火星の表面地形は複雑であり、火星探査車の安全な走行を確保するために、探査機周辺の土壌画像情報を判別・分類する必要がある。まず、試験場や画像情報に基づいて画像を前処理し、俯瞰画像を作成する。次に、俯瞰画像をもとに画像ブロックを生成し、データセットを構築する。モデリングセットと予測セットはそれぞれ315組と135組のデータを含む。次に、分割したデータセットを基にニューラルネットワークモデルを構築し、データを学習および分類する。最後に、得られた分類モデルにより画像を分類し、関心領域を抽出する。分類結果は、ResNet50を適用したモデルがモデリングセットと予測セットでそれぞれ75.56％と81.48％の分類精度を達成したことを示している。本手法は探査機周辺の地表タイプを分類し、画像の関心領域を抽出してより精密な判別を可能にし、火星探査車の走行認知、リスク予測および経路計画の実現に利用でき、将来の知能型惑星探査車の移動システム開発と探査に理論的・技術的支援を提供する。

火星探査車;走破性;車両地盤力学;機械視覚;スリップ率