一种基于无监督学习的视觉惯性里程计方法（人工智能AI、人机自主导航、室内移动机器人定位、自动驾驶感知、AR/VR 空间定位、巡检机器人、仓储 AGV）

本发明公开了一种基于无监督学习的视觉惯性里程计方法，其包括以下步骤：S1：采集输入数据，将图像数据和IMU数据进行预处理，使图像数据和IMU数据同步；S2：进行特征提取，得到图像数据的图像特征和IMU数据的惯导特征；S3：将图像特征和惯导特征输入位姿计算网络中，输出六自由度的位姿计算结果；S4：根据深度图和源图像之间的差异进行无监督训练，输出训练结果，得到训练好的深度网络；S5：采集新的图像数据输入训练好的深度网络，输出定位结果。本发明采用深度学习的方式，避免了传统方法中传感器的复杂标定和建模，同时采用无监督的训练方式解决了数据集的限制，整个方法能够充分利用图像与惯导的互补信息，实现高精度的定位。

《一种基于无监督学习的视觉惯性里程计方法（人工智能AI、人机自主导航、室内移动机器人定位、自动驾驶感知、AR/VR 空间定位、巡检机器人、仓储 AGV）》是一发明专利，专利号为 2023106765538，当前法律状态为已下证，由电子科技大学提出申请，发明人为阎波;田蕴祺;李若绮;杨智文;高洪俊;肖卓凌，申请日期为2023-06-08，公开（公告）日期为2025-08-01，国际专利分类号（IPC）为 G06T 7/80 (2017.01)，高新资质：未报高企，所属技术领域包括：水下视觉惯性定位、手持设备室内导航、矿山井下机器人、扫地机器人、测绘采集终端、人形机器人感知、隧道巡检小车、室外低空巡检、单兵便携定位终端、觉 SLAM、惯性导航、机器人定位、深度学习里程计、多传感器融合、计算机视觉、时序信号建模、光流估计、深度预测、无监督表示学习、状态估计、自主导航、传感器融合、位姿解算、移动机器人感知。该专利已下发证书，权利稳定，适合直接办理转让过户，是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更（过户）的一站式专利转让服务，专业顾问全程协助，确保交易合规、安全、高效。专利摘要：本发明公开了一种基于无监督学习的视觉惯性里程计方法，其包括以下步骤：S1：采集输入数据，将图像数据和IMU数据进行预处理，使图像数据和IMU数据同步；S2：进行特征提取，得到图像数据的图像特征和IMU数据的惯导特征；S3：将图像特征和惯导特征输入位姿计算网络中，输出六自由度的位姿计算结果；S4：根据深度图和源图像之间的差异进行无监督训练，输出训练结果，得到训练好的深度网络；S5：采集新的图像数据输入训练好的深度网络，输出定位结果。本发明采用深度学习的方式，避免了传统方法中传感器的复杂标定和建模，同时采用无监督的训练方式解决了数据集的限制，整个方法能够充分利用图像与惯导的互补信息，实现高精度的定位。

海量优质专利即买即用，四大核心优势助您弯道超车：
🏆 拿资质，享红利：高企认定、专精特新必备！轻松获取政府补贴、税收减免，招投标直接加分！
💎 增信誉，融资金：支持实缴注册资金，彰显企业硬实力；支持专利质押贷款，盘活现金流，扩张不缺钱！
🔥 强背书，防抄袭：印上“专利产品”，客户更信赖！构建技术壁垒，把竞争对手挡在门外，稳占市场份额！
🚀 省时间，快变现：告别漫长研发与高风险！优质专利即买即用，让技术立刻变成真金白银的利润！