基于学习的微型无人机气流惯性里程计，使用热风速仪在无GPS和视觉环境中

本研究解决了低成本惯性测量单元和气压计存在的重大偏差以及热风速仪在旋转螺旋桨和地面效应干扰下的测量不准确问题。通过使用基于GRU的深度神经网络和带偏差模型的观察者，对多传感器数据进行融合，有效估计了微型无人机的飞行状态和气流速度，进而显著减少了位置集成漂移，并在无风的室内环境中实现了准确的飞行速度估计。

本研究利用基于GRU的深度神经网络和偏差模型，融合多传感器数据，有效解决了低成本惯性测量单元和气压计的偏差问题，准确估计微型无人机的飞行状态和气流速度。

GRU gps 偏差 多传感器 微型无人机 无人机 深度神经网络
原文中文，约300字，阅读约需1分钟。发表于：。
阅读原文
分享给好友