本研究提出了一种无监督深度神经网络方法，用于融合RGB-D图像和惯性测量进行绝对轨迹估计。该网络学习整合IMU测量并生成假设轨迹，然后根据像素坐标的投影误差进行在线更正。在KITTI Odometry数据集上与最先进的视觉惯性测距、视觉测距和VSLAM方法进行了比较，表现出有竞争力的测距性能。