面向惯性定位的深度学习：综述

惯性传感器广泛应用于智能手机、无人机、机器人和物联网设备中，在实现泛在且可靠的定位方面发挥着关键作用。基于惯性传感器的定位在个人导航、基于位置的安全防护以及人机交互等多种应用中必不可少。然而，低成本 MEMS 惯性传感器的测量不可避免地受到各种误差源的污染，在传统惯性导航算法中经双重积分后会产生无界漂移，使惯性定位面临误差漂移问题。近年来，随着传感器数据与计算能力的快速增长，深度学习技术得以发展，引发了解决惯性定位问题的显著研究热潮。该领域的相关文献横跨移动计算、机器人与机器学习。本文对基于深度学习的惯性定位及其在行人、无人机、车辆和机器人跟踪中的应用进行了全面综述。我们串联了不同领域的努力，并探讨了如何应用深度学习来解决传感器标定、定位误差漂移抑制和多传感器融合等问题。本文旨在吸引来自不同背景的读者，包括对相关技术解决惯性定位问题潜力感兴趣的研究人员与从业者。我们的综述展示了深度学习带来的令人振奋的可能性，并提供了该领域未来研究的路线图。