第288章 你这进步的是不是有点快了？（3 / 6）

可持续的本地化导航功能，使月球飞船和地勤人员能够快速准确地确认他们的位置，而不是依赖地球的控制中心。」

    当然，它还在地球上，还没去到月球呢。

    如果林燃还在NASA工作的话，利用门，然后建小型传感器，直接把传感器丢上去，系统就初步搭建完成了，哪要这麽麻烦。

    NASA的这套系统嘛，首先只是在地球上，其次他们得先能把东西给射到南极边缘，连第一步都没做，远远谈不上成功。

    所以才会被俄国专家认为你这玩意是纸上谈兵。

    而他们现在看到的，阿波罗科技的自动导航，直接就实现了最难的南极边缘软着陆。

    大家都想知道你到底是怎麽做到的。

    瓦连京也不例外，他感受到了他带来专家们窃窃私语，和内心的渴望，他问道：「教授，这真是一项了不起的成就，阿波罗科技又创造了奇迹，请容许我向您表示诚挚的恭喜。」

    瓦连京的恭维很真诚，这既是因为他看完全过程之后确实心服口服，也是因为阿波罗科技的成就毋庸置疑。

    高考考Top2，别人赞扬你前途无量，和高考考大专，别人赞扬你前途无量，就算都是真心实意的夸奖，后者你听上去也会觉得他在阴阳怪气。

    「但教授，能不能给我们解答一下，您是如何做到的？」瓦连京问道，「我们都非常好奇。」

    林燃想了想，然后说道：「关于这个，我们用到了太多的技术创新。

    我就随便找几个我认为大家会感兴趣的点来讲讲吧。

    我主要讲讲我们在算法领域做了哪些创新，来提高整体导航的精确性。

    我们用了卷积神经网络进行月球地形相对导航，以进行视觉层面的陨石坑检测。

    地形相对导航可以通过检测全局特徵来提高太空飞行器位置估计的精度，这些特徵充当补充测量以校正惯性导航系统中的漂移。

    我们主要使用卷积神经网络和图像处理方法构建了一套算法，这套算法通过扩展卡尔曼滤波器跟踪模拟太空飞行器的位置。

    这样就能在过程中直观地检测模拟相机帧中的陨石坑，并将这些检测结果与当前估计太空飞行器位置区域中的已知月球陨石坑相匹配。

    这些匹配的陨石坑被视为使用卷积神经网络跟踪的特徵。

    进而这套系统能够对图像亮度变化进行更可靠的位置跟踪，并且在整个轨迹中逐帧进行更可重复的陨石坑检测。

    我们在使用标准亮度图像的轨迹上进行测试时，与使用基于图像处理的陨石坑检测方法的卡尔曼滤波器相比，新方法平均最终位置估计误差降低了90%，平均最终速度估计误差降低了50%。

    哦，对了，这套方法你们可以在2020年阿美莉卡控