화성 지형상대항법을 위한 하강 데이터셋 생성과 랜드마크 추출 방법

Descent Dataset Generation and Landmark Extraction for Terrain Relative Navigation on Mars

Abstract

착륙선의 진입-하강-착륙 과정에는 많은 환경적 및 기술적 어려움이 수반된다. 이러한 문제들을 해결하기 위한 방안으로, 최근 착륙선에는 지형상대항법 기술이 필수적으로 고려되고 있다. 지형상대항법은 하강하는 착륙선에서 수집되는 Inertial Measurement Unit (IMU) 데이터 및 영상 데이터를 기 구축된 참조 데이터와 비교하여 착륙선의 위치 및 자세를 추정하는 기술이다. 본 논문에서는 화성에서 활용할 지형상대항법 기술을 개발하기 위해 그 핵심 기술 요소로서 하강 데이터셋 생성 및 랜드마크 추출 방법을 제시한다. 제안방법은 화성착륙 시뮬레이션 궤적정보를 이용하여 하강하는 착륙선의 IMU 데이터를 생성하며, 이에 맞추어 고해상도 정사영상지도 및 수치표고모델로부터 ray tracing 기법을 통해 하강영상을 생성한다. 랜드마크 추출은 텍스쳐 정보가 부족한 화성 표면의 특성을 고려하여 영역 기반 추출 방식으로 이루어지며, 정합 정확도와 속도 향상을 위해 탐색영역 축소가 수행된다. 하강영상 생성 방법의 성능분석 결과는 제안방법으로 촬영 기하학적 조건을 만족시키는 영상 생성이 가능함을 보여주었으며, 랜드마크 추출 방법의 성능분석 결과는 제안방법을 통해 수 미터 수준의 위치 추정 정확도를 담보하면서 동시에 특징점 기반 방식만큼의 처리속도 확보가 가능함을 보여주었다.

The Entry-Descent-Landing process of a lander involves many environmental and technical challenges. To solve these problems, recently, terrestrial relative navigation (TRN) technology has been essential for landers. TRN is a technology for estimating the position and attitude of a lander by comparing Inertial Measurement Unit (IMU) data and image data collected from a descending lander with pre-built reference data. In this paper, we present a method for generating descent dataset and extracting landmarks, which are key elements for developing TRN technologies to be used on Mars. The proposed method generates IMU data of a descending lander using a simulated Mars landing trajectory and generates descent images from high-resolution ortho-map and digital elevation map through a ray tracing technique. Landmark extraction is performed by an area-based extraction method due to the low-textured surfaces on Mars. In addition, search area reduction is carried out to improve matching accuracy and speed. The performance evaluation result for the descent dataset generation method showed that the proposed method can generate images that satisfy the imaging geometry. The performance evaluation result for the landmark extraction method showed that the proposed method ensures several meters of positioning accuracy while ensuring processing speed as fast as the feature-based methods.

1. 서론

태양계의 네 번째 행성인 화성은 지구와 가장 유사한 행성으로 알려져 있다. 하루의 길이는 24.62시간이며, 자전축의 기울기는 25.19도로 지구와 큰 차이가 없다. 또한, 과거 지상에 물이 존재했음을 보여주는 흔적들도 여러 탐사 자료로부터 손 쉽게 찾아볼 수 있다. 최근에는 화성 표면 아래에 대량의 물이 존재할 수 있음을 보여주는 증거가 관측되기도 했다(Malakhov et al., 2022). 이는 화성의 환경과 변천 과정을 연구하는 것이 우리가 지구를 보다 깊게 이해하고 미래의 모습을 예측하는데 큰 도움이 될 수 있음을 의미한다.

