在大多数的计算机视觉应用中,精准地估计运动物体的运动姿态是其重要任务之一。位姿估计普遍应用于运动估计、VR(Virtual Reality)、无人驾驶等视觉任务。根据系统所采用的相机数量,可划分为单目或双目位姿估计,并扩展到单目或双目视觉里程计。随着近年来深度学习的快速发展,越来越多的研究人员将位姿估计问题和深度学习相结合,以获取更精确和鲁棒的估计结果。本文主要研究对象是基于深度学习的无监督单目视觉里程计,将深度估计和位姿估计任务联合训练。大多数的无监督单目视觉里程计研究中存在尺度歧义的问题,模型的结果在与真实数据(Ground Truth,GT)比较之前,需要先进行尺度恢复,恢复到世界的真实尺度。本文对该问题进行了研究和改进。另外,本文还优化了位姿估计网络的代价函数,提高了模型的精度。主要研究工作及创新如下:(1)本文首先详细介绍了传统几何视觉里程计方法,包括直接法和间接法。接着介绍了基于深度学习的视觉里程计方法,并且针对目前两个主流的无监督位姿估计方法开展讨论分析,分别是联合深度估计、位姿估计任务训练的SfMNet方法,以及联合深度估计、位姿估计、光流任务训练的GeoNet。接着介绍了本文实验所使用的数据集,及其相关的测评方式和指标。(2)由于单目视觉里程计仅依靠前、后图像帧来计算已知空间中某两点间的距离,不能够确定物体的绝对深度,因此最终获取的运动轨迹具有尺度不确定性。但是双目视觉里程计可根据同一帧内的左右立体图像对,恢复视觉里程计运动轨迹的绝对尺度。本文提出了一种基于深度神经网络的单目视觉里程计框架,在训练阶段,损失函数计算中引入双目立体图像数据以提供额外的双目基准约束,从而恢复了世界的真实尺度。在测试阶段,单目数据作为测试样本,预测相机的相对位姿变化。测评结果表明,所提模型已经恢复世界的真实尺度。(3)针对视觉里程计存在的累计误差问题,本文提出了一种新的位姿回环一致性损失,充分利用了训练样本中的空间信息,使得物体的运动轨迹与GT相接近,提高了模型的鲁棒性和相机的位姿估计的精度。鉴于欧拉角存在万向锁情况,本文还引入了效率较高的单位四元数。假设位姿估计网络的输入为连续三帧左图样本,鉴于传统几何视觉里程计中直接法的闭环检测,分别获得第一帧与第二帧、第二帧与第三帧、第一帧与第三帧的相机相对位姿估计,形成一个闭环,为模型提供了更强的约束。将本文的无监督VO算法与SfMLearner算法做比较,所提方法可明显降低模型的平移和旋转误差。