자율 주행 기술이 빠르게 발전하면서 차량의 ‘눈’ 역할을 담당하는 센서들의 중요성이 한층 커지고 있어요. 그중에서도 LiDAR(Light Detection and Ranging)는 자율 주행 시스템의 핵심 센서로 자리매김했죠. 카메라가 빛의 색을 인식하고 레이더가 전파로 거리를 측정한다면, LiDAR는 레이저를 이용해 주변 환경을 정밀하게 3차원으로 스캔해요. 이번 글에서는 LiDAR가 자율 주행에 어떻게 활용되는지, 그 작동 원리부터 실제 응용 사례, 그리고 향후 전망까지 깊이 있게 살펴볼게요.
LiDAR 센서의 기본 원리와 작동 방식
LiDAR는 ‘Light Detection and Ranging’의 약자로, 펄스 형태의 레이저 광선을 주변 환경에 발사한 뒤 물체에 반사되어 돌아오는 시간을 측정하여 거리를 계산하는 센서예요. 이 기본 원리는 박쥐의 음파 탐지나 군용 레이더와 비슷하지만, 가시광선 또는 근적외선 영역의 레이저를 사용한다는 점에서 차별화돼요.
비행 시간 측정 ToF 방식
가장 일반적인 LiDAR 측정 방식은 ToF(Time of Flight)예요. 광원에서 발사된 레이저 펄스가 물체에 반사되어 수신기로 돌아오는 데 걸린 시간을 측정한 뒤, 빛의 속도(약 30만 km/s)를 곱해 거리를 산출하는 방식이죠. 예를 들어 레이저가 200ns 만에 돌아왔다면 왕복 거리는 60m, 즉 물체까지의 실제 거리는 30m가 돼요. 이 방식은 단순하지만 매우 정확하며, 보통 ±2~3cm 수준의 정밀도를 제공해요.
FMCW 방식의 차세대 LiDAR
최근에는 주파수 변조 연속파(FMCW, Frequency Modulated Continuous Wave) 방식이 주목받고 있어요. 이 방식은 펄스가 아닌 연속파 레이저의 주파수를 시간에 따라 변조하고, 반사파와 송신파의 주파수 차이를 통해 거리와 속도를 동시에 측정해요. 도플러 효과를 이용해 객체의 속도까지 한 번에 얻을 수 있다는 장점이 있어서, 다른 차량의 자율 주행 LiDAR와의 간섭 회피 측면에서도 유리해요.
스캐닝 방식 분류
LiDAR는 빔을 어떻게 조향하느냐에 따라 기계식, MEMS 거울, OPA(광학 위상 배열), 플래시 등 다양한 방식으로 나뉘어요. 기계식 회전형은 360도 시야를 확보할 수 있지만 진동에 취약하고 부피가 크다는 단점이 있죠. 반면 솔리드스테이트 LiDAR는 움직이는 부품이 없어 신뢰성이 높고 차량 디자인에 잘 통합되어 차세대 주력으로 떠오르고 있어요.
자율 주행에서 LiDAR가 수행하는 핵심 역할
자율 주행 차량은 SAE 레벨 0부터 5까지 단계별로 자동화 수준을 나누는데, 레벨 3 이상의 조건부 자동 운전부터는 차량이 스스로 주변 환경을 인지하고 의사결정을 내려야 해요. 이때 LiDAR가 제공하는 정밀한 3D 정보는 다음과 같은 핵심 기능을 수행해요.
객체 검출과 분류
LiDAR가 만들어내는 포인트 클라우드(point cloud)는 주변 환경의 형상을 수많은 점으로 표현한 데이터예요. 자율 주행 시스템은 이 포인트 클라우드로부터 차량, 보행자, 자전거, 신호등, 도로 표지판 같은 객체를 식별해요. PointNet, PointPillars, VoxelNet 같은 딥러닝 모델이 이런 작업에 널리 활용되며, 객체의 위치뿐 아니라 크기와 자세까지 동시에 추정해요.
