该研究提出了一种基于强化学习的单目视觉方法，实现无人机的自主着陆。该方法利用前视单目相机，优化视觉特征变化，精确估算高度和深度，展示了在无需复杂传感器的情况下进行经济有效着陆的潜力。

本研究提出了一种基于课程学习的单目视觉里程计模型，旨在解决几何问题并提升性能。实验结果表明，该模型在复杂环境中的表现优于现有方法，验证了课程学习在视觉里程计中的有效性。

本文介绍了一种基于卷积神经网络的单目视觉姿态估计方法，强调合成图像训练的鲁棒性及深度学习在航天器导航中的应用。研究构建了新数据集SPADES，以提高模型性能，并展示了相较于现有数据集的显著改进。

本研究综述了深度学习在单目视觉下的人体姿态估计的最新进展，分析了2D和3D姿态估计方法的挑战与应用，讨论了未来研究方向，并比较了相关数据集和评估指标。

本研究提出了一种深度感知的单目视觉楼梯建模方法，通过深度传感器获取楼梯表面点云，显著提升了楼梯几何特征的学习效果。同时，利用深度学习模型优化复杂地面的人机行走效果。