定位技术对于机器人的自主智能化运行至关重要,其起到感知外界环境,估测自身状态的作用,对诸如导航避障探索等任务有重要影响。本文所研究的单目视觉里程计是一种成本低、环境适应能力强的里程计方案,其从单目相机获取的图像序列中解算出帧间位姿变化,并增量式的重建全局运动轨迹。当前视觉里程计发展的一大趋势是传统几何原理与深度学习技术的融合,本文从三个方面对此展开了研究。针对单目自监督场景深度估计任务,本文提出在位姿变换子网络中引入软注意力机制帮助特征选择,从而借由场景深度与帧间位姿变换的耦合关系间接提升场景深度估计精度;另外,考虑实际场景中存在运动遮挡等反假设情形,导致网络训练难收敛,提出了一种基于光度误差分布图的可学习的离群掩模模块来剔除误导像素点。实验结果显示,所提出算法的多项评估指标在KITTI数据集上取得了同时期先进水平。该部分研究的场景深度估计将为本文第二部分中所提出的混合式视觉里程计提供3D场景信息辅助。文章第二部分提出了一种融合几何原理先验,考虑多帧时序信息的基于自监督式深度学习网络的混合式单目视觉里程计算法框架,包含三点工作:利用第一部分提出的自监督场景深度估计网络估计场景深度为视觉里程计算法框架提供3D信息辅助;组织场景深度估计网络与场景光流估计网络作为特征提取与匹配前端,提升模型的多场景鲁棒性,并综合多帧匹配情况选择匹配帧;设计求解器模块,根据场景情况自适应的选择3D-2D匹配对或是2D-2D匹配对求解帧间相机位姿变换。实验表明,所提出的混合式算法较其他方法在各场景序列下的平均误差都有下降,平移误差为2.211%,旋转误差为0.418°。本文最后一部分提出了一种利用图像合成手段在待估计位姿变换的两帧之间插入合成新视图,将对真实两帧之间的位姿变换估计分解成从真实一帧渐进式过渡到真实二帧的多个中间位姿变换估计,最后合并多个中间变换形成修正后的两帧之间位姿变换估计。这样设计方案的好处是,不需要在网络训练时考虑多层级预测的误差传播,减轻网络训练负担,并且因为是单独的事后修正模块,可插拔式的方式更加灵活。实验结果显示,在所提出的位姿修正模块加持下,第二部分算法精度进一步提升,平移误差相对下降约10%,旋转误差相对下降约15%。