本研究提出了一种新的模型开发策略，通过课程学习提升单目视觉里程计（VO）的性能。实验结果表明，深度补丁视觉里程计（CL-DPVO）在复杂环境中优于现有方法，验证了课程学习在视觉里程计中的有效性。