【技术实现步骤摘要】
本专利技术涉及基于多源信息融合的定位导航，具体为基于时序决策神经网络的视觉惯性定位定姿方法、装置及系统。
技术介绍
1、视觉惯性里程计(vio)是一种结合视觉传感器和惯性测量单元(imu)数据实现定位与姿态估计的技术，广泛应用于导航、自动驾驶等领域。传统的vio方法通常依赖于几何算法，通过同时融合视觉和惯性数据来估计位姿。然而，这些方法在实际应用中常面临视觉传感器故障、计算负担大视觉等问题，尤其在高动态场景下，视觉数据总会遭遇干扰，且其处理开销往往远超惯性数据，导致计算资源浪费。
2、近年来，深度学习方法在vio中的应用逐步兴起，利用神经网络自动提取特征并优化数据融合，提高了系统在复杂环境下的鲁棒性。然而，这些深度学习方法通常伴随着显著的计算和能耗开销，难以满足低功耗设备的需求。特别是在某些情况下，视觉信息对位姿估计的贡献较小，导致视觉数据的处理变得冗余。
3、为了降低融合定位过程中的冗余计算，近年来一些研究开始尝试引入自适应推理机制，旨在动态调整融合策略。在这种机制下，系统能够根据当前的运动状态和环境条件动态决...
【技术保护点】
1.一种基于时序决策神经网络的视觉惯性定位定姿方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于时序决策神经网络的视觉惯性定位定姿方法，其特征在于，在步骤S1中，通过视觉传感器、惯性传感器采集刚体运动的时序数据，具体如下：
3.根据权利要求2所述的基于时序决策神经网络的视觉惯性定位定姿方法，其特征在于，所述S2步骤，具体步骤如下：
4.根据权利要求3所述的基于时序决策神经网络的视觉惯性定位定姿方法，其特征在于，所述S3步骤，具体步骤如下：
5.根据权利要求4所述的基于时序决策神经网络的视觉惯性定位定姿方法，其...
【技术特征摘要】
1.一种基于时序决策神经网络的视觉惯性定位定姿方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于时序决策神经网络的视觉惯性定位定姿方法，其特征在于，在步骤s1中，通过视觉传感器、惯性传感器采集刚体运动的时序数据，具体如下：
3.根据权利要求2所述的基于时序决策神经网络的视觉惯性定位定姿方法，其特征在于，所述s2步骤，具体步骤如下：
4.根据权利要求3所述的基于时序决策神经网络的视觉惯性定位定姿方法，其特征在于，所述s3步骤，具体步骤如下：
5.根据权利要求4所述的基于时序决策神经网络的视觉惯性定位定姿方法，其特征在于，所述s4步骤，具体步骤如下：
6.根据权利要求5所述的基于时序决策神经网络的视觉惯性定位定姿方...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。