龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：浙江工业大学
摘要：本发明公开了一种基于KF和LSTM融合的IMU姿态估计方法，所述的姿态估计方法利用注意力机制将卡尔曼滤波和LSTM网络的输出结果进行权重再分配，克服了传统滤波对于扰动干扰的自适应能力弱而导致估计精度较差的问题。同时，基于卡尔曼滤波框架下的网络模型能有效避免LSTM网络容易陷入局部最小值的缺点，减小网络引起的误差。该方法通过将注意力机制作为卡尔曼滤波方法和神经网络方法两个姿态输出的权重选择机制，为姿态估计提供了一种精确度高，鲁棒性强的解算方法。
主权项：1.一种基于KF和LSTM融合的IMU姿态估计方法，其特征在于：包括以下步骤：步骤1建立IMU的离散时间姿态估计系统模型；步骤2训练模型：将IMU测得的姿态信息作为神经网络的输入值，经过前馈过程到达输出层，通过视觉传感器获得姿态信息标签值，计算损失函数，进行反向传播，训练模型，优化网络参数；步骤3利用搭建的神经网络预测惯性测量单元姿态，得到k时刻姿态信息预测值步骤4利用卡尔曼滤波算法估计惯性测量单元姿态，初始化系统姿态信息预测值x0|0和协方差P0|0，根据系统模型，随着运动过程更新k时刻系统姿态信息预测值xk|k-1和协方差Pk|k-1；步骤5通过IMU测得的其姿态信息zk，计算残差δk|k-1及其协方差Nk|k-1，计算卡尔曼滤波增益Kk，由此得到k时刻的姿态信息估计值xk|k和协方差Pk|k；步骤6通过注意力机制，依据查询向量q，计算注意力打分函数sxi，q，最后通过softmax函数计算两种方法融合的各自权值得到两种姿态估计预测值融合后的预测值Xk；重复执行步骤3-6，得到全部k时刻的姿态估计。
全文数据：
权利要求：
百度查询： 浙江工业大学 一种基于KF和LSTM融合的IMU姿态估计方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号