3 차원 객체 탐지 기술은 자율주행에서 사람의 안전과 연관된 핵심적인 기술 중 하나이다. 일반적으로 맑은 날씨에서 라이다 센서는 정상적으로 작동하지만 짙은 안개와 같은 악천후에서는 취득된 포인트 클라우드 데이터가 기존의 데이터에 비해 밀도가 희박해지고 깨끗하지 못하다는 문제점을 갖고 있다. 그리고 기존 3 차원 객체 탐지 기법들은 저차원의 입력 데이터를 사용하기 때문에 고주파 장면 내용을 파악하지 못하고 그에 따라 맑은 데이터보다 악천후에서는 3 차원 객체 탐지 성능이 크게 하락하는 것을 확인할 수 있다. 따라서 우리는 이러한 문제를 해결하기 위해 위치 인코딩으로 입력 차원의 수를 늘려 고주파의 장면 내용을 학습하는 3 차원 객체 탐지 기법을 제안하고자 한다. 결과적으로 STF 사이클리스트 데이터셋의 3 차원 객체 탐지 성능에서 위치 인코딩을 사용하지 않은 기법보다 성능 증가를 확인할 수 있었다.