买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉浙江工业大学申请的专利一种基于惯性测量单元和深度学习的移动机器人定位方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115540857B 。

龙图腾网通过国家知识产权局官网在2025-09-09发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211057042.X，技术领域涉及：G01C21/16；该发明授权一种基于惯性测量单元和深度学习的移动机器人定位方法是由郭方洪;杨淏;魏靖城;董辉;吴祥;刘安东;陈积明;俞立设计研发完成，并于2022-08-31向国家知识产权局提交的专利申请。

本一种基于惯性测量单元和深度学习的移动机器人定位方法在说明书摘要公布了：本发明公开了一种基于惯性测量单元和深度学习的移动机器人定位方法，包括将惯性测量单元的原始数据输入训练好的深度学习模型，得到惯性测量单元的误差校准参数和不变卡尔曼滤波器的噪声参数，再利用惯性测量单元的误差校准模型获得校准后的加速度和角速度，再将校准后的加速度和角速度输入不变卡尔曼滤波器，获得移动机器人的定位结果。本发明能够适应不同移动机器人的运动特性，得到更高精度的移动机器人定位结果，并有助于降低移动机器人的定位成本，不易受环境干扰。

本发明授权一种基于惯性测量单元和深度学习的移动机器人定位方法在权利要求书中公布了：1.一种基于惯性测量单元和深度学习的移动机器人定位方法，所述移动机器人包括惯性测量单元，其特征在于：所述基于惯性测量单元和深度学习的移动机器人定位方法包括如下步骤： S1、利用惯性测量单元获取移动机器人的原始加速度和原始角速度； S2、建立深度学习模型并进行训练，所述深度学习模型包括依次连接的扩张卷积神经网络和线性全连接网络，所述扩张卷积神经网络包括依次连接的扩张层、第一卷积模块、第二卷积层模块、第三卷积模块、第四卷积模块和第五卷积模块，各所述卷积模块均包括卷积层，所述线性全连接网络包括依次连接的全连接层和Tanh激活函数层； S3、将原始加速度和原始角速度输入训练好的深度学习模型，获得惯性测量单元的误差校准参数和不变卡尔曼滤波器的噪声参数，所述惯性测量单元的误差校准参数包括 和所述不变卡尔曼滤波器的噪声参数包括rlat和rup，其中， 依次表示x轴、y轴、z轴角速度的比例系数，依次表示x轴、y轴、z轴加速度的比例系数，依次表示x轴、y轴、z轴角速度的偏移系数，依次表示x轴、y轴、z轴加速度的偏移系数，rlat表示y轴方向速度噪声协方差，rup表示z轴方向速度噪声协方差； S4、利用惯性测量单元的误差校准模型获得校准后的加速度和角速度，所述误差校准模型建立如下： 其中， 式中，表示第n时刻的原始IMU数据，ωn表示第n时刻的原始角速度，an表示第n时刻的原始加速度，表示第n时刻校准后的IMU数据，表示第n时刻校准后的角速度，表示第n时刻校准后的加速度，An表示第n时刻误差校准模型的比例系数矩阵，biasn表示第n时刻误差校准模型的偏移系数向量； S5、将校准后的加速度和角速度输入不变卡尔曼滤波器，获得移动机器人的定位结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人浙江工业大学，其通讯地址为：310014 浙江省杭州市下城区潮王路18号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。