在室外场景下,视觉里程计能在卫星信号缺失时协助移动机器人感知外部环境,获取自身位置和速度。相比于立体相机繁琐的标定与校正过程,基于低成本单目相机的视觉解决方案更简便。卷积神经网络（Convolutional Neural Networks,CNNs）可以直接从单目图像计算移动机器人状态,不需要对摄像头进行标定与校正,并克服尺度不确定性缺点。但CNN在实际应用中仍存在困难,首先CNN运行时需要大量内存资源,而里程计通常应用于嵌入式设备,这些设备的计算能力不能满足CNN的算力需求;其次,视觉里程计在光照条件不理想或者动态物体被遮挡时,图像会产生模糊、纹理缺失等现象,导致状态估计误差大。为此,提出在扩展卡尔曼滤波器中融合CNN输出的单目相机位姿和IMU数据,弥补恶劣环境条件下单目视觉的估计误差,同时单目相机能补偿IMU传感器的累计漂移误差,有助于里程计获得高精度的导航信息。本文的主要研究内容包括:（1）提出基于CNN的单目深度及位姿预测方法。针对神经网络训练时间久、模型参数大的问题,从空间金字塔编码层、门控自适应解码层、损失函数三个方面设计神经网络模型。对比分析不同编码器对估计性能的影响,运用深度可分离卷积替代传统卷积,引入ASPP模块扩大图像空间感受野。采用子像素卷积的超分辨技术提升特征图质量,设计多尺度融合门控模块补充上下文信息,提高网络运行速度。考虑图像梯度和表面法线,在对数域构建损失函数,处理深度图边缘扭曲和模糊现象,保证模型精度。（2）提出单目图像与IMU数据互补的位姿估计方法。处理IMU传感器噪声误差,建立IMU运动学及误差传播模型,形成共同运动约束,融合惯性信息和视觉图像。不同于经典扩展卡尔曼滤波器,提出将CNN模型的预测值当作扩展卡尔曼滤波器的测量更新,利用单目相机和IMU的互补模态和误差特性,使用神经网络优化滤波器的误差协方差,实现目标物体的位姿更新和估计。（3）在公开数据集和室外环境对所提出的深度及位姿估计方法进行验证,评估算法的准确性和适用性。实验从单目深度估计评价指标、三维点云可视化、在线推理速度、平均位姿误差等方面进行验证,与其它的算法相比,本文算法能有效降低深度估计误差,大幅改进姿态预测精度,同时缩减内存需求,提高图像推理运行速度。室外场景实验表明本文算法能够满足使用需求,具有可行性。