀 더 직접적이고 근본적인 변화를 가져올 다음 플랫폼을 찾고 있었습니다. 

 

스트라드비젼은 ADAS라 불리는 첨단운전자지원시스템(Advanced Driver Assistance Systems)*과 자율주행기술이라는 자동차 분야로 방향을 틀었고, 현재 전세계 약 900만대의 차량에 ADAS와 자율주행기술을 제공하는 기업으로 성장했습니다.

 

*첨단 운전자 지원 시스템(ADAS. Advanced Driver Assistance Systems) 충돌 위험시 운전자가 제동장치를 밟지 않아도 스스로 속도를 줄이거나 멈추는 ‘자동 긴급제동 시스템(AEB: Autonomous Emergency Braking)’, 차선 이탈 시 주행 방향을 조절해 차선을 유지하는 ‘주행 조향보조 시스템(LKAS: Lane Keep Assist System)’ 등을 일컫는 개념.

 

ADAS와 자율주행기술은 얼마전까지만 해도 최고급 자동차에나 장착돼던 기능이지만 이제 보급형 및 소형 차량에서도 일부 기능이 사용되고 있습니다.

 

차량이 스스로를 제어하기 위해서는 현재의 운전 상황을 정확하게 인지해야 하고, 인지를 통해 판단을 해야하며, 판단을 통해 제대로 움직여줘야 합니다. 차량이 스스로 상황을 정확하게 인지하고 판단의 근거를 제공하는 역할, 이것이 스트라드비젼이 제공하는 서비스 ‘SVNet’입니다.

 

SVNet 딥러닝 기반 비디오 분석 소프트웨어와 Auto Labeling Tool 자동 라벨링 시스템

 

SVNet은 눈의 역할을 하는 하드웨어적인 카메라가 아닌 눈의 기능을 제대로 수행하게 하는 일종의 시신경, 즉 ‘소프트웨어’ 입니다. 시신경과 눈이라는 표현을 쓴 이유는 실제로 우리가 보듯이 사물을 보고 인식하기 때문입니다. 딥러닝Deep learning*에 기반을 둔 사물 인식 소프트웨어 ‘SVNet’은 카메라로 수집한 영상 혹은 이미지를 분석해 사물 인식 결과를 ADAS 및 자율주행에 활용할 수 있도록 개발되었습니다.

 

*Deep learning 심층 학습 – 딥러닝은 사물이나 데이터를 군집화하거나 분류하는 데 사용하는 기술. 예를 들어 초기 컴퓨터는 사진만으로 개와 고양이를 구분하지 못했고 이를 위해 ‘기계학습(Machine Learning)’이라는 방법이 고안됨. 많은 데이터를 컴퓨터에 입력하고 비슷한 것끼리 분류하도록 함으로써 기계가 스스로 학습하도록 한 것.

 

예를 들어 주행중인 차량의 카메라가 주위에 모든 정보를 촬영하면 SVNet은 이미지를 분석해서 다른 차량과의 거리, 차선과 도로표지판, 건물과 신호등 상황, 사람과 동물 등을 식별해서 원활한 주행을 도와줍니다. 문제는 인공지능이 사람처럼 영상 또는 사진을 보고 사물을 구별해낼만큼 똑똑하지 못하다는 것이었습니다.

 

스트라드비젼의 이선영 COO는 ‘딥러닝 기반 알고리즘의 정확성과 최적화를 위해서는 수백만개의 수집된 이미지와 비디오 데이터에서, 사람이 물체를 구분하고 해당 카테고리에 맞는 박스를 그려주는 수작업이 필요’했다고 합니다. 이 문제를 해결하기 위해 개발한 것이 ‘자동 라벨링 시스템(Auto Labeling Tool)’입니다. 

 

이를 통해 수작업으로 발생하는 오류를 수정하는데 소요되는 대규모 인력과 비용을 획기적으로 줄이며 유사 서비스에 비해 8배 이상 빠른 속도로 작업을 처리할 수 있었습니다.

 

스트라드비젼은 2017년 세계 최초로 딥러닝 알고리즘을 텍사스인스트루먼트(TI)사와 르네사스(Renesas)사의 차량에 내장된 반도체에 최적화시켜 칩셋(Chipset. 다른 부품들 사이의 중간다리 역할을 하며, 부품들이 서로를 인식하게 만듦)에서 직접 사물 인식이 가능하도록 했습니다. 

