基于定位质量感知的多模态车辆位移预测方法

本发明属于车辆导航定位技术领域，为提出一种基于定位质量感知的多模态车辆位移预测方法，用于城市峡谷环境下车辆的准确连续定位。本发明，基于定位质量感知的多模态车辆位移预测方法，利用基于深度学习的TransMove算法通过误差阈值筛选出小误差定位，小误差定位结合惯性测量单元IMU提供的车速信息，实现位移结果的预测，其中，TransMove为基于深度学习的神经网络，TransMove包括位移特征提取器和多模态位移预测器，利用位移特征提取器得到RTK融合特征FR、单点定位SPP融合特征FS；多模态位移预测器对FR和FS进行自适应加权融合，最终输出高精度位移。本发明主要应用于车辆导航定位场合。