이종 레이더 장소 인식 네트워크 기반 교차 모달 위치 추정 = Synchronized Heterogeneous Radar Place Recognition for Cross-Modal Localization

국문 초록 (Abstract)

로봇공학 분야에서 레이더의 활용이 점점 확대되고 있음에도 불구하고, 대부분의 기존 연구는 동종 센서에만 집중되어 있어, 서로 다른 유형의 레이더 시스템 간에 존재하는 교차 모달리티 문제를 충분히 다루지 못하고 있다. 이로 인해 다양한 레이더 데이터 유형 간 일반화가 어려우며, 서로 다른 레이더의 상호 보완적 특성을 효과적으로 활용할 수 있는 모달리티 인식 기반의 접근 방식은 여전히 미개척 상태로 남아 있다. 이러한 한계를 극복하기 위해, 본 논문에서는 이종 레이더에 특화된 최초의 딥러닝 기반 네트워크인 SHeRLoc을 제안한다. 제안하는 방법은 RCS(Radar Cross Section) 극좌표 매칭을 활용하여 다양한 형태의 레이더 데이터를 정렬하며, 계층적 최적 수송 기반의 특징 집계 방식을 통해 회전에 강인한 다중 스케일 디스크립터를 생성한다. 또한 FFT 기반의 유사도 계산과 적응형 마진 삼중항 손실 함수를 결합하여 시야각을 고려한 메트릭 학습을 실현한다. SHeRLoc은 공개 데이터셋에서 이종 레이더 기반 장소 인식 성능을 획기적으로 개선하며, recall@1 기준으로 기존 0.1 미만 수준에서 0.9 이상으로 끌어올려 최신 기법들을 능가하는 성능을 달성하였다. 본 프레임워크는 LiDAR에도 적용 가능하여, 교차 모달 장소 인식 및 이종 센서 기반 SLAM 연구에 새로운 가능성을 제시한다.

다국어 초록 (Multilingual Abstract)

Despite the growing adoption of radar in robotics, the majority of research has been confined to homogeneous sensors, overlooking the integration and cross-modality challenges inherent in heterogeneous radar. This leads to significant difficulties in generalizing across diverse radar types, with modality-aware approaches that could leverage the complementary strengths of heterogeneous radar remaining unexplored. To bridge these gaps, we propose SHeRLoc, the first deep network tailored for heterogeneous radar, which utilizes radar crosssection polar matching to align multimodal radar data. Our hierarchical optimal transport-based feature aggregation generates rotationally robust multi-scale descriptors. By employing FFTsimilarity-based data mining and adaptive margin-based triplet loss, SHeRLoc enables FOV-aware metric learning. SHeRLoc achieves an order of magnitude improvement in heterogeneous radar place recognition, increasing recall@1 from below 0.1 to 0.9 on a public dataset and outperforming state-of-the-art methods. Also applicable to LiDAR, SHeRLoc paves the way for cross-modal place recognition and heterogeneous sensor SLAM.

목차 (Table of Contents)

• 제 1 장 서 론 1
• 제 1 절 연구의 배경 1
• 제 2 절 연구의 내용 2
• 제 2 장 배경 지식 4
• 제 1 절 레이더 기반 장소 인식 4
• 제 2 절 이종 센서 기반 장소 인식 5
• 제 3 장 이종 레이더 기반 교차 모달 장소 인식 6
• 제 1 절 전처리 6
• 제 2 절 특징 추출 네트워크 10
• 제 3 절 최적 수송 기반 다중 스케일 디스크립터 10
• 제 4 절 FOV 인식 메트릭 학습 11
• 제 5 절 회전 불변성 13
• 제 4 장 데이터셋 14
• 제 1 절 시스템 구성 15
• 제 2 절 센서 캘리브레이션 15
• 제 3 절 데이터셋 시퀀스 17
• 제 4 절 개별 Ground Truth 19
• 제 5 장 실험 결과 및 분석 20
• 제 1 절 데이터셋 평가 20
• 제 2 절 실험 환경 정의 22
• 제 3 절 실험 결과 분석 23
• 제 4 절 제거 실험 29
• 제 6 장 결 론 30
• 참고문헌 31
• Abstract 36