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。该方法通过学习整合IMU测量并生成假设轨迹，然后根据空间像素坐标的缩放图像投影误差的雅可比矩阵进行在线更正。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。

该研究提出了一种无监督深度神经网络方法，用于RGB-D图像和惯性测量的绝对轨迹估计，无需IMU固有参数或外部校准。在KITTI Odometry数据集上表现出有竞争力的测距性能。

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。