복소수 값 CNN 기반 자동차 레이다 장착각(방위각) 정렬 추정 및 보상 연구

Azimuth Mounting Angle Prediction and Compensation for Automotive Radar Using Complex-Valued CNN

연구 내용

자동차 레이다 장착 방위각 오프셋이 객체 검출에 미치는 영향을 복소수 값 CNN으로 학습하여 장착각 오프셋을 예측하고 보상에 활용하는 연구

ADAS에서 레이다 장착 방위각이 어긋날 때 객체 검출·추적 정확도가 저하되는 문제를 대상으로, 복소수 값 입력을 활용하는 CV-CNN을 기반으로 장착각 오프셋을 예측합니다. 복소수 표현을 통해 레이다 데이터의 물리적 성질을 학습에 반영하고, 학습된 오프셋 예측치를 물리 정렬 절차 또는 보상 알고리즘에 직접 연결합니다. 보정 대상 오프셋 구간뿐 아니라 미학습 오프셋에서도 예측 안정성을 확보하도록 일반화 성능을 검증하는 접근을 취합니다.

관련 프로젝트

0건

연구 흐름

초기에는 레이다 정렬 불일치가 ADAS 신호 해석에 미치는 영향을 방위각 오프셋 관점으로 정식화했습니다. 이후 복소수 값 입력을 사용한 CV-CNN 기반 AutoRAD-Net을 구성하여 -3°~+3° 범위의 오프셋 데이터를 학습·검증했습니다. 2025년 결과로 오프셋 예측 오차를 제어하고, 미학습 오프셋에서도 예측이 유지되는 일반화 경로를 확인했습니다. 또한 2024년 속도 보정 연구와 연계하여, 정렬 보상과 후속 해석의 정합성을 높이는 방향으로 기술 축을 확장했습니다.

활용 가능성

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

방위각 정렬 캘리브레이션 자동화
레이더 오프셋 보상 알고리즘
객체 검출 정확도 향상
객체 추적 안정화 모듈
ADAS 데이터 해석 전처리
미장착 조건 대응형 모델
레이더 신뢰도 모니터링
센서 정렬 이력 기반 보정
복소수 기반 레이다 피처 추출
자율주행 안전 기능 성능 유지