비협조적 랑데부와 궤도상 서비스 임무에서 단일 카메라 영상만으로 상대 우주선의 위치와 자세를 추정하는 문제는 우주 인식 기술의 핵심 과제로 꼽힌다. 우주선 표면은 텍스처가 약하고 안테나 등 얇은 구조물이 많으며 조명 변화와 부분 가림 현상까지 겹쳐, 카메라 영상만으로 안정적인 기하학적 단서를 얻기가 쉽지 않다는 게 연구진의 문제의식이다.
연구진은 이 같은 한계를 극복하기 위해 기하학 인식 주의 메커니즘을 결합한 6D 자세 추정 프레임워크 ‘GAP-GDRNet’을 제안했다. 이 방법은 기하학 유도 직접 회귀 방식인 GDR-Net의 파이프라인을 기반으로 삼되, 두 가지 지점을 새롭게 개선했다. 먼저 조밀한 기하학적 예측 이전 단계에 주의 기반 특징 정제(AFR) 모듈을 배치해 우주선 전체 구조와 국소적인 약한 텍스처 단서를 함께 강화하도록 했다. 이어 패치 단위 좌표 변환 모듈인 패치-PnP 내부에 패치 수준의 기하학적 자기주의(PGSA) 모듈을 삽입해, 다운샘플링된 기하학적 패치 간의 관계를 최종 자세 회귀 이전에 연결하도록 설계했다.
연구진은 이 모델을 학습시키기 위해 블렌더(Blender) 기반의 합성 데이터셋 주석 과정도 함께 구축했다. 이 과정에서 타깃 마스크와 가시 영역 마스크, 조밀한 모델 좌표 맵, 카메라 내부 파라미터, 6D 자세 라벨 등이 지도학습용으로 생성됐다. 단일 대상 우주선을 촬영한 합성 이미지 데이터셋을 기반으로 한 이번 연구는 실제 위성 관측이 어려운 궤도 환경에서 정밀한 데이터셋을 확보하는 대안으로도 의미가 있다는 평가다.
우주 자산 감시와 고장 위성 포획, 우주 쓰레기 제거 등 궤도상 서비스 수요가 늘어나면서, 저비용 단일 카메라 기반 자세 인식 기술의 중요성도 함께 커지고 있다. 이번 연구는 기존 GDR-Net 계열 방법에 두 가지 주의 메커니즘을 추가함으로써, 약한 텍스처와 부분 가림이라는 우주 영상 특유의 난제에 대응하려는 시도로 풀이된다.
