本文介绍了一种创新的单目视觉里程计方法CodedVO，通过自定义光学将度量深度信息物理编码到图像中，克服了尺度歧义问题，并在已知尺度下实现了最新性能。在多样的室内环境中进行评估，展示了其稳健性和适应性。在ICL-NUIM室内里程计数据集的评估中，获得了0.08m的平均轨迹误差。

我们引入了一种新颖的单目视觉里程计系统NeRF-VO，它整合了学习的稀疏视觉里程计和神经辐射场景表示。通过联合优化关键帧位姿和底层密集几何，NeRF-VO在场景表示、新视角合成和密集重建方面表现出色。