我們通過這個算法，確保了我們能夠檢測到隕石坑和石塊，找到平坦地面。”
動作快的俄國專家已經在自己筆記本電腦上開始查起來了。
“在傳感器探測層面，我們和我們國家的科技型企業進行了合作，他們有著豐富的經驗，我們結合激光雷達、攝像頭和imu數據，使用粒子濾波和卡爾曼濾波算法融合多源數據，減少單傳感器誤差。
好吧，我還是簡單說一下吧，這里主要是基于terrainretivenavigation方法做的月球著陸器導航解決。
在按比例縮放的模擬月球情景上開發算法，在該背景上構建了一個三軸移動框架來重現著陸軌跡。
在三軸移動架的尖端，安裝了遠程和短距離紅外測距傳感器以測量高度。
我們都知道距離傳感器的校準對于獲得良好的測量結果至關重要。
為此，通過使用最小二乘法優化非線性傳遞函數和偏置函數來校準傳感器。
因此，傳感器的協方差是用距離的二階函數近似的。
這兩個傳感器有兩個不同的工作范圍，它們在一個小區域內重疊。
為了在重疊范圍內獲得最佳性能，開發了一種switch策略。
在評估開關策略后，找到距離的單個誤差模型函數。
由于環境因素不同，在隕石邊緣的溫度偏差很大，因此會評估兩個傳感器的偏置漂移，并在算法中適當考慮。
為了在導航算法中反映月球表面的信息，已經考慮了模擬月球表面的數字高程模型。
導航算法被設計為擴展卡爾曼濾波器，它使用高度測量、數字高程模型和來自移動坐標系的加速度測量。
導航算法的目標是估計模擬航天器在從3公里高度著陸到隕石坑邊緣附近的著陸點期間的位置。
并且在著陸過程中不斷更新算法，為此我們特意構思了一個隕石坑峰值檢測器，以便使用新的狀態向量和新的狀態協方差重置導航濾波器。”
大家都聽的很認真。
此時阿廖沙已經找到了前面林燃提到的那篇阿美莉卡控制協會的論文，亞歷山大看了下摘要片刻后低聲來了一句：“變態！”
阿廖沙沒有問為什么變態。
因為在阿美莉卡那篇論文里寫的摘要是平均最終位置估計誤差降低了60%，平均最終速度估計誤差降低了25%，到了林燃那，所謂對方案做了個小小的優化，結果卻是降低了90%的誤差。
兩位俄國專家，想破腦袋也想不到，華國這小小的優化到底是怎么做到的。
“關于降落精度方面，各位都清楚，我們的發射，最終要在精度上，做到燃料艙和登月艙的位置間隔不超過200米。
包括這次降落，相信大家也看到了，我們的目標點位和實際點位的誤差應該不會超過20米。
我們的極限甚至能做到比20米還更低。
每次降落都在相鄰位置，確保月球基地的建設能夠盡可能的使用現有資源，每一個發射到月球上的航天器都能派上用場。
這同樣是建立在前人的肩膀上。
這個方案最開始應該要歸結于2015年卡普阿諾的工作，他們研究了基于代碼層面的地球導航系統信號接收器，用于在整個月球軌道上進行降落的精度保證，在那個研究中，他們把精度做到了700米。
也就是用地球導航系統的信號來支持月球任務，你們應該也聽說過，畢竟歐洲航天局在2021年的時候，研究的gnss接收器，他們想要用于esa-sstl月球探路者航天器上，把精度降低到100米。
那時候你們和歐洲還沒鬧翻，他們很多項目應該會和你們通氣。”
gnss：globalnavigationsatellitesystem，，也就是全球導航系統，gps、俄國的glonass、歐洲的伽利略、華國的北斗都屬于這個范疇。