基于温度补偿的电力巡检无人机视觉/惯性鲁棒定位方法

本发明公开了一种基于温度补偿的电力巡检无人机视觉/惯性鲁棒定位方法，首先构建IMU温度在线补偿网络，引入Teacher Forcing机制提高网络的学习能力；然后构建IMU误差模型，利用经过离线标定补偿的IMU量测信息、温度及温度变化率、陀螺与加速度计的零偏真值来对基于LSTM的无人机IMU零偏温度在线补偿网络进行训练，获得无人机温度模型的网络参数；在无人机运行过程中，调取训练好的参数，对每一时刻IMU量测对应的陀螺、加速度计零偏进行在线补偿，解决无人机在野外巡检过程中由于高频振动和温度变化所造成的零偏误差变大的问题；最后设计自适应视觉因子，利用零偏补偿后的IMU量测与视觉残差进行联合估计，解算得到优化后的定位信息。