一种轻量化的视觉惯性融合定位方法和系统

一种轻量化的视觉惯性融合定位方法和系统，涉及自主定位技术领域。解决了传统视觉惯性里程计面对数据损坏情况不够鲁棒，而现有深度学习方法传感器融合很多深度学习模型体积庞大，运行时需要较多的计算资源，这使得在资源受限的嵌入式系统或移动设备上部署变得困难，限制视觉惯性里程计的进一步的应用的问题。方法包括：获取图像数据和IMU数据；利用FlowNetSimple网络从图像数据中提取视觉特征信息，利用一维卷积网络从IMU数据中提取惯性特征信息；采用硬性注意力机制融合视觉特征信息和惯性特征信息；采用循环神经网络进行时间建模，使用输出变换网络来将模型的输出转换为最终的预测结果。应用于自动驾驶领域。