公开(公告)号：CN115046545A

公开(公告)日：2022-09-13

申请号：CN202210348112.0

申请日：2022-03-29

Applicant: 哈尔滨工程大学

Inventor： 徐博 ,  戴秋阳 ,  赵玉新 ,  李浩泽 ,  吴磊 ,  周广涛

IPC: G01C21/16 ,  G01C21/20 ,  G06N3/04 ,  G06T7/277

Abstract: 本发明公开了一种深度网络与滤波结合的定位方法，步骤一：建议视觉惯性里程计运动学模型；步骤二：将时序上相邻k+1帧图像视频序列输入堆叠网络，组合相邻帧的图像得到k组图像对；步骤三：k组图像对输入CNN‑LSTM‑ATT‑VO网络后输出6‑dof的位姿估计Δx,Δy,Δz,Δλ,Δψ，其中Δx,Δy,Δz分别为x轴、y轴和z轴平移量，Δλ,Δψ分别为绕x轴、y轴和z轴旋转量；所述网络依次包括卷积神经网络、CBAM模块、LSTM网络和全连接层；步骤四：通过基于李群的以机器人为中心的Kalman滤波算法进行视觉惯性里程计的融合定位。本发明提高了系统的鲁棒性并提高了协同定位精度，避免了传统EKF算法的不一致性。

公开(公告)号：CN115046545B

公开(公告)日：2024-12-13

申请号：CN202210348112.0

申请日：2022-03-29

Applicant: 哈尔滨工程大学

Inventor： 徐博 ,  戴秋阳 ,  赵玉新 ,  李浩泽 ,  吴磊 ,  周广涛

IPC: G01C21/16 ,  G01C21/20 ,  G06T7/277 ,  G06N3/045 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/0985

Abstract: 本发明公开了一种深度网络与滤波结合的定位方法，步骤一：建议视觉惯性里程计运动学模型；步骤二：将时序上相邻k+1帧图像视频序列输入堆叠网络，组合相邻帧的图像得到k组图像对；步骤三：k组图像对输入CNN‑LSTM‑ATT‑VO网络后输出6‑dof的位姿估计Δx,Δy,Δz,#imgabs0#Δλ,Δψ，其中Δx,Δy,Δz分别为x轴、y轴和z轴平移量，#imgabs1#Δλ,Δψ分别为绕x轴、y轴和z轴旋转量；所述网络依次包括卷积神经网络、CBAM模块、LSTM网络和全连接层；步骤四：通过基于李群的以机器人为中心的Kalman滤波算法进行视觉惯性里程计的融合定位。本发明提高了系统的鲁棒性并提高了协同定位精度，避免了传统EKF算法的不一致性。