공간 게이팅 특징-상관 표현 기반 자동차 mmWave 회전 레이더 장소 인식
Automotive mmWave Spinning Radar Place Recognition with Spatially Gated Feature-Correlation Representation
자동차용 회전 FMCW 레이더는 밀집한 $360^\circ$ 감지를 제공하며 조명 불량 및 악천후에서도 신뢰성을 유지하므로 자율 내비게이션에 잘 적합하다. 장소 인식은 이러한 관측을 이용해 이전에 방문한 위치를 식별하여 재국소화 및 장기 내비게이션에 활용한다. 그러나 헤딩 변화는 극좌표 레이더 표현에서 원형 이동으로 나타나며, 기존의 전역 집계 방식은 유사한 장소를 구별하는 데 중요한 레이더 응답 간 관계를 잃을 수 있다. 본 논문은 회전에 강건한 특징 추출과 Spatially Gated Correlation Aggregation(SGCA)을 결합한 회전 레이더 장소 인식 프레임워크 SGCA-Net을 제안한다. SGCA는 공간적 가중치를 학습하여 불안정하고 모호한 레이더 영역의 영향을 줄이면서, 국소 응답 간 쌍별 상관을 집계하여 정보가 풍부한 특징 관계를 보존한다. MulRan 데이터셋 실험에서 SGCA-Net은 도심, 캠퍼스, 개방 도로 환경 전반에서 SOTA 방법들을 일관되게 능가하며, 상당한 헤딩 변화에도 강건함을 유지한다. HeRCULES 데이터셋 평가는 SGCA-Net이 미세조정 없이 보지 못한 환경 및 레이더 센서에도 일반화됨을 추가로 보여준다.