第288章你這進步的是不是有點快了？
第288章你這進步的是不是有點快了？(第3/6頁)
作的話，利用門，然後建小型傳感器，直接把傳感器丟上去，係統就初步搭建完成了，哪要這麼麻煩。
nasa的這套係統嘛，首先隻是在地球上，其次他們得先能把東西給射到南極邊緣，連第一步都冇做，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麼做到的。
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後確實心服口服，也是因為阿波羅科技的成就毋庸置疑。
高考考top2，彆人讚揚你前途無量，和高考考大專，彆人讚揚你前途無量，就算都是真心實意的誇獎，後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，然後說道：“關於這個，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，以進行視覺層麵的隕石坑檢測。
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係統中的漂移。
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，並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。
進而這套係統能夠對圖像亮度變化進行更可靠的位置跟蹤，並且在整個軌跡中逐幀進行更可重複的隕石坑檢測。
我們在使用標準亮度圖像的軌跡上進行測試時，與使用基於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年阿美莉卡控製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。
我們通過這個算法，確保了我們能夠檢測到隕石坑和石塊，找到平坦地麵。”
動作快的俄國專家已經在自己筆記本電腦上開始查
（本章未完，請點擊下一頁繼續閱讀）