[转]gps中的广义和狭义相对论效应

转自百度贴吧

http://tieba.baidu.com/f?kz=379754263

 

对于我们日常生活来讲,时钟的准确性是勿庸置疑的。无论我们身在亚洲还是欧洲,高山还是深海,时钟都以相同的频率在运转着。不过,对于那些在太空中漂浮着的卫星和航天飞机来说,其内部的时钟走得就和我们地球上的时钟有点不一样了。当这些航天器中的接收器要借助这个时钟确定地球上的一个特定地点时,问题就出现了。这也就意味着,如果要想让全球定位系统(GPS,Global Positioning System)能够准确地确定地球上某一点的位置,就必须对时钟进行一些“特殊的处理”。 
和平主义者阿尔伯特·爱因斯坦早在几十年以前,就在他的相对论中阐明了这一切。不过,还是稍嫌晚了一点,让GPS项目的主管军官们遇到了不小的麻烦:当美国人在1978年2月22日把他们的第一颗GPS卫星送入卫星运行轨道时,卫星上的那些原子钟并不具有任何符合相对论的结构。这样造成的结果是,这些极其精确的时钟走得这样的不准,以至于在一天之内就出现了超过11公里的错误。 
好在这些美国人采取了相应的预防措施,并在问题出现之后激活了修正系统。这样,在所有后来的卫星中,就都考虑到了下面的事实:在大约20000公里的高度上和14000 km/h的速度下,时钟会与地球上的时钟走得不一致。 
 

相对论两次发威 
在设置卫星上的时钟时,既要考虑到广义相对论,也要考虑到狭义相对论的影响。这两种相对论的效果会部分地相互作用,不过不会完全抵消。根据广义相对论,一束在一个重力场中向下下落的光的频率会变高(蓝光推移);而一束上升的光的频率则会变低(红光推移)。卫星时钟显示的时间会通过原子的振荡频率描述出来。由于在20000公里的高度上的重力只有在地球上的大约四分之一,因此人们在地面上会接收到一个更高的频率:重力越小,也就是说距离地球越远,时钟走得就会越快。在GPS卫星上,时间会缩短大约一千亿分之五十三。这样,一个卫星时钟每年就要少走大约千分之十七秒。 
由于狭义相对论,这个数值会变小一些。因为没有任何物体的运动速度能超过光速,所以在运动的坐标系中的时间就会走得慢一些。当一束光从一个运动的发射装置中发射出去并被一个静止的接收器接收到时,这束光的频率就会变低。这个所谓的时间膨胀(Zeitdilation)会让以每秒大约4公里的速度围绕地球飞速旋转的卫星上的时钟走得慢一些。具体来说,这些时钟会变慢大约一千亿分之八,也就是每年大约变慢千分之三秒。 
现在,为了校正相对论造成的影响,GPS卫星上的时钟必须变慢大约一千亿分之四十五。经过爱因斯坦的相对论比较,这非常简单:不要把卫星上的时钟精确地调整为1023万赫兹,而是把这个数值设置为1022.9999995326赫兹。如果没有这个校准过程,在每秒钟的长度测定中就会出现480米的误差

 

变化莫测的GPS 
在使用原子钟的情况下,导航系统可以非常准确。对于政府部门和军方来讲,这种高度的精确当然是非常有必要的,可是,他们有时却并不希望民间也可以像他们一样拥有一套可以把目标点精确到几厘米的系统。不过,由于民用系统是在一个单独的频率下运行的,因此,美国国防部在危急情况下,有时会对该系统进行有意识的干扰,他们可以把在精确到10米的测量精度降低到100米以上。当然,实现这一点非常简单,而且仅仅与时钟有关:只要让卫星发射一个假的时间信号就可以了。 
作为美国GPS系统的欧洲同类产品,目前伽利略(Galileo)卫星定位系统已经建立了起来,利用这套系统,欧洲人可以不依靠美国的GPS系统而进行工作。不过,与GPS一样,伽利略也遵从着同样的原理工作,但是由于具有更高的带宽因而可以提供更多的服务,并可以保证用户稳定地使用这套系统。 
从2010年开始,这套系统应该可以投入使用。两颗测试卫星中的一颗预定于2005年12月搭载一枚俄罗斯的火箭送入到指定轨道,而第二颗卫星则预定于2006年2月被送入太空。利用这两颗测试卫星,欧洲宇航局(ESA)将可以对系统的关键技术进行测试,在2007年之前,应该可以启用第一批正式的导航系统

 

世界上最准确的时间 
在伽利略系统的准备过程中,精确的时间测量扮演着重要的角色。位于上普法芬霍芬(Oberpfaffenhofen)的德国宇航中心(DLR),很有可能成为伽利略系统控制中心的所在地,这里已经为此目的建立了一个时钟测量实验室。这里收集了目前所有最准确的时钟,在实验室的架子上有三个主动和两个被动式氢微波激射器,两个铯钟和其他一些原子钟。这些时钟都根据相同的原理进行工作:它们充分利用了原子的性质,即在从一个能级到另外一个能级的跃迁过程中发射或者吸收具有独特振荡频率的电磁波。 
但对于伽利略系统来说,这样的时钟所显示的时间还不够精确。“没有一个时钟能走得完全准确,甚至这些最好的时钟也会有一定的误差。”德国宇航中心的导航和通信研究所(Institut für Navigation und Kommunikation)的约翰·富尔特讷(Johann Furthner)博士解释说。 
当然,这些科学家们知道每一个时钟的优缺点。因此,从这些不同时钟的显示结果中,他们最终可以计算出一个更为准确的时间。在上普法芬霍芬,人们把这个称之为“纸上时间”(Papierzeit),因为这个结果不是直接从一个时钟那里获得的。德国宇航中心的这个时钟实验室将来会有“为伽利略提供精确时间的设备”,这些设备在每一秒钟都会为所有地面站提供精确的“纸上时间”。这些地面站与卫星保持同步,这样卫星也会根据爱因斯坦的修正同样具有最新的时间状态

 

 

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值