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Lunar Node-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Lunar Node-1方案是NASA提出的，是一种靠无线电信号，旨在支持着陆器、地面基础设施和太空人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Lunar Node-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。
「想像一下，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，哪要这幺麻烦。
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幺做到的。
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太空飞行器位置估计的精度，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%。
