본 논문은 자율 주행을 위한 정확하고 빠르며 신뢰할 수 있는 3D 인지 시스템 구축을 목표로, 기존의 각도 기반 BEV(Bird's-Eye View) 3D 객체 탐지 방식의 단점을 해결하기 위해 새로운 표현 방식인 RQR3D(Restricted Quadrilateral Representation)를 제안합니다. RQR3D는 회전된 바운딩 박스 대신, 이를 감싸는 최소한의 수평 바운딩 박스와 두 박스의 모서리 간 오차를 회귀함으로써, 객체 탐지 문제를 키포인트 회귀 문제로 변환합니다. 이는 각도 기반 방식의 불연속적인 손실 함수 문제를 해결하고, 어떤 3D 객체 탐지 방식에도 적용 가능합니다. 또한, 앵커-프리 단일 단계 객체 탐지 방식과 객체성 헤드를 도입하여 클래스 불균형 문제를 해결하고, 복셀 그룹핑이 필요 없는 간소화된 레이더 융합 백본을 사용하여 효율성을 높였습니다. NuScenes 데이터셋 실험 결과, RQR3D는 기존 최고 성능 모델보다 NDS 기준 +4%, mAP 기준 +2.4% 향상된 성능을 보였으며, 자율 주행의 안전성에 중요한 위치 및 방향 오차를 크게 감소시켰습니다.