基于时序基础模型的位姿预测方法
摘要
位姿预测是预防交通拥堵，实现城市可持续发展的核心技术。针对现有方法多局限于位置坐标预测、严重
依赖多源传感器数据、在传感器失效时鲁棒性不足等问题，本文提出了一种基于时序基础模型TimesFM的位姿预测
方法，通过设计双分支微调架构分别对位置和姿态进行微调、预测，实现在不需要额外数据源的情况下，从历史的
位姿序列中预测未来任意时刻的位姿。实验结果表明，使用LoRA和DoRA微调方法，均能通过较小的可训练参数
量达到较高的位姿预测精度，为构建更可靠的位姿预测系统提供了新思路。
依赖多源传感器数据、在传感器失效时鲁棒性不足等问题，本文提出了一种基于时序基础模型TimesFM的位姿预测
方法，通过设计双分支微调架构分别对位置和姿态进行微调、预测，实现在不需要额外数据源的情况下，从历史的
位姿序列中预测未来任意时刻的位姿。实验结果表明，使用LoRA和DoRA微调方法，均能通过较小的可训练参数
量达到较高的位姿预测精度，为构建更可靠的位姿预测系统提供了新思路。
关键词
时序基础模型；位姿预测；微调；LoRA；DoRA
全文:
PDF参考
[1]Almulhim A I,Sharifi A, Aina Y A, et al. Charting
sustainable urban development through a systematic review of
SDG11 research[J]. Nature Cities, 2024, 1(10): 677-685.
[2]Campos C, Elvira R, Rodríguez J J G, et al. Orbslam3: An accurate open-source library for visual, visualinertial, and multimap slam[J]. IEEE transactions on robotics,
2021, 37(6): 1874-1890.
[3]Han L,Lin Y, Du G, et al. Deepvio: Self-supervised
deep learning of monocular visual inertial odometry using
3d geometric constraints[C]2019 IEEE/RSJ International
Conference on Intelligent Robots and Systems(IROS). IEEE,
2019: 6906-6913.
[4]严利鑫，利健华，李黄承成，等.基于局部自注
意力Transformer的长期车辆轨迹预测模型[J].地球信息科
学学报，2026，28（01）：194-208.
Refbacks
- 当前没有refback。
