视觉里程计通过分析处理图像序列来感知周围场景的三维信息,并确定运动相机的位姿,在机器人定位导航、自动驾驶,虚拟现实、增强现实和三维重建等领域都发挥着基础性的作用。近年来,深度学习与卷积神经网络在图像识别与跟踪等计算机视觉领域取得巨大成功,这也使得研究人员开始将深度学习应用于视觉里程计的技术研究中。本文对基于无监督深度学习方法的视觉里程计进行研究,设计了一个能同时完成场景深度估计与相机位姿估计任务的网络框架,并在设计过程中,对现有方法存在的问题,完成了有针对性的优化工作。本文工作具体内容与创新性归纳如下:1.提出一种基于遮挡掩码的深度估计优化方法。现有方法在使用图像重建损失函数对网络进行训练的过程中,忽略了空间域左右图像对之间遮挡区域存在的错误图像重建现象,而这一现象会带来损失函数的计算误差,进而影响最终训练好的网络框架的深度估计性能。为解决这一问题,本文提出一种二进制遮挡掩码的计算方法,并利用该掩码优化整体框架空间域的图像重建损失函数,将遮挡区域从损失函数计算中滤除,以消除遮挡区域带来的不利影响,从而提升深度估计的性能。利用KITTI公共数据集进行实验,实验结果表明此方法使得本文框架在场景深度估计各项性能指标上,相比现有同类方法均有较大幅度的提升。同时,位姿估计性能指标也能得到提升,表明利用此方法得到的更优的深度估计结果能够间接提升框架的位姿估计性能。2.提出一种基于光流的位姿估计优化方法。作为图像间的估计任务,相邻时刻图像间的像素匹配信息对位姿估计十分重要,而现有方法中的位姿估计网络更趋向于对图像中纹理特征的提取,导致网络的位姿估计性能不理想。为解决这一问题,本文的位姿估计网络在包含特征提取模块与位姿估计子模块的基础上,增设光流估计子模块作为辅助模块。光流估计与位姿估计子模块共享特征提取模块,并设计相应的时间域损失函数,采用联合训练的方式引导特征提取模块能够获取更多适合于位姿估计任务的像素匹配信息。在KITTI公共数据集上的实验结果表明此方法能较大幅度提升本文框架的位姿估计性能。同时利用Malaga-Urban公共数据集以及Uav-Town无人机场景数据集进行实验,本文框架也能取得较好的位姿估计结果,表明此方法能够提升位姿估计网络在不同场景中的泛化能力。