화성 탐사를 위한 도전은 지난 수십 년 동안 꾸준히 이루어져 왔다. 미국과 구소련은 1960년대 초기부터 경쟁적으로 화성 탐사를 시작했으며, 실제 완전한 의미에서 착륙 성공은 1975년 미국의 Viking 1에 의해 이루어졌다(Kang and Cheon, 2021). 구소련은 1971년 한 해에 두 차례의 착륙을 시도했으나 모두 실패했다. 이후 1997년 미국은 탐사 로버(rover) Sojourner까지 화성에 보내는데 성공했으며, 그 후로도 2004년에는 Spirit, 2004년에는 Opportunity, 2012년에는 Curiosity, 그리고 2021년에는 Perseverance에 이르기까지 총 5대의 탐사 로버를 성공적으로 착륙시켰다(Kang and Cheon, 2021). 2021년에는 중국 또한 탐사 로버를 화성에 보내는데 성공했으며, 이로써 로버를 화성에 안착시킨 두번째 나라가 됐다(Wu et al., 2022). 한편, 유럽우주청(European Space Agency, ESA)에서도 2003년과 2016년 각각에 화성 착륙을 시도했지만, 두 차례 모두 성공하진 못했다. 미국과 중국의 성공 사례들로 화성 탐사의 새로운 시대가 열리긴 했지만, 우주 선진국들의 잇따른 실패 사례들은 행성 착륙이 여전히 도전적인 과제임을 보여주며, 자체적으로 신뢰성 있는 기술 연구 및 확보가 매우 중요함을 시사한다.

행성 착륙선의 여정은 순항(Cruise), 접근(Approach), 진입(Entry), 하강(Descent), 그리고 착륙(Landing) 과정으로 이루어진다. 특히, 행성에 진입하여 착륙까지의 과정을 Entry-Descent-Landing (EDL)이라 부르며, 이는 목적한 착륙지점에 정확하게 도달하기 위해서 가장 중요하게 다뤄져야 하는 부분이다. EDL 과정에는 많은 어려움이 수반된다. 일반적으로 지구 관측소에서 실시간 추적이 어렵고, 위성항법시스템을 사용할 수 없으며, 관성항법시스템의 오차 누적 문제도 존재한다(Lee et al., 2018). 이러한 문제들을 해결하기 위해, 미항공우주국(National Aeronautics and Space Administration, NASA)은 지형상대항법(Terrain Relative Navigation, TRN) 기술을 도입하였으며, 탐사 로버 Perseverance를 성공적으로 안착시킨 Mars 2020 mission에 적용했다(Johnson et al., 2017). TRN은 착륙선의 onboard Guidance, Navigation, and Control 시스템의 한 기능으로 동작한다. 행성 표면에 대한 참조영상지도를 이용하여 착륙선의 상대적인 위치를 추정하고, 이를 시스템에 제공한다. 즉, TRN은 암석과 크레이터 주위와 같은 위험지역을 피해 탐사선을 목적한 지점에 정확하게 착륙시키기 위한 필수적인 기술이라 할 수 있다.

TRN 과정은 영상 촬영, 랜드마크 추출, 착륙선의 위치/자세 추정으로 구성된다. 여기서 랜드마크는 착륙선의 위치 및 자세 추정에 사용될 2차원 영상점 좌표와 이에 대응하는 3차원 지상점 좌표로 구성된다. 따라서, TRN 기술을 개발하기 위해서는 먼저, 착륙선이 하강하며 수집하는 영상 및 자세 데이터(즉, 하강 데이터셋)를 확보해야 하며, 위치 및 자세 추정 정확도는 랜드마크 품질에 종속적인 만큼 적합한 랜드마크 추출 방법을 도출해야 한다. 이에 본 논문에서는 신뢰성 있는 화성 착륙선용 TRN 기술 개발을 위해 화성 표면에 대한 하강 데이터셋 생성 방법과 랜드마크 추출 방법을 제시한다. 제안방법에서 하강영상은 화성 궤도선 영상으로 제작한 Digital Elevation Model (DEM)과 정사영상지도(orthorectified image map)로부터 ray tracing 기법을 통해 제작하며, 랜드마크는 텍스쳐 정보가 부족한 화성 표면의 특성을 고려하여, 영역 기반 방식으로 추출한다.

