摘要
本发明公开一种惯导、视觉与先验信息动态融合的定位方法，旨在提高动态和复杂环境中的位置与位姿估计的精度和鲁棒性，包括：1、实时收集设备IMU数据，转换到世界坐标系并去除重力得到预处理IMU数据；2、应用神经网络架构搜索技术获得最优神经网络；3、由预处理IMU数据构成训练数据集训练最优神经网络并推理出位姿增量估计、协方差；4、基于先验信息获取先验方向及其协方差；5、引入视觉信息与设备IMU数据融合并构建VIO系统，由其输出位姿估计、协方差；6、步骤3至5的输出结果作为因子图的测量信息进行多源信息融合；7、利用因子图融合结果更新最优神经网络的参数，按步骤1修正设备IMU数据，再送入最优神经网络进行推理，然后重复步骤4至7。
