mobile background
Divine Sim Suite

ADAS & Autonomous Driving


// Divine Sim Suite


디바인테크놀로지는 자율주행에 따른 안전 문제를 해결하기 위해 통합 자율주행 시뮬레이션 소프트웨어를 개발하였습니다. 이 소프트웨어는 자율주행 센서, 알고리즘, 시스템의 성능과 안전성을 평가합니다. 또한, 자율주행차의 핵심기술을 빠르고 안전하게 평가하기 위해 자율주행 시뮬레이션 기술을 구현하였습니다.


이 가상 시뮬레이션 기술을 사용하면 도로에서 예상치 못한 사고에 대비하기 위해 수많은 위험 상황을 반복적으로 테스트할 수 있습니다. 디바인테크놀로지는 센서 구성 요소에 엔지니어링 전문 지식을 적용하여 실제 조건과 비교할 수 있도록 만들어 가장 신뢰할 수 있는 결과를 제공합니다.


독자적인 고신뢰성 자율주행 시뮬레이션 플랫폼인 Divine Sim Suite를 통해 규제 및 법규, 엣지 케이스 시나리오, 교통 흐름 시뮬레이션, 열화상 카메라 시뮬레이션, 고신뢰성 시뮬레이션을 포괄하는 토탈 솔루션을 제공합니다.

// 기능 (Features)


  • 고신뢰성 물리 기반 가상 환경
  • 물리 속성으로 정의된 3D 객체 라이브러리
  • *.xodr 형식의 맵 데이터
  • OpenSCENARIO
  • 데이터 허브를 통한 플랫폼 확장 (ROS, API, Plugin) 
  • 알고리즘 학습을 위한 테스트 및 트레이닝 데이터셋 (물리 기반 센서)
  • AI 학습 모델
  • autoGT (GT 데이터 자동 생성, 라벨링, JSON 파일)

// 평가 항목 (Evaluation)


  • 엣지 케이스 안전성 검증 및 평가
  • 인공지능 알고리즘 성능 검증 및 평가
  • 퓨전 센서 최적화
  • SIL / MIL / HIL / DIL / VIL 시스템으로 확장

// 3D 객체 라이브러리


  • 레이어로 세분화된 표면의 물리적 특성을 지닌 신뢰성 높은 3D 객체


  • 실제 센서가 레이다의 전파나 라이다의 빛을 송/수신하는 것처럼 객체에서 반사되는 신호 처리를 시뮬레이션하기 위해 가상환경의 모든 객체에 고유한 반사 특성(BRDF), 유전율 및 광원 정의 - 실제와 최대한 가까운 가상 환경 구현


  • 자동차의 경우 차체, 전면 및 후면 윈드쉴드, 범퍼, 좌/우 헤드라이트, 좌/우 브레이크 라이트, 휠 등... 25개의 레이어로 구분하여 물리적 특성 정의


  • 가로등 및 교통 신호등의 광원 정의  

// 시나리오


  • 엣지 시나리오는 자율주행차가 도로에서 마주할 수 있는 다양한 예외 상황을 포함합니다. 이러한 시나리오에는 악천후 조건, 예측할 수 없는 보행자 행동, 갑작스러운 기계 고장, 복잡한 교통 상호작용 등이 포함됩니다. 이러한 엣지 케이스에서 자율주행 차량을 테스트하는 것은 기능을 향상하고 예기치 않은 사고를 효과적으로 처리할 수 있을 만큼 견고하게 만드는데 필수적입니다.


  • JAMA에서 제시하는 Disturbance 유형을 분석하여 OpenSCENARIO 형식의 엣지 케이스 시나리오 개발

// 시뮬레이션 사례 - 카메라 센서


  • 시간에 따른 카메라 센서 시뮬레이션
  • 카메라 F-number 변화에 따른 카메라 센서 평가
  • 프론트 윈드쉴드 오염 시 카메라 센서 평가
  • 열과 화학적 작용에 의한 RGB Color Filter 오류 시 카메라 센서 평가
  • 열화상 카메라 센서 시뮬레이션

// 시뮬레이션 사례 - 라이다 센서


  • 서해대교, 컷인 시나리오 조건에서 라이다 센서 테스트
  • 차량 모델은 차체, 앞/뒤 윈드쉴드, 휠, 범퍼, 좌/우 헤드라이트 등 25개의 레이어로 구분되며, 고유한 물성 정보가 정의 되었습니다.

// 시뮬레이션 사례 - 레이다 센서


  • Thermal Noise
  • Masking (두 객체 사이의 거리에 따른 영향성)
  • Multipath (도로 및 건물의 영향성)
  • 객체의 방향에 따른 레이다 신호

// 시뮬레이션 사례 - 자율주행


디바인테크놀로지는 직접 제작한 강남도로에서 어둡고 비가 내리는 야간 상황을 가정하여 자율주행 테스트를 진행 하였습니다. 가상 환경에서의 모든 객체는 물리적 특성이 정의된 재질 별 레이어로 구분됩니다. 가로등, 신호등, 헤드라이트와 같은 광원에는 휘도 값을 부여하였습니다.


차량에 장착된 센서는 실제 센서처럼 작동하도록 물리 기반 센서가 모델링 되었습니다. 객체의 물리적 속성을 정의하고 물리 기반 센서를 모델링하기 위해 Ansys AVxcelerate가 사용되었으며, 주행 시뮬레이션 CARLA와 연동 되었습니다. 센서 출력 데이터는 자율주행 플랫폼인 Autoware에 입력되어 인지 및 판단을 하고, CARLA에서 주행하는 Ego 차량을 제어합니다.