2. 연구방법

1) 하강 데이터셋 생성

본 논문에서 하강 데이터셋은 하강영상 데이터와 Inertial Measurement Unit (IMU) 데이터로 정의한다. 이 중 하강영상은 참조 데이터 구축, 센서 모델링, 영상합성 과정으로 생성한다. 먼저, 대상지역의 참조 데이터들은 행성 궤도선에서 얻은 영상들로부터 행성 착륙을 시도하기 전에 미리 구축 가능하다. 현재 미국에서 운영중인 NASA Mars Trek은 화성 주위를 공전하고 있는 여러 궤도선들의 영상과 이들로 제작한 DEM 및 정사영상지도를 제공하고 있다(https://trek.nasa.gov/mars/). 본 논문에서는 이들 중에서 가장 높은 공간해상도(Ground Sampling Distance, GSD)를 갖는 Mars Reconnaissance Orbiter (MRO) 궤도선의 High Resolution Imaging Science Experiment (HiRISE) 센서 영상으로 제작한DEM(GSD: 1 m)과 정사영상지도(GSD: 25 cm)를 하강영상 생성에 사용했다(Fig. 1).

Fig. 1. Reference maps for descent image generation: (a) ortho map and (b) digital elevation map.

센서모델은 착륙선에 탑재될 IMU 및 카메라 센서의 좌표계, 그리고 지상 좌표계 사이의 기하학적 관계로 정의한다(Fig. 2). 지표상 한점 r_I^m와 이에 대응하는 영상의 한점 r_i^c 사이의 수학적 모델은 다음 식(1)과 같이 쓸 수 있다.

r_I^m = r_b^m(t) + R_b^m(t)r_c^b + λ_iR_b^m(t)R_c^br_i^c       (1)

Fig. 2. Geometric relationship between sensor and ground coordinate systems.

여기서 r_b^m(t)와 R_b^m(t)는 시간 t에서 지상 좌표계를 기준으로 IMU 센서의 위치를 의미하며, r_c^b와 R_c^b는 IMU 센서와 카메라 센서 좌표계 사이의 lever arm 벡터와 boresight 회전행렬을 의미한다. IMU 센서의 위치 및 자세, 그리고 카메라 내부 파라미터들(초점거리, 디텍터 크기, 영상 크기, 렌즈 왜곡 계수 등)을 조절하면 사전에 의도한 하강영상 생성이 가능해지며, 이를 통해 TRN 성능에 영향을 주는 주요 고려요소 도출 또한 가능해진다.

하강영상 생성을 위한 마지막 과정인 영상합성은 ray tracing 기법을 통해 이루어진다. 영상합성 과정에서 하강영상은 각 화소에 대응하는 지상 대응점 위치를 계산하고, 해당 지점에 대한 정사영상지도의 화소값을 가져오는 방식으로 생성된다. 식(1)의 센서모델은 영상의 2차원 한점과 지상의 3차원 한점 사이의 기하학적 관계를 설명할 순 있지만, 이론적으로 2차원 영상점으로부터 이에 대응하는 3차원 지상점의 위치를 계산할 순 없다. 반면, ray tracing 기법은 영상의 센서모델, 그리고 DEM으로부터 임의의 영상점에 대한 3차원 지상 대응점의 좌표 결정을 가능하게 해준다. Ray tracing은 카메라 센서의 시선벡터가 지표와 만나는 지점을 찾는 반복적 탐색기법이다(Fig. 3). 임의의 초기 높이값 Z_A가 주어지면 식(1)로부터 해당지점의 수평위치(X_A, Y_A)를 계산할 수 있다. 이때, DEM으로부터 얻은 해당위치의 실제 높이값 Z_B가 입력한 높이값 Z_A와 동일하다면, 해당위치를 시선벡터와 지표가 만나는 교점으로 간주한다. 그렇지 않다면, 실제 높이값 Z_B에 대응하는 시선벡터 상의 위치(X_C, Y_C, Z_C)를 계산하고, 다시 해당위치의 실제 높이값 Z_D와 비교한다. 이러한 과정을 반복하면 시선벡터와 지표가 만나는 교점을 찾아낼 수 있다.

