화성 표면의 지형은 복잡하여 화성 탐사차의 안전한 주행을 위해 주변 토양의 이미지 정보를 판단하고 분류할 필요가 있다. 우선, 시험장과 이미지 정보에 따라 이미지를 전처리하여 조감도를 구축한다. 그 다음 조감도를 기반으로 이미지 블록을 생성하고 데이터 세트를 구축하는데, 모델링 세트와 예측 세트는 각각 315개와 135개의 데이터를 포함한다. 이후 분할된 데이터 세트를 바탕으로 신경망 모델을 구축하고 데이터를 학습 및 분류한다. 마지막으로, 얻은 분류 모델을 통해 이미지를 분류하여 관심 영역을 도출한다. 분류 결과에 따르면 ResNet50을 적용한 모델은 모델링 세트와 예측 세트에서 각각 75.56%와 81.48%의 분류 정확도를 보였다. 이 방법은 탐사차 주변 지표면 유형을 분류하고 이미지의 관심 영역을 추출하여 보다 정밀한 판별이 가능하며, 화성 탐사차의 주행 인지, 위험 예측 및 경로 계획에 활용되어 미래의 지능형 행성차 이동 시스템 연구 및 탐사에 이론적∙기술적 지원을 제공할 수 있다.

화성 탐사차;통과성;차량 지면 역학;기계 비전;미끄럼률