실시간 위치 추정과 SLAM
SLAM(Simultaneous Localization and Mapping)은 차량이 미지의 환경에서 스스로 지도를 그리며 동시에 자신의 위치를 추정하는 기술이에요. LiDAR 기반 SLAM은 GPS 음영 지역(터널, 도심 협곡 등)에서도 안정적으로 작동해서 자율 주행의 신뢰성을 크게 높여요. LOAM, LIO-SAM, FAST-LIO 등은 대표적인 LiDAR SLAM 알고리즘으로 손꼽혀요.
고정밀 지도 매칭
자율 주행 차량은 사전에 구축된 HD맵(고정밀 지도)에 자신의 위치를 정확히 매칭해야 해요. LiDAR 포인트 클라우드를 HD맵의 3D 정보와 비교하면 cm 단위의 정밀한 측위가 가능해져요. 이 과정은 카메라만으로는 어려운 일이라, LiDAR가 자율 주행의 안전성을 담보하는 핵심 수단으로 평가받고 있죠.
LiDAR vs 카메라 vs 레이더 센서 비교
자율 주행에 사용되는 주요 센서는 LiDAR, 카메라, 레이더 세 가지로 나뉘어요. 각 센서는 서로 다른 물리적 원리를 바탕으로 작동하며, 장단점이 명확히 구분되기 때문에 보통 여러 센서를 융합해 사용해요.
각 센서의 강점과 한계
- LiDAR: 정밀한 3D 거리 측정, 야간에도 작동 우수, 그러나 강한 강수·안개·먼지 환경에서는 성능 저하. 가격이 상대적으로 고가.
- 카메라: 색상·문자·신호등 인식에 강력하고 저렴함. 그러나 야간·역광·악천후에 취약하고 거리 측정 정밀도는 LiDAR보다 떨어져요.
- 레이더: 악천후에 강하고 속도 측정에 탁월. 그러나 해상도가 낮아 미세한 물체 형상 파악은 어려워요.
센서 퓨전 전략
현실의 자율 주행 시스템은 각 센서의 약점을 보완하기 위해 센서 퓨전(sensor fusion)을 활용해요. LiDAR로 3D 형상을, 카메라로 의미 정보(차선, 신호)를, 레이더로 속도 정보를 얻은 다음 칼만 필터 또는 딥러닝 기반 융합 네트워크로 통합해요. 최근에는 BEVFormer, TransFuser처럼 트랜스포머 구조를 활용한 다중 센서 퓨전이 주류로 떠오르고 있어요.
테슬라의 비전 온리 접근
흥미로운 점은 테슬라(Tesla)가 LiDAR를 의도적으로 배제하고 카메라만으로 자율 주행을 구현하려 한다는 거예요. 일론 머스크는 LiDAR를 ‘비싸고 불필요한 부속물’이라며 비판해 왔어요. 반면 웨이모, 크루즈, 모빌아이 같은 경쟁사들은 LiDAR를 핵심 센서로 채택했어요. 두 접근법 모두 장단점이 있어 어느 쪽이 궁극적으로 우세할지는 향후 데이터와 실주행 안전 성적이 결정할 거예요.
LiDAR의 실제 응용 사례와 산업 현장
LiDAR는 자율 주행을 넘어 다양한 분야에서 활용되고 있어요. 자율 주행 산업의 발전과 함께 LiDAR 기술도 빠르게 성숙하면서 응용 범위가 점차 확장되고 있죠.
로보택시와 자율 주행 트럭
구글 자회사 웨이모(Waymo)는 미국 피닉스와 샌프란시스코에서 LiDAR 기반 로보택시 서비스를 상용화했어요. 차량 지붕에 회전식 LiDAR를 탑재하고 차량 사방에 보조 LiDAR를 추가해 360도 사각지대를 없앴죠. 자율 주행 트럭 분야의 오로라(Aurora), 코디악 로보틱스(Kodiak Robotics) 같은 기업도 장거리 LiDAR를 활용해 고속도로 자율 주행을 시연하고 있어요.
