基于级联深度神经网络的车辆位姿融合估计

作者：常彬; 李旭^*; 徐启敏; 李娜; 胡玮明

来源：仪器仪表学报, 2022, 43(05): 57-67.

DOI：10.19650/j.cnki.cjsi.J2209132

• 车辆位姿
• 级联深度神经网络
• 三维运动学参数
• 简化惯性传感器系统
• H∞滤波

在复杂的城市环境下，全球导航卫星系统信号失效时，现有利用单目相机或惯性导航系统估计车辆位姿的方法存在严重的累积误差。针对以上问题，提出了一种基于级联深度神经网络(CDNN)的车辆位姿融合估计算法。首先，设计了一种级联深度神经网络，减小单目相机因尺度模糊和尺度漂移造成的累积误差；其次，为了减小引入的器件噪声，利用简化惯性传感器系统(RISS)获取车辆横向、纵向加速度和横摆角速度。为了减小系统中不确定噪声的影响，利用H∞滤波融合CDNN和RISS的输出，在准确估计车辆位姿的同时保证高频输出。在KITTI数据集上的实验结果表明，与基于卡尔曼滤波的方法相比，本文算法估计得到的东向位置均方根误差(RMSE)减小了41.3%,北向位置RMSE减小了70.6%,航向角RMSE减小了66.6%。

• 单位
  交通运输部公路科学研究院; 东南大学