[发明专利]一种基于θ-增量学习的视觉-惯性融合导航系统及方法

摘要

本发明公开了一种基于θ‑增量学习的视觉‑惯性融合导航系统及方法，为实现对运动目标的时序变量θ(位置或姿态)进行快速精确估计，本发明提出了一种基于级联网络的θ‑增量学习方法，该方法采用级联网络以共享参数的方式对时序变量θ的增量进行估计。利用该θ‑增量学习方法，本发明构建了用于视觉‑惯性融合导航的姿态数据增量估计的级联网络及位置数据增量估计的嵌套级联网络，并利用训练的网络实现高精度、高频率和强稳定性的导航。本发明采用视觉导航作为主导，以确保较高的导航精度，惯性导航作为辅助，不仅有助于弥补视觉导航频率较低的缺陷，同时能解决由遮挡引起的视觉导航不稳定的问题。

主权项

1.一种基于θ‑增量学习的视觉‑惯性融合导航系统，其特征在于：包括视觉导航模块、惯性导航模块、AI服务器；所述视觉导航模块，包括双目摄像头和视觉控制单元；双目摄像头，其设置位置需要确保双目摄像头的视野足以覆盖运动目标的运动空间，以便稳定地跟踪运动目标上的有色标记点；视觉控制单元设置于视觉‑惯性融合导航系统的控制器内，用于获取运动目标的位置数据；所述惯性导航模块，包括惯性采集单元和惯性控制单元；惯性采集单元固定设置于运动目标上，用于获取运动目标的惯性数据；惯性控制单元设置于视觉‑惯性融合导航系统的控制器内，惯性控制单元中的高精度数字运动处理器用于获取运动目标的姿态数据；所述AI服务器，根据是否获取到惯性数据、位置数据及姿态数据，对位置数据和姿态数据的增量进行估计，并对运动目标的位置数据和姿态数据进行更新，实现对运动目标的快速、精确导航。