一种自适应调整关注域的端到端单目视觉里程计方法

本发明公开了一种自适应调整关注域的端到端单目视觉里程计方法，该方法通过构建光流估计网络与位姿估计网络紧凑联结架构，同时基于端到端的深度学习设计，将光流预测、特征提取、注意力优化和位姿回归无缝集成。同时引入双重注意力机制（CBAM模块）和语义特征融合，过滤动态物体、低纹理和模糊区域的干扰，并且结合语义特征融合，提升模型对场景的理解能力，从而优化位姿估计精度及网络结构，采用轻量化CBAM模块和高效残差块设计，降低计算量，实现特征提取的自适应调整和场景理解增强。本发明系统复杂度降低，无需手动设计和调优多个模块，端到端设计避免模块间误差累积，整体性能更稳定，在资源受限的嵌入式设备上实现高效的位姿估计。