买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：东北大学秦皇岛分校

摘要：本发明提供一种融合因子图优化与CNN‑LSTM‑Attention神经网络的GNSS中断时组合导航系统辅助定位方法，涉及车辆定位领域以及深度学习技术领域。该系统包括GNSS接收模块、惯性测量单元IMU模块、轮式里程计ODO模块、因子图优化模块和AI深度学习模块；GNSS接收模块用于接收卫星信号，提供车辆的位置信息；IMU模块用于采集车辆的比力和角速率；ODO模块用于采集车辆前进方向的速度信息；因子图优化模块解算车辆的位姿信息；AI深度学习模块，包括CNN用来快速提取多维特征，LSTM用来处理序列数据中的时序信息，Attention可使模型自动学习权重以决定哪些时序信息对于当前预测任务最重要，从而提高模型预测的性能和能力，在GNSS信号不可信时预测车辆位置增量信息，并将预测的增量信息输入因子图优化模块，从而实现对车辆位置的定位。

主权项：1.一种融合因子图优化与CNN-LSTM-Attention神经网络的GNSS中断时组合导航系统辅助定位方法，其特征在于，包括信号采集装置、中央处理单元；信号采集装置包括GNSS接收模块、IMU模块、ODO模块；中央处理单元包括因子图优化模块和AI深度学习模块；所述GNSS接收模块，用于接收卫星信号，提供车辆的位置信息，构建GNSS因子节点；所述IMU模块，用于输出车架的三轴比力和角速率，对其进行预积分，构建IMU预积分因子节点；所述ODO模块，用于获取的车辆前进方向的速度数据，构建ODO因子节点；所述因子图优化模块，在GNSS信号可信时，将上述所构建的因子节点输入到因子图优化模块，GNSSINS因子图优化求解得到车辆的导航信息，INSODO因子图优化求解得到的速度、姿态角作为神经网络的输入；在GNSS信号不可信时，AI深度学习模块输出的位置增量信息与GNSS信号中断时的车辆初始位置做累加来构建GNSS因子节点并传入因子图优化模块，优化求解得到车辆准确的车辆导航信息；所述AI深度学习模块用于在GNSS信号不可信时预测车辆位置增量信息，其包括CNN用来快速提取多维特征，LSTM用来处理序列数据中的时序信息，Attention可使模型自动学习权重以决定哪些时序信息对于当前预测任务最重要，从而提高模型预测的性能和能力。

全文数据：

权利要求：

百度查询： 东北大学秦皇岛分校 一种融合因子图优化与CNN-LSTM-Attention神经网络的GNSS中断时组合导航系统辅助定位方法