文昌控制中心响起了欢呼，大家都是专业人士，很清楚这次软着陆的难度。
简单来说，载人登月老美搞了11次，其中6次都成功把宇航员送上了月球表面，而在月球南极边缘着陆，这是开天辟地头一会。
远在昆山的阿波罗科技会议室里，此时已经是燕京时间的凌晨，这帮来自俄国的专家们桌上都摆着咖啡，没咖啡实在顶不住。
此时还在昆山，还没搬到申海去，因为申海那边一方面是办公楼还没腾出来，另外一方面是安保工作还没完全搞定。
随着阿波罗科技闹出来的动静越来越大，整个安保级别都在不断升级，在当前这个时间点，讲的是要确保办公区周边二十公里的范围内都绝对安全。
所以阿波罗科技这边预计要到今年年底才会搬过去。
昆山和姑苏那叫一个眼馋，我们这好不容易跑出来的独角兽，又被申海给抢走了。
回到阿波罗科技，毛子专家们看着从文昌传回的数据和影像资料，一个个都傻眼了。
知道阿波罗科技牛逼，但没想到这么变态。
这么说吧，在一般认知里，你这次去月球南极软着陆，属于是开天辟地头一遭，那肯定稳妥为主。
简单来说，肯定自动导航，出现意外再远程介入的方式，然后随着发射次数累积，慢慢积累经验之后，再优化自动导航的方案。
这是一个正常的逻辑，但阿波罗科技的方案不正常。
他们虽然也有远程介入，但这远程介入不是说我要保证吴刚0001顺利完成软着陆，而是保证能在月球南极着陆就行，是不是软着陆无所谓。
要么就全自动导航实现软着陆，要么就靠我远程介入着陆。
只要降落的位置是月球南极沙克尔顿陨石坑边缘就行。
结果他们还真就眼睁睁看着，吴刚0001全程软着陆，完成了一个又一个的高难度动作，在沙克尔顿的边缘顺利着陆。
“不，这当然非常难，整个过程需要导航与引导的精确性，从发射到跨月注入到中途修正再到月球轨道插入，都要求非常的精准。
虽说华国的长征系列实现了精确发射，但在中途中仍然需要地球控制中心的介入
而在中途修正能力方面，华国的嫦娥系列展现出了中途修正能力，如果是全自动的话，那需要更强的鲁棒性。”
阿廖沙和亚历山大都是这次跟着一起来的专家。
前者负责的是火箭发射中的轨道计算，后者则是参与通信技术。
二人面面相觑后，低声讨论起来。
阿廖沙在说完后，亚历山大补充道：“我不是说这两个环节不难，而是说后续更困难。
像地球轨道插入也好，跨月注入、中途轨道修正、月球轨道插入这些，要求的是精确计算。
过去华国航天的精确计算能力做到了80分，现在林教授他们无非是把80分提高到了90分，或者95分。
这已经有基础了，从技术角度来说，也有很多解决方案，无非是理论上的解决方案，你用在现实中的适用程度。
林教授作为数学大师和航天专家，他的判断能力毋庸置疑，他只是选择，也能选出最好的方案来优化过去的技术。
我认为最大的难点还是在于下降和着陆。
这个过程是没有任何经验可以参考，华国航天没有，NASA也没有。
南极地区布满了高山和陨石坑，其中永久阴影区域常年无光，你采取视觉导航方案的话，边缘低角度阳光会有严重影响。
你想想，月球阴影区域温度在零下的203摄氏度，阳光区则是54度，你很难在地球上找到类似的场景进行测试。
这才是最难的。
至于NASA的LunarNode-1方案只是停留在理论层面，实际要真把它放在如此复杂的场景里完全不能用！”亚历山大摇头晃脑，脸上写满了惊讶和赞叹。
大家过去都差不多，都是考七十分，充其量这几年华国有钱有资源有投入之后，从七十分窜到了七十五，这里说的是航天整体，结果不声不响对方冒出来一个能考95分的变态，比之前的第一、考80分的NASA还要遥遥领先。
不由得俄国专家们不震惊。
而亚历山大所提到的LunarNode-1方案是NASA提出的，是一种靠无线电信号，旨在支持着陆器、地面基础设施和宇航员三者之间共同构建起精确地理定位，提供导航观测服务，以数字方式确保他们能迅速完成在月球上相对于其他飞行器、地面站或移动中的漫游车位置的方案。
这一方案主要用于在太空中帮助月球飞行器的轨道机动和引导着陆器在月球表面成功着陆。
（图是搭载LunarNode-1信号传感器的月球着陆装置）
但前提是，你月球上要有足够多的信号发送和接收单元，互相辅助之下，才能完整这一套系统的构建。
这也是阿美莉卡计划在月球打造的，一系列月球导航基础设施的一部分。
“想象一下，从你正在接近的岸上的灯塔获得验证，而不是等待你几天前离开的母港的消息，”该技术方案的首席研究员、阿拉巴马州亨茨维尔NASA马歇尔太空飞行中心的导航系统工程师埃文·安扎隆接受采访时表示：“我们寻求提供的是一个由灯塔组成的月球网络，提供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，哪要这么麻烦。
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么做到的。
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征来提高航天器位置估计的精度，这些特征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航天器的位置。
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航天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征。
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年阿美莉卡控制会议接受的一篇论文上看到，我们在那篇论文上做了一些小小的优化工作。
我们通过这个算法，确保了我们能够检测到陨石坑和石块，找到平坦地面。”
动作快的俄国专家已经在自己笔记本电脑上开始查起来了。
“在传感器探测层面，我们和我们国家的科技型企业进行了合作，他们有着丰富的经验，我们结合激光雷达、摄像头和IMU数据，使用粒子滤波和卡尔曼滤波算法融合多源数据，减少单传感器误差。
好吧，我还是简单说一下吧，这里主要是基于TerrainRelativeNavigation方法做的月球着陆器导航解决。
在按比例缩放的模拟月球情景上开发算法，在该背景上构建了一个三轴移动框架来重现着陆轨迹。
在三轴移动架的尖端，安装了远程和短距离红外测距传感器以测量高度。
我们都知道距离传感器的校准对于获得良好的测量结果至关重要。
为此，通过使用最小二乘法优化非线性传递函数和偏置函数来校准传感器。
因此，传感器的协方差是用距离的二阶函数近似的。
这两个传感器有两个不同的工作范围，它们在一个小区域内重叠。
为了在重叠范围内获得最佳性能，开发了一种switch策略。
在评估开关策略后，找到距离的单个误差模型函数。
由于环境因素不同，在陨石边缘的温度偏差很大，因此会评估两个传感器的偏置漂移，并在算法中适当考虑。
为了在导航算法中反映月球表面的信息，已经考虑了模拟月球表面的数字高程模型。
导航算法被设计为扩展卡尔曼滤波器，它使用高度测量、数字高程模型和来自移动坐标系的加速度测量。
导航算法的目标是估计模拟航天器在从3公里高度着陆到陨石坑边缘附近的着陆点期间的位置。
并且在着陆过程中不断更新算法，为此我们特意构思了一个陨石坑峰值检测器，以便使用新的状态向量和新的状态协方差重置导航滤波器。”
大家都听
【当前章节不完整】
【阅读完整章节请前往原站】
ggdowns.cc