基于深度學(xué)習(xí)與卡爾曼濾波的多模態(tài)融合里程計(jì)

摘要： 里程計(jì)是同步定位與建圖技術(shù)的重要組成部分，現(xiàn)有里程計(jì)算法多以視覺或激光傳感器為主，未能充分發(fā)揮多模態(tài)傳感器的優(yōu)勢，在特征缺失場景和復(fù)雜環(huán)境下魯棒性不足。針對(duì)此問題，本文同時(shí)采用了激光雷達(dá)、彩色相機(jī)和慣性測量單元等多模態(tài)傳感器的數(shù)據(jù)，提出一種多模態(tài)融合深度網(wǎng)絡(luò)——MLVIO-Net，并與一個(gè)誤差狀態(tài)卡爾曼濾波器（ESKF）共同組成多模態(tài)融合里程計(jì)。MLVIO-Net由特征金字塔網(wǎng)... （共12頁）