Fig. 3. Ray tracing procedures.

IMU 데이터는 입력된 궤적정보로부터 사전 정의된 sampling rate (100 Hz)에 맞춰 생성한다. 여기서 궤적정보는 착륙선에 탑재된 IMU센서의 시간별 위치 및 자세값으로 구성된 waypoint 형태로 정의되며, waypoint 간 IMU 데이터는 선형보간을 통해 산출함으로써 데이터의 시간 밀도를 맞추었다.

2) 랜드마크 추출

랜드마크는 주변과 화소값의 대비가 뚜렷한 지점으로, 하강영상의 2차원 영상 좌표와 참조 데이터의 3차원 지상 좌표로 정의된다. 랜드마크 추출은 하강영상 기하보정과 대응점 추출 과정으로 이루어진다. 하강영상 기하보정 과정에서는 촬영된 하강영상이 참조 데이터의 지상 좌표계로 변환(또는 georeferencing)된다(Fig. 4). 이는 두 영상 데이터 사이에 회전 및 스케일 차이를 최소화함으로써 이후 과정에서 대응점을 추출할 때 그 성공률을 높이기 위한 목적을 가진다. 본 논문에서는 하강영상의 모서리 네 지점에 대한 영상점과 지상점들로부터 호모그래피 변환모델을 추정하여 하강영상의 변환을 실시한다.

Fig. 4. Planar rectification of a descent image for landmark extraction.

이후 대응점 추출 과정에서는 영역 기반 대응점 추출방식을 통해 대응점들이 생성된다. 일반적으로 대응점 추출은 특징점 기반 방식이 주로 사용되지만, 대상지역으로 삼은 화성은 지표상에 텍스쳐 정보가 부족하기 때문에, 균질한 표면에 보다 우수한 성능을 나타내는 영역 기반 방식이 더 적합할 것으로 판단했다. 본 논문에서 대응점 추출 과정은 세부적으로 특징점 선정, 탐색영역 축소, 대응점 후보 선정, 오정합점 제거 단계로 구성된다. 먼저, 특징점 선정 단계에서는 하강영상으로부터 대응점 추출을 위해 고려할 지점들을 선정하는 작업이 이루어진다. 이를 위해 기하보정된 하강영상은 16×16의 그리드로 구획되며, 각 그리드별로 최고 대비점을 대응점 추출을 위한 탐색 특징점으로 선정한다(Fig. 5). 이는 하강영상에서 대응점들의 분포를 고르게 만들기 위한 목적과 대응점 추출 과정에 소요되는 시간을 단축하기 위한 목적을 가진다. 다음으로 탐색영역 축소 단계에서는 선정된 특징점들을 정합할 정사영상지도 상의 탐색영역이 정의된다. 탐색영역은 초기 센서모델로부터 특징점 각각에 대해 계산되며, 초기 센서모델이 갖는 오차를 고려하여 하강영상의 그리드 면적 보다 16배 큰 영역으로 정의한다. 탐색영역 축소는 대응점 추출 시간과 더불어, 오정합점 발생률을 줄이는데 기여한다. 대응점 후보 선정 단계에서는 하강영상의 특징점들과 정사영상지도를 정합하여 대응점들을 추출한다. 정합에 사용하는 비용함수로는 노이즈와 밝기값 차이에 강건한 특성을 갖는 Zero-mean Normalized Cross-Correlation (ZNCC)를 사용한다(Kim and Kim, 2018). 이와 같이 추출된 대응점들 사이에는 오정함점들이 포함될 수 있기 때문에, 마지막 단계에서는 호모그래피 모델 기반 Random Sample Consensus (RANSAC) 알고리즘을 도입하여 오정합점들을 제거한다(Fischler and Bolles, 1981). Fig. 5에서 선으로 연결되지 않은 지점들이 오정합점들을 의미한다.

