⚙️ Day 47: IMU 원리와 센서 데이터 처리

― 자율주행차의 균형 감각, IMU를 이해하자 ―

---

🚗 IMU란 무엇인가?

IMU(Inertial Measurement Unit, 관성측정장치)는
자율주행차의 “감각 신경” 역할을 하는 핵심 센서입니다.

이 장치는 가속도계(Accelerometer)와 자이로스코프(Gyroscope)를 이용해
차량의 가속도, 회전속도, 자세 변화를 실시간으로 측정합니다.

즉, GPS가 “어디 있는가”를 알려준다면,
IMU는 “어떻게 움직이고 있는가”를 알려주는 역할을 하죠.

IMU 원리와 센서 데이터 처리

---

🧩 IMU의 구성 요소

구성요소	역할	출력값
가속도계 (Accelerometer)	차량의 직선 운동 감지	x, y, z축 가속도
자이로스코프 (Gyroscope)	차량의 회전 운동 감지	x, y, z축 각속도
자기센서 (Magnetometer, 선택)	지구 자기장을 이용해 방향 보정	Heading(방위각)

➡️ 3축(3-axis) IMU는 6자유도(6 DOF)를 측정할 수 있으며,
자율주행에서는 9 DOF IMU (가속도+자이로+자기센서)가 자주 사용됩니다.

---

🧠 IMU의 동작 원리

IMU는 물리학의 뉴턴 역학 법칙에 기반합니다.

1. 가속도계:
   • 차량이 전진하면 질량체가 관성에 의해 뒤로 밀립니다.
   • 이 미세한 움직임을 전기신호로 변환하여 가속도를 측정합니다.
2. 자이로스코프:
   • 회전하는 물체의 각운동량 보존 원리를 이용합니다.
   • 차량이 좌우로 회전할 때, 회전축 방향으로 각속도 신호를 생성합니다.
3. 자기센서(보조):
   • 지구 자기장을 기준으로 방향(Heading)을 보정하여
     Yaw(방위각) 오차를 줄이는 데 사용됩니다.

---

📊 IMU 데이터 처리 과정

IMU의 센서 데이터는 노이즈와 오차가 많기 때문에
그대로 사용하면 차량의 위치가 시간이 지남에 따라 드리프트(Drift) 됩니다.
따라서 아래의 신호 처리 단계를 거칩니다.

1️⃣ 센서 데이터 필터링

• LPF (Low Pass Filter): 고주파 노이즈 제거
• HPF (High Pass Filter): 저주파 드리프트 제거
• Complementary Filter: 가속도계와 자이로 데이터를 보완적으로 융합

2️⃣ 적분 연산 (Integration)

• 가속도를 한 번 적분 → 속도
• 속도를 한 번 더 적분 → 위치
  👉 하지만 적분 오차 누적(Drift)이 발생하기 때문에
  GPS, LiDAR 등 외부 센서와 융합이 필요합니다.

3️⃣ 센서 융합 (Sensor Fusion)

• IMU 단독으로는 장시간 정확한 위치 추적이 어렵습니다.
• 따라서 다음 글에서 다룰 EKF (Extended Kalman Filter)와 같은 알고리즘으로
  GPS, 카메라, LiDAR 데이터를 융합하여 정확도를 높입니다.

---

⚠️ IMU의 오차 요인

오차 원인	설명	영향
바이어스(편차, Bias)	센서의 영점(Zero) 값이 항상 일정하지 않음	시간 경과 시 위치 오차 누적
스케일 팩터(Scale Factor)	출력이 실제보다 과대 또는 과소 비례	가속도·각속도 계산 오차
노이즈(Noise)	전기적, 열적 간섭으로 발생	센서 신호 불안정
드리프트(Drift)	적분 과정에서 누적된 오차	위치 오차 수 cm → 수 m 증가

IMU는 매우 빠르게 데이터를 제공하지만, 오차가 누적되므로
이를 보정하기 위한 센서 융합 알고리즘이 필수입니다.

---

🔧 자율주행차에서의 IMU 활용 예시

1. 터널이나 지하 주차장 등 GPS 음영 지역에서 차량 위치 추정
2. 급가속·급회전 상황에서 차량 안정성 제어(ESC, ABS 등)
3. 도로 기울기, 커브 구간에서의 경사 보정
4. SLAM(Localization + Mapping)에서 Pose 예측

👉 IMU는 GPS가 끊겨도 차량의 움직임을 예측하게 해주는
Dead Reckoning(자기추적 항법)의 핵심 구성요소입니다.

---

🧭 한 줄 요약

IMU는 자율주행차의 균형감각 센서다.
하지만 단독으로는 정확하지 않기에, GPS와의 융합이 필수다.

---

반응형

📚 다음 글 예고

👉 [Day 48: GPS + IMU 융합 (EKF 적용)]
GPS의 절대 위치 정보와 IMU의 상대 운동 정보를
EKF(Extended Kalman Filter)로 결합하여 정확한 위치를 추정하는 방법을 알아봅니다.
센서 융합의 핵심 알고리즘을 직관적으로 이해해볼게요.

---