本学期的室内导航位置服务课程结束了，最后有一个结课作业做了一些工作，在这里分享给大家，同时也是自己的一个记录。
主要内容包括以下四个方面：

模型驱动PDR

详细可参考PDR (Pedestrian Dead Reckoning)行人航位推算基本原理及实现

数据驱动PDR

这里使用的是RONIN模型：RoNIN: Robust Neural Inertial Navigation预训练模型测试

实验效果对比

使用自采的三个不同形状数据直线、方形、T形，进行测试。

模型驱动PDR测试效果

数据驱动PDR-RoNIN官方预训练模型

数据驱动PDR-自主训练

总结展望

• 相比于模型驱动PDR，数据驱动PDR的鲁棒性更强，尤其能够较好的处理转弯，掉头等航向角迅速变化的动作。
• 逐步增加训练epoch能提高模型在复杂运动中的适应能力
• 增加训练数据量，在平端、摆臂等行走状态下，从指标上来看没有明显的精度提高，从视觉效果上来看更加贴近真实情况；
• 增加训练数据量，在T形多种动作切换状态下获取的轨迹长度更加贴近真值。