4-dimensional (4D) 레이더는 거리, 방위각, 고도각, 도플러 정보를 포함한 고해상도·고밀도의 측정값을 제공하며, 악천후 환경에서도 강건하게 작동하여 자율주행 인지 시스템의 핵심 센서로 주목받고 있다. 그러나 레이더 데이터에는 노이즈, 클러터, 사이드로브로 인해 유효하지 않은 측정치가 포함될 수 있어, 신뢰성 높은 인지를 위해서는 전처리 과정이 필수적이다. 대표적인 전처리 기법인 Constant False Alarm Rate (CFAR)은 동적인 객체와 다양한 장애물이 혼재된 도로 환경에서 두 가지 근본적인 한계를 가진다. 먼저, CFAR은 검출하려는 대상 측정치로부터 주변 측정치들이 동일한 통계적 분포를 가진 다고 전제하고 임계값을 설정한다. 그러나 실제 도로 환경에서는 유효하지 않은 측정치가 불균일하게 분포하기 때문에, 잘못된 임계값 설정으로 인해 오검출이나 미검출이 발생할 수 있다. 또한 검출 대상의 크 기를 일정하다고 가정하고 고정된 윈도우 크기를 사용하기 때문에, 다양한 크기의 객체가 존재하는 실제 도로 환경에는 적합하지 않다. 본 논문에서는 이러한 한계를 해결하기 위해 Range–Azimuth– Doppler Integrated Adaptive Non-target Filtering Technique (RADIANT)을 제안한다. Range-adaptive 3D selection을 통해 거리에 대해 동적으로 임계값을 조정하고, Azimuth Fine Selection으로 사이드로브 영향을 억제 하며, 마지막으로 Doppler Clustering을 통해 객체 크기에 관계없이 속도 일관성을 따르지 않는 잡음을 제거하여, 불필요한 측정치를 안정적으로 제거하면서 객체 관련 측정치를 보존한다. 실제 주행 데 이터 를 활용하여 CA-CFAR 및 OS-CFAR과의 비교 실험을 통해, 제안한 기법이 4D 레이더 전처리 과정에서 유효하지 않은 측정치를 효과적으로 제거할 수 있음을 입증한다. |
