矩阵Fisher-Bayes深度姿态估计方法

李宾; 杨洋; 徐攀峰; 宋岩; 李丽娜; 许超

doi:10.16197/j.cnki.lnunse.2026.02.009

辽宁大学学报（自然科学版） ›› 2026, Vol. 53 ›› Issue (2) : 135 -142. DOI: 10.16197/j.cnki.lnunse.2026.02.009

矩阵Fisher-Bayes深度姿态估计方法

李宾, 杨洋, 徐攀峰, 宋岩, 李丽娜, 许超

作者信息 +

Author information +

文章历史 +

摘要

为解决惯性测量单元(IMU)姿态估计中误差累积问题，本文采用卷积-循环神经网络，直接从IMU原始数据中提取服从矩阵Fisher分布的伪测量概率，并将其与基于刚体运动模型的贝叶斯滤波器进行融合，实现IMU器件对姿态的独立测量.但该方法不能保证训练的稳定性与估计精度.为此，本文提出3项改进措施：限制学习参数数值范围以增强训练稳定性；对损失函数中的归一化常数进行分段近似，以平衡计算效率与精度；在执行贝叶斯滤波前进行时间对齐以保持因果关系.在KITTI数据集上的实验结果表明，本文方法相较于基线MFP方法，分别将方位角平均误差和偏航角误差降低了3%与5%,且不同场景间的误差波动不超过1.1°,展现出良好的鲁棒性与工程适用性.