 

 

초기 레벨2 자율주행기술에 선택과 집중, 현재는 레벨4의 과도기

 

기존 자동차 제조사의 하드웨어를 그대로 사용한다는 점은 SVNet의 가장 매력적인 부분입니다. 기본적으로 장착되는 카메라를 활용하는 이 소프트웨어는 주위의 차량, 도로 표지판, 차선, 건물의 이름, 사람과 동물, 가로수와 가로등, 도심속에 놓인 여러가지 물체들을 우리가 눈으로 보는 그대로 식별해 냅니다.

 

이러한 성장이 결과로 국내외 자동차 제조사와 1차협력사에 소프트웨어를 제공하고 있으며, 반도체 업체들과 긴밀한 협업을 하고 있습니다. 대표적으로 미국의 엔비디아(NVIDIA), 텍사스인스트루먼트(TI), 그리고 일본의 르네사스(Renesas)사와 주요 파트너 관계를 맺고 있습니다. 

 

현재 양산되는 8,800만대 이상의 차량에 SVNet이 탑재될 예정이며, 중국부터 독일까지 레벨 2* ADAS부터 레벨 4** 자율주행 차량에 순수 국내 기술인 SVNet이 탑재되어 세계 각국에서 ADAS 및 자율주행을 가능하게 할 예정이라고 합니다.

 

*레벨 2 Level 2 운전자가 시야는 확보한 상황에서 운전자의 개입없이 시스템이 자동차의 속도와 방향을 동시에 제어할 수 있는 단계. 특정한 상황에서 자동차가 스스로 방향을 바꿀수 있고, 앞차와의 간격을 유지하기 위해 속도를 줄이거나 가속을 할 수도 있음

**레벨 4 Level 4 ‘완전한 자율주행’이 가능한 단계. 시스템이 자동차의 운행구간 전체를 모니터링하고, 안전관련 기능들을 스스로 제어. 운전자가 할일은 출발전에 목적지와 이동경로를 입력하는 것이 전부며, 운전자가 수동 운전으로 복귀할 수 없는 상황에서도 시스템이 스스로 안전한 자율주행을 할 수 있음.

 

자동차의 시신경인 SVNet은 서두에 언급했던 객체(차량, 보행자, 동물 등)인식, 차선인식, 표지판 및 신호등 인식을 가능하게 하며 이러한 기능은 자동차에 옵션으로 장착되는 전방충돌경고, 측면충돌경고, 사각지대감지, 주행가능공간감지, 서라운드뷰(SVM), 자동 발렛 파킹 등에 활용되고 있습니다. 

 

가장 좋은 기술은 사용자가 그 기술의 원리를 이해하지 못하더라도 누구나 손쉽게 사용하는 것입니다. 자동차를 운전하면서 엔진의 원리, 실린더의 구조, 배기량의 효능과 브레이크의 원리, 공기저항과 타이어의 접지력의 공학적, 기계적 지식은 사실 전혀 필요없습니다.

 

이선영 COO는 “2014년 창업 후 지금까지는 딥러닝 기반 SVNet 소프트웨어를 개발하고 고객들에게 소개하는 것이 포커스였다면, 최근 자동차 업계 내 입지를 탄탄하게 굳히면서 2019년에 양산에 성공한 것이 가장 주요한 성과”였다고 합니다. 

 

실제 딥러닝 기술을 양산 차량에 적용한 사례는 세계적으로도 손에 꼽을 정도입니다. 국내외 자동차 제조사와 1차 협력사 출신의 인력들도 공격적으로 영입함으로써 2019년 매출의 55%를 해외 수출로 달성했습니다.

 

스트라드비젼은 2020년 자동차 업계 내에서 확고한 위치를 차지하는 것을 목표로 하고 있습니다. 독일이나 중국 고객들 대상 양산 프로젝트를 원격으로 지원해왔지만, 얼마전 독일 뮌헨 지역에 사무소를 개소하여 더욱더 원활하고 신속한 대응과 더불어 해외 사업 확장에 더욱 힘쓰고 있습니다.