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：天津大学

摘要：本发明公开了一种基于多头注意力机制的惯性导航方法，主要包括：采用含惯性测量单元IMU的智能设备搭配视觉位置标记设备对惯性测量单元IMU数据进行采集；数据预处理，利用基于残差的神经网络模型对预处理后的IMU数据进行空间特征提取，得到各轴间的空间特征分布关系；对完成空间特征提取的IMU特征进行位置编码，利用Transformer模型对编码后的IMU特征进行训练，得到时空融合后的数据特征；将时空融合后的数据特征输入到速度预测模型，进行二维速度矢量回归任务后进行插值和积分操作，得到整个轨迹序列的位置信息，实现惯性导航。本发明通过将空间特征与时间特征融合的方式，有效地捕获到了IMU数据的高级语义特征，提升了惯性导航任务的精度。

主权项：1.一种基于多头注意力机制的惯性导航方法，其特征在于，包括以下步骤：步骤1：采用含惯性测量单元IMU的智能设备搭配视觉位置标记设备对惯性测量单元IMU数据进行采集；步骤2：对惯性测量单元IMU数据进行预处理，包括坐标系转换、数据归一化、窗口划分和标签分配，从而为深度学习模型做好数据准备工作；所述的深度学习模型包括基于残差的神经网络模型、Transformer模型和速度预测模型；步骤3：利用基于残差的神经网络模型对预处理后的惯性测量单元IMU数据进行空间特征提取，得到各轴间的空间特征分布关系；所述基于残差的神经网络模型包括惯性测量单元IMU特征预提取模块和深度残差网络模块；所述的惯性测量单元IMU特征预提取模块由卷积层、池化层和批归一化层构成，所述的卷积层是卷积核为7，步长为2，填充数为3的一维卷积单元；所述的深度残差神经网络模块由三个结构相同但不共享参数的基于跳连接的卷积网络单元构成，所述基于跳连接的卷积网络单元由卷积层、批归一化、激活函数、跳连接结构构成；步骤4：对完成空间特征提取的惯性测量单元IMU特征进行位置编码；然后利用Transformer模型对编码后的惯性测量单元IMU特征进行训练；最终得到时空融合后的数据特征；步骤5：将步骤4得到的时空融合后的数据特征输入到速度预测模型，进行二维速度矢量回归任务；步骤6：对二维速度矢量进行插值和积分操作，得到整个轨迹序列的位置信息，实现惯性导航。

全文数据：

权利要求：

百度查询： 天津大学 一种基于多头注意力机制的惯性导航方法