물류와 모빌리티
아마존이 인수한 죽스(Zoox), 모셔널(Motional), 위라이드(WeRide) 등도 LiDAR 기반 자율 주행 셔틀과 배송 로봇을 개발하고 있어요. 도시 내 라스트 마일 배송, 캠퍼스 자율 셔틀 같은 저속 자율 주행에서는 보다 저렴한 솔리드스테이트 LiDAR가 폭넓게 채택되고 있죠.
자동차 OEM의 양산형 차량 도입
고급 ADAS(첨단 운전자 보조 시스템) 영역에서도 LiDAR 탑재 차량이 빠르게 늘고 있어요. 볼보(Volvo) EX90, 폴스타(Polestar) 3, 메르세데스-벤츠 EQS, BMW 7시리즈, 그리고 중국의 니오(NIO), 샤오펑(XPeng), 리오토(Li Auto) 같은 OEM들이 차량 전면 그릴이나 루프에 솔리드스테이트 LiDAR를 통합해 차선 변경 보조, 자동 주차, 고속도로 자율 주행 같은 기능을 강화하고 있죠.
LiDAR 기술의 미래와 도전 과제
LiDAR 산업은 빠르게 성장하고 있지만, 자율 주행 보급의 핵심 변수인 비용, 신뢰성, 안전성 측면에서 여전히 풀어야 할 과제가 많아요.
가격 하락과 양산화
2010년대 초반 한 대당 7만 5천 달러를 호가하던 LiDAR가 최근에는 수백 달러대 솔리드스테이트 모델로 양산되고 있어요. 이노비즈(Innoviz), 발레오(Valeo), 헤사이(Hesai), 로보센스(RoboSense) 같은 기업들이 자동차 양산 라인에 맞춰 비용을 빠르게 절감하고 있죠. 향후 3~5년 안에 100달러 미만의 자동차 그레이드 LiDAR가 보편화될 거라는 전망도 있어요.
날씨 강건성 향상
강한 비, 눈, 안개, 황사 같은 악천후는 여전히 LiDAR의 최대 약점이에요. 1550nm 파장 LiDAR는 905nm보다 안개에 강하고 눈 안전성도 우수해서 차세대 표준으로 떠오르고 있어요. 또한 ML 기반 노이즈 필터링과 다중 센서 융합으로 악천후에서도 안정적인 성능을 확보하는 연구가 활발해요.
지능형 인지와 4D LiDAR
속도 정보까지 동시에 측정하는 4D LiDAR, AI 추론 기능이 내장된 스마트 LiDAR 같은 차세대 컨셉이 등장하고 있어요. 단순히 데이터를 출력하는 센서를 넘어 객체 분류와 추적까지 엣지에서 수행하는 통합 인지 모듈로 진화하고 있는 셈이에요. 이런 발전 추세는 자율 주행 차량의 컴퓨팅 부담을 크게 줄여줄 거예요.
마치며: LiDAR가 그리는 자율 주행의 미래
LiDAR는 단순히 거리를 측정하는 센서가 아니라, 자율 주행 차량이 세상을 ‘보고 이해하는’ 핵심 도구예요. 정밀한 3D 인식 능력, 야간과 GPS 음영 지역에서의 강건한 성능, 객체 검출과 SLAM에 적합한 데이터 특성 덕분에 LiDAR는 안전한 자율 주행을 위한 필수 센서로 자리매김했어요. 비용과 악천후 대응 같은 과제가 남아 있지만, 솔리드스테이트화와 1550nm 파장, AI 통합 등의 기술 진보가 이런 한계를 빠르게 극복하고 있죠. 앞으로 LiDAR가 카메라·레이더와 어우러져 만들어낼 자율 주행의 미래는, 우리가 도로 위에서 경험할 일상의 모습을 근본적으로 바꿔 놓을 거예요. 보다 자세한 기술 동향은 위키피디아 Lidar 문서에서도 확인할 수 있어요.