레이더로 동적 주행 장면 재구성, DyRAD 논문 발표

핵심 요약

• 자율주행 시스템 평가를 위해 레이더 센서 데이터에서 동적 주행 장면을 재구성하는 새로운 방법 DyRAD를 제시한다.
• 기존 레이더 신규 시점 합성 방법은 동적 장면에서는 range-azimuth 텐서만 복원하고, 도플러를 렌더링하는 방법은 정적 장면만 가정해 두 가지 한계가 있었다.
• DyRAD는 정적 배경 반사체와 움직임 추적 동적 점 반사체를 사용해 range-azimuth-Doppler(RAD) 완전 텐서를 렌더링한다.
• 반사체 속도는 객체 추적에서 유도되어 시선에 투영되며, 도플러는 렌더링 출력이면서 동시에 추적 감독 신호로 작용한다.
• 레이더 신호 처리 체인에서 유래한 고정 해석적 점 확산 함수(PSF)로 반사체를 렌더링해, 센서로 인한 확산이 장면 표현에 반영되지 않도록 한다.
• 이는 시점이 이동할 때 장면이 잘못 렌더링되는 기존 문제를 해결하며, 재학습 없이 다른 레이더 사양으로 같은 장면을 렌더링하는 영점 센서 설정 이전도 가능하게 한다.
• RADIal, Boreas 데이터셋과 합성 벤치마크에서 평가했으며, 기준 시점뿐 아니라 이전 연구에서 다루지 않은 변위된 시점에서도 성능을 검증했다.
• RADIal 데이터셋에서 DyRAD는 참조 검출 객체의 90.7%에서 레이더 검출을 복원했으나, 가장 강한 기준선은 26.9%에 불과했다.