자동차 레이다 기반 Ego-vehicle 속도 보정 및 실시간 추정 연구

Ego-Vehicle Speed Correction and Real-Time Estimation for Automotive Radar

연구 내용

레이다 range–velocity 스펙트럼을 입력으로 하여 CNN 기반 ego-vehicle 속도를 추정하고, 전처리·후처리로 마운팅 조건 변화에 강인한 보정 정확도를 높이는 연구

자동차 레이다의 속도 추정에서 마운팅 각도 및 각 방향 성능 변화가 성능 저하로 이어지는 문제를 해결하기 위해, range–velocity 스펙트럼을 기반으로 하는 ego-vehicle 속도 추정 네트워크를 구성합니다. 전처리와 후처리를 통해 보정 과정을 분리·최적화하여 모델 복잡도를 낮추면서도 보정 정확도를 유지합니다. 또한 추정 결과가 레이다의 각 성능·장착 각도에 덜 민감하도록 학습·추론 특성을 설계하여 임베디드 환경에서 실시간 적용 가능성을 확보합니다.

관련 프로젝트

0건

연구 흐름

초기 단계에서는 자동차 레이다의 range–velocity 스펙트럼에서 ego-vehicle 속도를 직접 추정하는 신경망 구조를 제안하고, 전처리·후처리로 속도 보정 경로를 체계화했습니다. 이를 통해 마운팅 조건 변화로 인한 성능 손실을 완화하는 방향으로 손실 및 계산 흐름을 정리했습니다. 2024년 결과로 임베디드 적용을 고려한 보정 절차가 정리되었고, 이후 2025년에는 레이다 정렬 오프셋을 학습 기반으로 보상하는 후속 연구로 확장되었습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

자율주행 비상제동 속도 보정 모듈
전방 충돌 회피 보정 알고리즘
적응형 크루즈 컨트롤용 속도 추정
후측 교차 차량 경보용 레이다 보정
차선변경 사각지대 탐지 보조
임베디드 레이다 신호처리 파이프라인
센서퓨전 입력 정합 전처리
레이다 장착 조건 캘리브레이션 절차
검출거리 손실 최소화 보정 기법
ADAS 실시간 성능 향상 모니터링