Fig. 5. Area-based landmark extraction.

3. 연구결과 및 토의

1) 하강 데이터셋 생성 결과 분석

하강 데이터셋은 자체적으로 계산한 화성 착륙 시뮬레이션 결과를 궤적정보로 입력하여 생성하였다(Fig. 6(a)). 하강영상 생성을 위한 카메라 내부 파라미터로서, 초점거리는 9.7 mm, 화소크기는 7.4 μm, 그리고 영상크기는 1,600×1,200을 설정했으며, 렌즈 왜곡과 주점 오프셋은 고려하지 않았다. 주어진 궤적정보로부터 하강영상은 총 92장이 생성되었다. Fig. 6은 생성된 하강영상의 일부를 보여준다. 정성적인 육안분석 결과, 하강영상들은 사전에 의도한 카메라 위치 및 자세에 맞춰 잘 제작되었음을 확인할 수 있었다. 세 축의 회전각도가 0°인 Fig. 6(b)를 기준으로 Fig. 6(c)는 자세 변화 없이 대칭이동 된 모습을 보여주며, Fig. 6(d)는 Fig. 6(c)의 위치에서 Y축 방향으로 30° 회전했을 때의 하강영상을 보여준다. 정량적 분석을 위해 랜드마크를 입력하여 역으로 카메라의 위치 및 자세를 추정해본 결과, 위치 오차는 X, Y, Z축 방향으로 각각 5.5 cm, 7.5 cm, 2.0 cm, 자세 오차는 X, Y, Z축에 대해 각각 0.012°, 0.017°, 0.003°로 나타났다. 실험에 사용된 랜드마크는 오차가 없는 정확한 대응점으로서 영상 전반에 걸쳐 동일 간격으로 ray tracing을 통해 추출하였으며, 영상별로 192(16×12)점이 사용되었다. 따라서, 이러한 결과는 본 논문에서 정의한 센서모델과 생성된 하강영상이 기하학적으로 타당함을 보여준다.

Fig. 6. Descent dataset generation result: (a) descent trajectory, (b) descent image, (c) descent image symmetrically moved from the exposure point of (b), and (d) descent image tilted in the Y-axis direction.

2) 랜드마크 추출 결과 분석

일반적으로 TRN은 착륙선에서 방열판이 분리되고 고도 측정이 이루어진 다음에 촬영이 시작되는 고도 4km에서부터 동력 하강이 시작되는 2 km 구간 내에서 이루어진다(Johnson et al., 2017). 본 논문에서는 이러한 절차가 정확히 이루어지지 못할 상황을 고려하여 보다 넓은 구간에 대해 성능을 분석하기 위해 고도 5 km에서 1 km에 해당하는 총 68장의 하강영상들을 랜드마크 추출 및 위치/자세 추정에 사용했다.

랜드마크 추출을 위한 참조 데이터로는 하강영상 생성에 사용된 것과는 다른, 다소 공간해상도는 낮지만 보다 넓은 영역을 포함하고 있는 새로운 데이터가 사용되었다(Fig. 7). 이 데이터는 NASA의 Mars 2020 mission에서 TRN을 위해 실제 사용된 데이터로서, MRO 궤도선의 Context Camera (CTX) 센서 영상으로 제작되었다. 정사영상지도의 GSD는 6 m, DEM의 GSD는 20 m이다.

Fig. 7. Reference maps for landmark extraction: (a) ortho map and (b) digital elevation map.

