视觉里程计(Visual Odometry,VO)是基于视觉的同时定位与地图构建(viusal Simultaneous Location and Mapping,vSLAM)系统中的一个极具挑战的开放性问题。其主要任务是依据视觉传感器(通常依附于某个运动载体,例如汽车、移动机器人等)所传回的图像数据来估计自身(传感器或者说运动载体)的位姿(位置和姿态)变化。近年来,视觉里程计被广泛应用于虚拟现实、无人驾驶、移动机器人等新兴技术领域,并伴随着这些新技术的大热而逐渐成为时下的研究热点。传统的视觉里程计通常涉及到一个经典的“四步走”思路:1.首先利用某种特定算法来计算得到一种人工设计的特征,这一过程通常被称为特征提取;2.然后利用算法来进行关键帧间的特征匹配;3.对所匹配到的特征进行追踪,从而计算得出位姿变化;4.最后使用一些优化策略来降低误差。基于这种思路的传统方法存在着过度依赖相机参数、多场景适应能力差等问题。而近年来蓬勃发展的深度学习则为VO技术的发展带来了全新的思路。相比传统方法中的人工特征,使用卷积神经网络所提取得到的特征往往更具有合理性。此外,基于深度学习方法的视觉里程计完全不依赖于相机参数,也不存在传统方法中的尺度问题。基于上述优势,基于深度学习的方法正在渐渐成为当前视觉里程计的主要研究方向。针对以上传统方法中存在的问题,本文在对一些基于深度学习的先进方法进行了深入的研究后,完成了以下工作:1.沿袭深度学习与光流法结合的思路,构思了整体的算法框架。2.将富含帧间运动信息的稠密光流直接输入到卷积神经网络中实现特征提取,利用全连接层进行位姿预测,最后通过降低误差函数的函数值来训练得到一个基于光流法和深度学习的视觉里程计模型。3.分析了算法总体框架中的两个重要环节:光流提取和特征提取,对算法性能的影响。4.将注意力机制引入到VO问题解决思路中,并取得了非常好的效果。此外,使用多尺度池化技术大大减小了特征的维度,从而有效降低了系统的参数量。综上,本文结合光流法和深度学习理论,逐步设计实现了一个兼顾精度与速度的视觉里程计,并在公开数据集上进行了仿真。模型的旋转误差为0.015弧度每米,平移误差百分比为4.75%,算法平均时耗约为13毫秒每帧。