本发明涉及一种基于CNN‑EKF的视觉惯性里程计实现方法，先通过卷积神经网络对图像信息进行特征提取，将神经网络输出的相对位姿与惯性传感器的位姿采用基于拓展卡尔曼算法进行融合，最终得到估计出的相对位姿后转换为原始的轨迹。在保障视觉惯性里程计系统的功能前提下，充分发挥深度学习算法的良好优势，并结合多传感器信息，通过卡尔曼滤波算法将神经网络的位姿信息和惯性传感器的位姿信息进行融合，弥补惯性传感器在采集图像信息和惯性位姿信息中存在的不足，进而提升视觉里程计系统鲁棒性和泛化能力。