🔎 Day 18: 센서별 장단점 정리 (LiDAR vs Camera vs Radar)

안녕하세요! ✨
앞서 Day 17에서는 초음파 센서와 ROS2 연동을 다뤘습니다.
오늘은 자율주행차에서 핵심적으로 사용되는 LiDAR, Camera, Radar 센서를 비교하며 각각의 장단점을 정리해보겠습니다.

센서별 장단점 정리 (LiDAR vs Camera vs Radar)

---

🚘 왜 센서 비교가 중요한가?

자율주행차는 단일 센서에 의존하지 않고, 다양한 센서를 조합해 주행 환경을 인식합니다.
각 센서는 강점과 한계가 있기 때문에, 이를 이해해야 센서 융합(Sensor Fusion) 의 필요성을 알 수 있습니다.

---

📊 LiDAR vs Camera vs Radar 비교표

구분	LiDAR	Camera	Radar
원리	레이저 빔 반사 측정	가시광선 이미지 캡처	전파 반사 분석
거리 측정	정확도 매우 높음	직접 불가 (추정 필요)	수백 m 가능
속도 측정	불가 (추가 알고리즘 필요)	불가	Doppler 효과로 가능
해상도	매우 높음 (3D 점군)	매우 높음 (영상)	낮음
환경 영향	비·안개·눈에 취약	빛(야간/역광)에 취약	날씨에 강함
비용	고가 (점차 하락 중)	저렴	비교적 저렴
주요 활용	3D 맵핑, 장애물 인식	차선·신호·객체 인식	속도·거리 추정, ACC

---

🔍 각 센서의 특징

1. LiDAR (Light Detection and Ranging)

• 장점: 정밀한 3D 환경 인식
• 단점: 비용이 높고 날씨에 취약
• 활용: SLAM, 자율주행 정밀 지도 제작

2. Camera

• 장점: 사람 눈과 유사한 시각 정보 제공, 객체 인식 강점
• 단점: 거리·속도 정보 부족, 빛 환경에 취약
• 활용: 차선 인식, 신호등·표지판 판독, 보행자 인식

3. Radar

• 장점: 속도·거리 추정 가능, 날씨 영향 적음
• 단점: 해상도 낮음 → 물체 형태 구분 어려움
• 활용: ACC(Adaptive Cruise Control), 전방 충돌 방지

---

🛠 자율주행에서의 결론

• LiDAR → 정밀한 3D 인식
• Camera → 시각적 객체 인식
• Radar → 속도·거리 측정

👉 결국, 하나의 센서만으로는 완벽한 자율주행이 불가능합니다.
그래서 센서 융합(Sensor Fusion) 이 필요합니다.

---

📌 정리

• LiDAR, Camera, Radar는 각각 강점과 한계가 존재
• LiDAR: 정밀하지만 비싸고 날씨 취약
• Camera: 시각적 정보 강점, 거리 추정은 약점
• Radar: 속도·거리 강점, 해상도 약점
• 자율주행차는 세 센서를 조합해 보완적 활용

반응형

---

🚀 다음 글 예고

다음 글에서는 [Day 19: 센서 퓨전 개념 (Kalman Filter 소개)] 를 다룹니다.
센서 데이터를 융합하는 대표 기법인 Kalman Filter 의 기본 개념을 쉽게 정리해드리겠습니다.

---

✅ 오늘 글이 도움이 되셨다면 좋아요와 공유 부탁드립니다.

---