A topografia da superfície de Marte é complexa. Para garantir a segurança da locomoção do rover, é necessário discriminar e classificar as informações das imagens do solo ao redor do explorador. Primeiramente, com base no local de teste e nas informações da imagem, realiza-se um pré-processamento das imagens para criar uma imagem aérea. Em seguida, com base na imagem aérea, são criados blocos de imagens e um conjunto de dados, sendo o conjunto de modelagem e o conjunto de previsão compostos por 315 e 135 grupos de dados, respectivamente. Depois, com base nos conjuntos de dados divididos, é criado um modelo de rede neural, que é treinado e classificado. Finalmente, a classificação das imagens é realizada de acordo com o modelo obtido, obtendo regiões de interesse. Os resultados da classificação indicam que o modelo obtido com ResNet50 alcançou uma precisão de classificação de 75,56% no conjunto de modelagem e 81,48% no conjunto de previsão. Este método permite classificar os tipos de superfície ao redor do explorador e extrair regiões de interesse das imagens para uma discriminação mais precisa, podendo ser usado para percepção de locomoção do rover, previsão de riscos e planejamento de rota, fornecendo suporte teórico e técnico para o desenvolvimento futuro dos sistemas móveis inteligentes para veículos planetários.

Rover;transitabilidade;mecânica do solo do veículo;visão computacional;taxa de deslizamento