1.一種基于深度學習的端到端視覺里程計，其特征是：包括級聯的光流網絡和幀間估計網絡，所述光流網絡根據數據集中圖像序列中的相鄰幀，選取輸出光流向量和基準數據之間的光流端點誤差為損失函數，進行網絡訓練后，將生成的光流圖像輸出，所述幀間估計網絡以光流圖像作為輸入，基于六自由度輸出位姿向量與基準數據之間的距離構建損失函數，迭代訓練網絡，進行幀間估計。
2.如權利要求1所述的一種基于深度學習的端到端視覺里程計，其特征是：所述光流網絡和幀間估計網絡均為層次化訓練方式。
3.如權利要求1所述的一種基于深度學習的端到端視覺里程計，其特征是：所述光流網絡為卷積神經網絡訓練器。
4.如權利要求1所述的一種基于深度學習的端到端視覺里程計，其特征是：所述光流網絡以相鄰幀連續圖像作為輸入，選取輸出光流向量和基準數據之間的光流端點誤差作為損失函數，進行將輸入的連續幀圖像生成光流圖像的網絡訓練。
5.如權利要求1所述的一種基于深度學習的端到端視覺里程計，其特征是：
所述幀間估計網絡以光流圖像作為輸入，將整個光流圖像的訓練劃分為全局光流圖訓練和多個子光流圖像的局部訓練，最后組合兩者輸出的特征，輸出到全連接層，完成基于光流的幀間估計網絡。
6.如權利要求1所述的一種基于深度學習的端到端視覺里程計，其特征是：所述幀間估計網絡為利用KITTI數據集訓練網絡。
7.如權利要求1所述的一種基于深度學習的端到端視覺里程計，其特征是：所述幀間估計網絡為利用合成數據來訓練網絡。
8.一種基于深度學習的端到端視覺里程估計方法，其特征是：根據數據集中圖像序列中的相鄰幀，選取輸出光流向量和基準數據之間的光流端點誤差為損失函數，進行網絡訓練后，生成光流圖像，根據光流圖像，基于六自由度輸出位姿向量與基準數據之間的距離構建損失函數，迭代訓練網絡，進行幀間估計。
9.如權利要求8所述的一種基于深度學習的端到端視覺里程估計方法，其特征是：采用不同輸入輸出數據分別訓練光流網絡模塊和幀間估計網絡模塊，最后將兩者級聯，進一步深層次訓練，優化參數。