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，我们结合雷射雷达、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Terrain Relative Navigation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迭。
为了在重迭范围内获得最佳性能，开发了一种switch策略。
最⊥新⊥小⊥说⊥在⊥⊥⊥首⊥发！
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太空飞行器在从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。」
大家都听的很认真。
此时阿廖沙已经找到了前面林燃提到的那篇阿美莉卡控制协会的论文，亚历山大看了下摘要片刻后低声来了一句：「变态！」
阿廖沙没有问为什幺变态。
因为在阿美莉卡那篇论文里写的摘要是平均最终位置估计误差降低了 60%，平均最终速度估计误差降低了 25%，到了林燃那，所谓对方案做了个小小的优化，结果却是降低了90%的误差。
两位俄国专家，想破脑袋也想不到，华国这小小的优化到底是怎幺做到的。
「关于降落精度方面，各位都清楚，我们的发射，最终要在精度上，做到燃料舱和登月舱的位置间隔不超过200米。
包括这次降落，相信大家也看到了，我们的目标点位和实际点位的误差应该不会超过20米。
我们的极限甚至能做到比20米还更低。
每次降落都在相邻位置，确保月球基地的建设能够尽可能的使用现有资源，每一个发射到月球上的太空飞行器都能派上用场。
这同样是建立在前人的肩膀上。
这个方案最开始应该要归结于2015年卡普阿诺的工作，他们研究了基于代码层面的地球导航系统信号接收器，用于在整个月球轨道上进行降落的精度保证，在那个研究中，他们把精度做到了700米。
也就是用地球导航系统的信号来支持月球任务，你们应该也听说过，毕竟欧洲航天局在2021年的时候，研究的GNSS接收器，他们想要用于 ESA-SSTL月球探路者太空飞行器上，把精度降低到100米。
