사례: 레이다 기반 지도 작성

레이다 지도 작성 사례는 차량 레이다로 주변 환경의 지도를 만든다. 데이터 큐브의 세 FFT가 거리, 속도, 도래각(DoA)을 나누고, 그 결과를 위에서 내려다본(BEV, bird's-eye view) 점유 격자 지도(occupancy grid map)로 쌓는다. 신호처리 도래각 추정(10–12장)과 신경망 RadarCubeDoANet을 각도 오차와 지도 품질의 두 축에서 비교한다(예제 코드).

데이터 큐브에서 BEV 지도로

FMCW 레이다의 데이터 큐브는 어떻게 지도의 셀이 되고, 지도로 평가한다는 것은 무슨 뜻인가?

FMCW 차량 레이다의 원시 출력은 안테나 × chirp × fast-time(빠른 시간) 샘플의 3차원 복소 데이터 큐브이다. 이 큐브의 세 축에 FFT를 하면 서로 다른 물리량이 나뉜다. fast-time 축의 거리 FFT는 거리를, slow-time(느린 시간) 축의 **Doppler FFT는 속도(Doppler)**를, 안테나 축의 각도 FFT는 도래각을 가른다(8장, 10–12장). 세 축이 모두 갈려야 거리, 속도, 각도가 같은 표적이 BEV 점유 격자 지도에서 한 셀로 모인다.

이 사례는 지도를 먼저 보는(mapping-first) 평가를 쓴다. 도래각 알고리즘의 정확도(각도 MAE, mean absolute error)와 함께, 그 알고리즘이 만든 탐지를 세계 좌표계에 투영했을 때 point cloud 맵과 점유 격자 지도가 같은 환경을 얼마나 비슷하게 그리는지 평가한다. 신호처리 도래각 추정(각도 FFT, 단일 스냅숏 MUSIC)과 RadarCubeDoANet을 같은 탐지 집합과 같은 자차 궤적 위에서 비교한다.

세 축의 분해는 모두 같은 큐브에서 출발하므로, 한 단계라도 분해능이 모자라면 그 부족이 BEV 지도의 셀 크기와 잘못된 점유(false occupancy)로 번진다. 각 단계를 거칠 때마다 정보가 더해지지만, 위상 같은 일부 정보는 크기만 남고 사라진다.

이 사례의 레이다와 시뮬레이터 표준은 다음과 같다. 반송파 77 GHz, 대역폭 200 MHz(거리 분해능 약 0.75 m), $T_\text{chirp}$ 1.28 µs, PRI 50 µs, 프레임당 chirp 32개, 수신 안테나 $N_{rx}=8$, 샘플링(표본화) 주파수 $f_s = 4B = 800$ MHz, fast-time 샘플 $N_\text{fast}=1024$이다. 이 지도 실험은 200 MHz 대역폭을 쓰며, 50 MHz / $N_\text{fast}=256$의 작은 입력 구성과 구분한다.