這才是最難的。
至于nasa的lunarnode-1方案只是停留在理論層面，實際要真把它放在如此復雜的場景里完全不能用！”亞歷山大搖頭晃腦，臉上寫滿了驚訝和贊嘆。
大家過去都差不多，都是考七十分，充其量這幾年華國有錢有資源有投入之后，從七十分竄到了七十五，這里說的是航天整體，結果不聲不響對方冒出來一個能考95分的變態，比之前的第一、考80分的nasa還要遙遙領先。
不由得俄國專家們不震驚。
而亞歷山大所提到的lunarnode-1方案是nasa提出的，是一種靠無線電信號，旨在支持著陸器、地面基礎設施和宇航員三者之間共同構建起精確地理定位，提供導航觀測服務，以數字方式確保他們能迅速完成在月球上相對于其他飛行器、地面站或移動中的漫游車位置的方案。
這一方案主要用于在太空中幫助月球飛行器的軌道機動和引導著陸器在月球表面成功著陸。
（圖是搭載lunarnode-1信號傳感器的月球著陸裝置）
但前提是，你月球上要有足夠多的信號發送和接收單元，互相輔助之下，才能完整這一套系統的構建。
這也是阿美莉卡計劃在月球打造的，一系列月球導航基礎設施的一部分。
“想象一下，從你正在接近的岸上的燈塔獲得驗證，而不是等待你幾天前離開的母港的消息，”該技術方案的首席研究員、阿拉巴馬州亨茨維爾nasa馬歇爾太空飛行中心的導航系統工程師埃文·安扎隆接受采訪時表示：“我們尋求提供的是一個由燈塔組成的月球網絡，提供可持續的本地化導航功能，使月球飛船和地勤人員能夠快速準確地確認他們的位置，而不是依賴地球的控制中心。”
當然，它還在地球上，還沒去到月球呢。
如果林燃還在nasa工作的話，利用門，然后建小型傳感器，直接把傳感器丟上去，系統就初步搭建完成了，哪要這么麻煩。
nasa的這套系統嘛，首先只是在地球上，其次他們得先能把東西給射到南極邊緣，連第一步都沒做，遠遠談不上成功。
所以才會被俄國專家認為你這玩意是紙上談兵。
而他們現在看到的，阿波羅科技的自動導航，直接就實現了最難的南極邊緣軟著陸。
大家都想知道你到底是怎么做到的。
瓦連京也不例外，他感受到了他帶來專家們竊竊私語，和內心的渴望，他問道：“教授，這真是一項了不起的成就，阿波羅科技又創造了奇跡，請容許我向您表示誠摯的恭喜。”
瓦連京的恭維很真誠，這既是因為他看完全過程之后確實心服口服，也是因為阿波羅科技的成就毋庸置疑。
高考考top2，別人贊揚你前途無量，和高考考大專，別人贊揚你前途無量，就算都是真心實意的夸獎，后者你聽上去也會覺得他在陰陽怪氣。
“但教授，能不能給我們解答一下，您是如何做到的？”瓦連京問道，“我們都非常好奇。”
林燃想了想，然后說道：“關于這個，我們用到了太多的技術創新。
我就隨便找幾個我認為大家會感興趣的點來講講吧。
我主要講講我們在算法領域做了哪些創新，來提高整體導航的精確性。
我們用了卷積神經網絡進行月球地形相對導航，以進行視覺層面的隕石坑檢測。
地形相對導航可以通過檢測全局特征來提高航天器位置估計的精度，這些特征充當補充測量以校正慣性導航系統中的漂移。
我們主要使用卷積神經網絡和圖像處理方法構建了一套算法，這套算法通過擴展卡爾曼濾波器跟蹤模擬航天器的位置。
這樣就能在過程中直觀地檢測模擬相機幀中的隕石坑，并將這些檢測結果與當前估計航天器位置區域中的已知月球隕石坑相匹配。
這些匹配的隕石坑被視為使用卷積神經網絡跟蹤的特征。
進而這套系統能夠對圖像亮度變化進行更可靠的位置跟蹤，并且在整個軌跡中逐幀進行更可重復的隕石坑檢測。
我們在使用標準亮度圖像的軌跡上進行測試時，與使用基于圖像處理的隕石坑檢測方法的卡爾曼濾波器相比，新方法平均最終位置估計誤差降低了90%，平均最終速度估計誤差降低了50%。
哦，對了，這套方法你們可以在2020年阿美莉卡控制會議接受的一篇論文上看到，我們在那篇論文上做了一些小小的優化工作。