10.3778/j.issn.1673-9418.2209014
基于深度学习的视觉惯性里程计技术综述
视觉惯性里程计在很多方面可以很好地实现视觉和惯性传感器的优势互补,获得高精度的6自由度导航定位,因此应用领域极为广泛.然而,传感器自身的误差、异常视觉环境的扰动、多传感器之间的时空校准误差都会干扰导航结果,导致导航精度下降.近年来,正在迅速发展的深度学习方法凭借其强大的数据处理和预测能力,给视觉惯性里程计的发展提供了全新的发展方向.对基于深度学习的视觉惯性里程计的主要发展成果进行了回顾与总结.首先,按照两种融合策略分别概述研究方法,包括深度学习与传统模型结合的方法和基于深度学习的端到端的方法.之后,根据深度学习类型分为监督学习和无监督/自监督学习的方法,并分别阐述了这些方法的模型结构.然后,概述了系统的优化与评估方法,并比较了其中一些具有代表性的方法的性能.最后,对该领域需要解决的关键难点问题进行了总结,对未来发展进行了展望.
视觉惯性里程计、特征融合、深度学习、网络模型、位姿
17
V249.32+8;TP301.6(航空仪表、航空设备、飞行控制与导航)
国家自然科学基金61973333
2023-03-16(万方平台首次上网日期,不代表论文的发表时间)
共12页
549-560