성능 비교 분석을 위해, 탐색영역 축소 여부에 따른 결과 비교와 더불어 일반적으로 널리 사용되는 특징점 기반 방법들과의 비교 또한 수행했다. 특징점 기반 방법으로는 실수형 기술자로 대표적인 speed-up robust feature (SURF)와 이진형 기술자로 대표적인 Oriented FAST and Rotated BRIEF (ORB)를 사용했다(Bay et al., 2008; Rublee et al., 2011). 특징점 기반 방법들은 영상 각각에서 특징점들을 추출하고, 해당지점에서 기술자를 계산한 뒤, 이들 기술자들을 서로 비교하여 대응점을 추출한다. 일반적으로 실수형 기술자 방식은 정확도가 높은 반면 처리속도는 느리고, 이진형 기술자 방식은 정확도는 다소 낮지만 처리속도는 빠르다는 장점이 있다(Kim et al., 2017). 본 논문에서 비교방법으로 채택한 특징점 기반 방법들 역시도 기하보정된 하강영상을 사용하여 동일 조건 하에서 랜드마크 추출을 실시했다.

성능 분석 결과는 Table 1로 정리하였다. 여기서 Primitives는 정합에 사용되는 요소, Detector는 특징점 추출에 사용되는 알고리즘, Descriptor는 기술자 계산에 사용되는 알고리즘, Reduction는 탐색영역 축소 여부, Failures는 랜드마크 추출에 실패한 영상 개수, LMKs는 추출된 랜드마크 개수를 의미한다. 처리시간 계산은 i7-11800H CPU, 32GB RAM, Samsung SSD 980 Pro의 컴퓨팅 환경에서 이루어졌다.

Table 1. Performance evaluation results for landmark extraction

성능 분석 결과는 크게 네 가지로 요약할 수 있다. 첫째로, 영역 기반 방법들은 위치/자세 추정 정확도 측면에서 특징점 기반 방법들 보다 우수한 성능을 나타냈다. 특징점 기반 방법들은 십 수 미터 수준의 정확도를 보인 반면, 영역 기반 방법들은 수 미터 수준의 정확도 확보가 가능했다. 추정 정확도는 랜드마크의 정확도, 개수, 분포에 종속적이다. 특징점 기반 방법들도 충분한 수의 랜드마크 확보가 이루어졌다는 점에서, 이러한 추정 정확도 저감은 랜드마크의 정확도와 그 분포에 기인한 것으로 판단된다. 더불어, 특징점 기반 방법들은 여러 하강영상에서 랜드마크 추출 실패를 보였는데, 이는 강인성이 중요하게 고려되는 항공우주기술에 있어 심각한 문제로 볼 수 있다.

둘째로, 영역 기반 방법들 중에서는 탐색영역 축소를 수행하는 제안방법이 보다 나은 결과를 나타냈다. 탐색 영역 축소를 수행하지 않은 경우, 상당히 많은 랜드마크 추출이 가능했으나, 소요되는 시간은 평균 30~40초로 매우 크게 나타났다. 이는 현실적으로 TRN에 적용하기 어려운 수준이라 할 수 있다. 반면, 제안방법은 높은 추정 정확도를 담보하면서 특징점 기반 방법들과 유사한 수준의 처리속도를 나타냈다. 이는 제안방법이 화성 TRN을 위해 충분히 활용될 수 있음을 보여준다.

셋째로, 특징점 기반 방식은 탐색영역을 축소할 경우 오히려 성능 저감이 발생했다. 보통, 특징점 기반 방식은 특징점을 추출하고, 해당 위치에서 계산된 기술자를 서로 비교하여 대응점을 생성한다. 그렇기 때문에, 대응점이 형성되기 위해서는 서로 대응하는 특징점이 양쪽 영상 모두에서 추출되어야 한다. 그러나, 하강영상과 정사영상지도는 서로 품질(광량, 태양방위각 및 고도각, 노이즈, 선명도 등)이 일치되기 어렵다. 이는 서로 대응관계를 갖는 특징점들이 양쪽 영상 모두에서 추출되지 못할 수 있음을 의미한다. 따라서, 탐색영역을 축소할 경우, 구획별로 선별된 특징점들만이 대응점 추출에 사용되는 만큼, 이는 필연적으로 랜드마크 분포의 편중을 야기할 수 있다. 게다가, 대응점으로 추출된 두 특징점들 사이에도 위치 오차가 존재할 수 있음을 간과할 수 없다. 즉, 탐색영역 축소에 따른 성능 저감은 이러한 복합적인 요인들이 원인으로 작용했을 것이라 판단된다. 탐색영역 축소를 적용한 특징점 기반 방법의 경우, 추출된 랜드마크의 수가 동일 조건의 영역 기반 방법 보다 적다는 점은 이러한 주장을 뒷받침해준다.

