基于无监督深度学习的RGB-D室内无人机定位实现方法

摘要

本发明公开了一种基于无监督深度学习的RGB‑D室内无人机定位实现方法，该方法包括以下步骤：1)获取RGB‑D数据集；2)搭建CNN网络，通过基于RGB‑D流和深度流的双流结构，提取RGB图像和深度图像的特征；3)搭建RNN网络，将CNN输出的特征作为RNN的输入，辅以LSTM替换标准RNN结构，基于图像的特征输出相机的位姿；4)设计2D+3D损失函数，用于RCNN网络训练。本发明受益于无监督的网络，不需要大量的人工去标记数据集，并将深度图像作为神经网络的输入，大大提高了视觉里程计系统的精度和鲁棒性，提高了室内无人机的定位的速度与精度。相较于传统的室内无人机视觉里程计定位系统，本发明基于深度学习的框架，能够充分利用硬件资源，从而实现提高室内无人机定位系统实时性。