第288章 你这进步的是不是有点快了？（4 / 6）

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。”

大家都听的很认真。

此时阿廖沙已