随着人口老龄化趋势的加剧,老年人的护理工作愈发引起世界各国政府的关注。关于老年人护理机器人的研究已成为一个研究热点,在此背景下,本文针对室内护理机器人关键技术之一的视觉里程计(Visual odometry,VO)出发,提出了一种基于竞争-协作训练框架下的无监督单目视觉里程计方法。通过结合深度估计、相机姿态估计、光流估计和运动分割这四种低层次视觉问题,并构建了一种考虑前后一致性的损失函数,在竞争-协作的训练框架下最终构建完整的视觉里程计。本文的主要研究内容如下:首先根据在分类整理文献过程中发现现有方法的不足,对一种基于循环卷积神经网络(Recurrent Convolutional Neural Networks,RCNN)的方法进行改进。利用双向长短期记忆网络(Bi-directional Long Short Term Memory networks,Bi-directional LSTM)可实现对时序信息双向的建模的特性,提出了一种基于卷积循环神经网络的单目视觉里程计方法,可以充分利用单目视频序列中相邻图像之间的信息。考虑到具体性能试验和目前相关研究者的态度,该方法性能并不十分乐观。其次针对上述方法的不足,再次提出了一种基于竞争-协作训练框架下的无监督单目视觉里程计方法。该方法联合了深度估计,相机运动估计,光流估计以及运动分割四种视觉感知方面的一些具有相互关联的问题,并在考虑向前和向后的一致性情况下构建了一种无监督学习框架。并构建了一种考虑前后一致性检验的损失函数。然后在KITTI VO数据集上对该方法进行了测试,通过各类评价指标验证了网络性能,并使用自行搭建的室内护理机器人试验平台采集数据,验证了在真实场景的性能。最后,与传统特征方法进行对比,验证所提出的无监督方法的可行性,并通过真实场景试验验证了本文提出的视觉里程计方法在室内护理机器人平台上应用的可行性及有效性。