两个阶段的resnet转换器框架用于惯性测量单元的定位
Yanping Zhu1, Jianqiang Zhang1, Wenlong Chen1
1School of Wang Zheng Microelectronics, Changzhou University, Changzhou 213159, China.
Sensors (Basel, Switzerland)
|September 19, 2025
概括
本研究介绍了ResT-IMU,这是一种结合ResNet和变压器架构的新型室内定位方法,用于精确的轨迹预测. 先进的模型在复杂的环境中显著提高了准确性和稳定性.
科学领域:
- 机器人和人工智能 机器人和人工智能
- 传感器融合和导航
背景情况:
- 准确的室内定位至关重要,但在复杂的环境中具有挑战性.
- 现有的方法在精度和稳定性方面扎.
研究的目的:
- 提出ResT-IMU,一个两阶段的室内定位方法,集成ResNet和变压器架构.
- 用IMU数据提高轨迹预测的准确性和稳定性.
主要方法:
- 卡尔曼过和窗口应用到IMU数据.
- ResNet用于移动特征提取和速度预测.
- 变压器的自我注意力用于时间特征分析和方向细化.
主要成果:
- 实现了低速度预测错误 (iIMU-TD上的0.0182 m/s,RoNIN上的0.014 m/s).
- 与基准数据集上的ResNet,IMUNet和ResMixer模型相比,证明了绝对轨迹误差 (ATE) 和相对轨迹误差 (RTE) 的显著减少.
结论:
- ResT-IMU为室内轨迹预测提供了卓越的准确性和稳定性.
- 整合ResNet和Transformer架构有效地捕捉了运动和时间动态.
- 在iIMU-TD和RoNIN数据集上验证了性能.


