惯性导航遇上深度学习：当前趋势与未来方向综述

惯性传感用于许多应用与平台，从智能手机等日常设备到自动驾驶车辆等极复杂平台。近年来，机器学习与深度学习技术在惯性传感及传感器融合领域的发展显著增长。这归因于高效计算硬件的发展与公开可用传感器数据的可获取性。这些数数据驱动方法主要旨在增强基于模型的惯性传感算法。为鼓励进一步研究深度学习与惯性导航及融合的集成并发挥其能力，本文对用于惯性传感与传感器融合的深度学习方法进行深入综述。我们讨论用于校准与去噪的学习方法，以及改善纯惯性导航与传感器融合的方法。后者通过学习部分融合滤波器参数实现。所综述方法按载具运行环境分类：陆地、空中与海上。此外，我们分析基于深度学习的导航趋势与未来方向，并提供常用方法的统计数据。