一种基于模型误差学习的偏振/惯性/视觉智能导航方法

本发明提供一种基于模型误差学习的偏振/惯性/视觉智能导航方法，属于导航领域，包括：对偏振/惯性/视觉组合导航系统进行建模，将惯性导航误差和相机位姿误差作为系统状态量，建立系统状态方程；基于偏振传感器和视觉传感器信息，建立系统量测方程；考虑系统参数误差、环境干扰导致系统状态方程以及量测方程存在不确定性建模误差，构建神经网络学习建模误差，提高偏振/惯性/视觉组合导航系统模型的精度；针对实际环境中由于环境因素导致传感器噪声统计特性未知且时变问题，建立一种内嵌神经网络的多状态约束卡尔曼滤波方法。本发明能够提高复杂环境下偏振/惯性/视觉组合导航系统的导航精度。