첨단 운전자 보조 시스템(ADAS)에서 자동차 레이더의 장착 각도 불일치는 물체 검출 및 추적의 정확도에 유의미한 영향을 미치며, 이는 시스템의 안전성과 성능에 직접적인 영향을 준다. 본 논문은 자동차 레이더 정렬 감지 네트워크(AutoRAD-Net)를 제안하며, 복소수 값 컨볼루션 신경망(CV-CNN)을 활용하는 새로운 모델로서 자동차 레이더의 방위각(azimuth) 불일치 문제를 해결한다. 복소수 값 입력을 사용함으로써 AutoRAD-Net은 레이더 데이터의 물리적 특성을 효과적으로 학습하여 방위각 정렬을 정밀하게 수행할 수 있다. 이 모델은 장착 각도 오프셋 -3°부터 +3°까지의 범위를 대상으로 학습 및 검증되었으며, 모든 시험된 오프셋에서 오차가 0.15° 이하로 나타났다. 또한 -1.7°와 같은 미관측 오프셋에 대해서도 신뢰할 수 있는 예측을 보여, 일반화 능력을 입증하였다. 예측된 오프셋은 이후 물리적 레이더 정렬에 활용하거나 보정 알고리즘에 통합되어 ADAS 응용에서 데이터 해석 정확도를 향상시킬 수 있다. 본 논문은 방위각 정렬을 위한 실용적 해결책으로 AutoRAD-Net을 제시함으로써 자율주행 시스템에서 레이더의 신뢰성과 성능을 향상시키는 데 기여한다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.