마지막으로, 영역 기반 방식의 경우는 SURF 보다 ORB가 더 효과적이었다. 특징점 기반 방법들은 잘 알려진 대로 ORB를 사용할 때 정확도 측면에서 다소 저감된 성능을 나타냈다. 그러나 영역 기반 방법들은 오직 특징점 추출에만 ORB를 사용하기 때문에, 추정 정확도의 큰 변화없이 처리속도 향상의 이점만 온전히 취할 수 있었다.

이러한 일련의 결과들을 통해, 본 실험에서 종합적으로 가장 우수한 성능을 나타낸 것은 ORB 특징점을 취하는 제안방법임을 확인할 수 있었다. 제안방법은 약 4 m의 위치오차와 약 0.1°의 자세오차를 나타냈다. 랜드마크 추출은 편향되지 않은 100점 이상을 담보할 수 있었고, 또한 그 처리 소요시간도 특징점 기반 방법들 대비 수용 가능한 수준이었다. 게다가 무엇보다도 중요한점은 제안방법의 경우, 단 한 차례도 랜드마크 추출 실패가 발생하지 않았다는 점이라 할 수 있다. 다만, 본 실험의 경우, 상용 컴퓨팅 환경에서 이루어졌기 때문에, 향후 알고리즘 최적화와 더불어 착륙선 탑재 컴퓨터의 환경 하에서 처리속도 분석이 추가적으로 이루어질 필요가 있을 것이다.

4. 결론

본 논문에서는 화성 착륙선용 TRN 기술에 요구되는 하강 데이터셋 생성 및 랜드마크 추출 방법을 제안하였다. 화성 착륙 시뮬레이션 궤적정보를 이용하여 하강하는 착륙선의 IMU 데이터를 생성하였으며, 이에 맞추어 하강영상은 고해상도 정사영상지도 및 DEM으로부터 ray tracing 기법을 통해 중심 투영 영상으로 제작하였다. 랜드마크 추출은 텍스쳐 정보가 부족한 화성 표면의 특성을 고려하여 영역 기반 추출 방식을 적용했으며, 정합 정확도와 속도 향상을 위해 탐색영역 축소를 수행하였다. 하강영상 생성 방법의 성능분석 결과는 제안방법으로 촬영 기하학적 조건을 만족시키는 영상 생성이 가능함을 보여주었으며, 랜드마크 추출 방법의 성능분석결과는 제안방법을 통해 수 미터 수준의 위치 추정 정확도를 담보하면서 동시에 특징점 기반 방식만큼의 처리속도 확보가 가능함을 보여주었다.

본 논문의 의의는 실용적인 하강 데이터셋 생성 및 랜드마크 추출 방법을 제시함으로써 기 구축된 궤도선 영상 데이터를 입력으로 타 행성에서의 TRN을 모의해볼 수 있는 토대를 마련했다는 점에 있다. 제안방법을 이용하면 하강영상 생성 과정에 선명도, 노이즈, 렌즈왜곡 등을 조절할 수 있고, 그에 따른 랜드마크 추출 성능을 분석함으로써 착륙선에 탑재될 카메라 센서, IMU 센서, 그리고 컴퓨터 장비 등의 요구사항 정의가 용이해질 수 있을 것으로 기대된다.