基于深度学习的视觉惯性里程计技术视觉惯性里程计，又称为视觉惯性导航系统，是由视觉和惯性传感器构成的组合导航系统。VIO拥有自主性、实时性等特点，传感器的优势互补使VIO的导航精度明显高于由单一传感器组成的惯性导航系统或视觉里程计，低成本、体积小的消费级微机电惯性测量单元和相机的使用更促进其发展，VIO研究的主要目的就是充分利用视觉惯性的优势，实现系统的高精度6自由度位置与姿态估计。

其中，前端包括基于运动学模型的惯性预处理模块和基于几何学模型的视觉里程计，后端为基于滤波器或优化器的状态估计模块。此外，为了进一步提高导航精度，还可能会添加回环检测等功能。传统方法已经展示了不错的性能，但受到建模的局限和真实环境的复杂性使其仍然难以投入实际应用中。近来，深度学习为VIO的方法研究提供了新的思路。深度学习的方法相比传统方法表现出了更强的鲁棒性。

惯性制导是利用陀螺仪和加速度表组成的惯性测量装置测量导弹的运动参数，控制其按预定路线飞行的一种制导方式。整个制导系统由惯性测量装置、计算机和执行机构等组成。惯性测量装置测出导弹运动参数的变化，计算机根据实时测得的数据、发射前输入的初始条件和重力影响等数据,算出导弹的实际飞行速度、航向、姿态和坐标，并将这些数据与制导程序要求的预定值进行比较，根据偏差大小产生相应的制导指令，执行机构根据制导指令控制导弹沿正确的路线飞行。

平台式是将加速度表装在惯性平台上，利用陀螺仪使平台保持稳定，不管导弹飞行时姿态发生多大变化，平台相对于惯性参考坐标系的方向始终保持不变，因而可以简化导航计算。洲际弹道导弹、潜地弹道导弹、远程巡航导弹和大型运载火箭基本上都采用平台式惯性制导。捷联式惯性制导是将惯性仪表直接安装在弹体上，省去惯性平台，制导系统体积较小、重量较轻、可靠性也较高，但所测得的运动参数必须经过计算机进行坐标变换和计算才能获得所需的制导数据。

惯性导航系统（INS，InertialNavigationSystem）也称作惯性参考系统，是一种不依赖于外部信息、也不向外部辐射能量（如无线电导航那样）的自主式导航系统。其工作环境不仅包括空中、地面，还可以在水下。惯性导航的基本工作原理是以牛顿力学定律为基础，通过测量载体在惯性参考系的加速度，将它对时间进行积分，且把它变换到导航坐标系中，就能够得到在导航坐标系中的速度、偏航角和位置等信息。

惯性导航系统中的陀螺仪用来形成一个导航坐标系，使加速度计的测量轴稳定在该坐标系中，并给出航向和姿态角；加速度计用来测量运动体的加速度，经过对时间的一次积分得到速度，速度再经过对时间的一次积分即可得到位移。其缺点是：1、由于导航信息经过积分而产生，定位误差随时间而增大，长期精度差；2、每次使用之前需要较长的初始对准时间；3、设备的价格较昂贵；4、不能给出时间信息。

惯性制导，又称陀螺仪制导。陀螺，转起来，在一维方向上，具有很强的稳定性，以这一维为基础数据，配合其他测量感性数据，比如指南、高度、气压等，就能实现在三维空间里的定位和计算。这个就叫惯性制导，刚开始，惯性制导一般都是机械式的，数据误差很大，制导精度不高，上世纪80年代，西方一些国家开始实验用其他模拟方式来代替机械陀螺仪，好象最后不成功，不过，后来，其他的一些制导方式随着电脑微型化后，逐渐成熟，开始代替了惯性制导方式。