NeuVO：一种面向实时边缘应用的轻量级端到端视觉里程计框架

周博深¹，逄涛²，高明柯²，邹丹平¹

（1. 上海交通大学 自动化与感知学院，上海 200240；2. 华东计算技术研究所，上海 201899） 

摘要：视觉里程计（VO）是视觉同步定位与建图（VSLAM）系统的核心组件，用于从图像序列中估计相机运动。然而，基于深度学习的解决方案常面临两大挑战：跨环境泛化能力不足与高计算资源需求。针对这些问题，本文提出一种端到端的轻量化深度学习视觉里程计框架，并将位姿回归网络与光流估计网络相融合，在保证精度的同时实现高效处理。通过引入深度信息，该方法有效缓解了单目视觉里程计系统中普遍存在的尺度模糊问题，从而提升了相机运动估计的准确性与可靠性。具体而言，通过利用单目深度估计网络获取的深度数据，本方法在尺度估计一致性和跨环境鲁棒性方面均有显著提升。此外，降低的计算开销使其能够在资源受限的平台上实现实时运行。

关键词：视觉里程计，深度学习，端到端，轻量级

扫二维码浏览全文  

Cite this article

Zhou, B., Pang, T., Gao, M. et al. NeuVO: A Lightweight End-to-End Visual Odometry Framework for Real-Time Edge Applications. J. Shanghai Jiaotong Univ. (Sci.) (2026). https://doi.org/10.1007/s12204-026-2911-3