摘要
本发明公开了一种轻量级的基于深度学习的惯性辅助视觉里程计实现方法,涉及移动机器人自主导航定位技术领域,其采用快速光流提取网络学习连续视频帧数据,并得到光流特征;将光流特征输入密集卷积网络中进行处理,处理输出结果连接至全连接层网络,得到初步位姿数据;对加速度数据和角速度数据进行预处理;通过扩展卡尔曼滤波器将初步位姿数据和预处理得到的数据融合。该方法将密集卷积网络应用于视觉里程计中,对旋转姿态的更加敏感,减小角度累积估计误差,提高地图重建精度;使用扩展卡尔曼滤波器将惯性测量单元数据与相机数据融合,减小了位姿数据误差,取得了更好的效果;视觉里程计实现的整个过程计算量小,且速度快,对相机的要求低。