摘要
在本研究中，我们针对视觉里程计（Visual Odometry, VO）系统在自主导航与机器人领域中一个关键挑战——即在保证可解释性的同时实现速度与精度的平衡——提出了有效解决方案。传统VO系统通常面临计算速度与位姿估计精度之间的权衡问题。为应对这一挑战，我们提出了一种创新性系统，该系统将传统VO方法与一种专为任务定制的全连接网络（Fully Connected Network, FCN）进行协同融合。本系统在设计上的独特之处在于，其在FCN中对每个自由度独立处理，并高度重视因果推断，从而显著提升了系统的可解释性。这一机制使得我们能够对不同自由度下的相对位姿误差（Relative Pose Error, RPE）进行细致且精确的评估，从而更全面地理解参数变化及在不同环境下的运动动态特性。值得注意的是，本系统在不牺牲精度的前提下，实现了显著的处理速度提升。在某些场景下，系统甚至可将均方根误差（Root Mean Square Error, RMSE）降低高达5%，充分展现了其在有效弥合VO研究中长期存在的速度与精度矛盾方面的强大能力。这一进展标志着视觉里程计系统向更高效率与更高可靠性迈进的重要一步，具有广泛的应用前景，尤其适用于实时导航与机器人系统。