月面への自律着陸ミッションの成功には、正確な位置推定が不可欠である。特に地形特徴が限定的な危険な環境では、信頼性の高い航法システムが求められる。本論文では、NASAクレーター検出チャレンジ向けに設計された深層学習ベースのクレーター検出器と拡張カルマンフィルタ（EKF）を組み合わせた地形相対航法（TRN）アルゴリズムを提案している。 このシステムは、軌道上から取得した単眼画像からクレーター特徴を検出し、グローバルデータベース内のクレーターとの照合をハンガリアン割り当て手法とコンセンサスベースの外れ値除去法によって実現する。検出されたクレーター情報は測定値として機能し、その後EKFにおいて月中心月固定座標系（LCLF）での宇宙機姿勢推定の精緻化に用いられる。高度情報の補助により、動径方向のドリフトが制約される。 シミュレーション結果によれば、宇宙機の初期位置が実際の位置から最大5キロメートル離れていた場合でも、提案するTRNアルゴリズムはこの誤差から回復し、最終的にナビゲーション誤差を数百メートルの範囲に削減することができたという。ただし、クレーター特徴の対応関係を維持するには、画像解像度とシーン内のスケールを検出器の学習データセット分布と一致させることが重要であることが指摘されている。