融合视觉里程计和BP神经网络的自适应行人航迹推算方法

当前行人导航定位技术被越来越广泛应用于民用XR领域和军用单兵作战系统,其对定位追踪精度和复杂环境下系统的鲁棒性提出了更高要求。提出了一种融合视觉里程计(Visual Odometry,VO)、反向传播神经网络(Back Propagation Neural Network,BP)和行人航迹推算(Pedestrian Dead Reckoning,PDR)即联合视觉的行人航迹推算里程计(Visual PDR Odometry,VPO),并基于此进行扩展卡尔曼滤波。利用胸口装备惯性传感器和RGB-D深度相机采集行进数据,输入VO和PDR模块得出各自的运动位姿。将有效的步长、航向角、加速度幅值、角速度平均值及步频作为BP神经网络的训练数据集进行网络训练。当VO失效时,BP计算数据可作为备选观测值,将其与PDR数据一起导入扩展卡尔曼滤波器中进行数据融合。实验结果表明,行人航迹误差为1.026‰,优于经典VO和PDR推算方法,能在复杂环境下提高系统的鲁棒性。