困難な照明条件下における未来の火星ヘリコプターのための幾何学支援視覚ベースの定位

arXiv:2502.09795v3 Announce Type: replace **Abstract:** 火星における航空資産による惑星探査は、画期的な科学的発見を可能にします。NASA の火星ヘリコプター「イングニシティ」が火星大気での飛行が可能であることを証明しましたが、将来の火星旋回機は長距離飛行のための高度なナビゲーション能力を必要とします。そのうちの一つの重要な能力は、飛行中に船上の画像を参照地図に記録する「地図ベースの定位（Map-based Localization; MbL）」です。これは、視覚航法から生じる累積的なズレを軽減するために採用されています。しかし、旋回機からの観測と参照地図の間での顕著な照明の違いは、従来の MbL システムにとって困難を課し、車両の運用時間を制限しています。この研究では、我々は新しい MbL システムを調査し、照明の大きな違いの下で先行的モデルよりもより頑健な画像登録のための幾何学支援深層学習モデル「Geo-LoFTR」を提案しました。システムは、マルスの実用的な軌道地図を使用し、大量のマルス地盤の実用的な画像を生成するカスタムシミュレーションフレームワークによってサポートされています。包括的な評価により、我々の提案したシステムは、顕著な照明およびスケーリングの変化の下での定位精度において、先行の MbL の努力を上回ることを示しました。さらに、我々のアプローチがシミュレーションされたマルスの日中と実用的なマルス画像において妥当性を証明しました。コードとデータセットは、https://dpisanti.github.io/geo-loftr/ に入手可能です。

arXiv:2502.09795v3 Announce Type: replace Abstract: Planetary exploration using aerial assets has the potential for unprecedented scientific discoveries on Mars. While NASA's Mars helicopter Ingenuity proved flight in Martian atmosphere is possible, future Mars rotorcraft will require advanced navigation capabilities for long-range flights. One such critical capability is Map-based Localization (MbL) which registers an onboard image to a reference map during flight to mitigate cumulative drift from visual odometry. However, significant illumination differences between rotorcraft observations and a reference map prove challenging for traditional MbL systems, restricting the operational window of the vehicle. In this work, we investigate a new MbL system and propose Geo-LoFTR, a geometry-aided deep learning model for image registration that is more robust under large illumination differences than prior models. The system is supported by a custom simulation framework that uses real orbital maps to produce large amounts of realistic images of the Martian terrain. Comprehensive evaluations show that our proposed system outperforms prior MbL efforts in terms of localization accuracy under significant lighting and scale variations. Furthermore, we demonstrate the validity of our approach across a simulated Martian day and on real Mars imagery. Code and datasets are available at: https://dpisanti.github.io/geo-loftr/.