本发明提出一种基于深度学习的激光惯性里程计优化方法，该方法包括基于深度学习的惯性传感器运动分类与可用度评估、基于深度学习的激光点云可用度评估和基于深度学习的激光惯性里程计优化。其中惯性传感器运动分类与可用度评估，是通过SENet+模型对惯性传感器数据进行运动分类，并基于运动分类结果完成惯性传感器可用度评估；激光点云可用度评估，是通过PointNet++模型对激光点云进行分类分割与可用度评估；激光惯性里程计优化，是基于惯性传感器、激光点云可用度信息，通过MLP模型生成并调整系统整体误差函数中各残差函数权重，提高激光惯导系统在复杂环境下定位建图的鲁棒性。