三维场景理解是自动驾驶、智能机器人等人工智能技术应用的核心需求。本文主要研究三维场景理解中的两个重要三维信息的估计方法,即表征三维场景结构的深度估计和表征三维场景动态信息的三维动态目标分割。由于三维信息在不同时刻下的观测具有时序一致性,如何利用时序上的运动信息（光流、场景流或者位姿）辅助三维信息的估计成为当前研究的热点方向。本文分别基于相机传感器和激光雷达传感器进行研究,设计三维信息与运动信息的联合估计方法,同时提高多任务的效果。对于相机传感器,利用运动信息（光流和位姿）辅助三维信息（深度）估计的主要难点是如何利用三者之间的几何联系以及真实标签难以获取。现有方法以无监督的方式通过三个独立的网络分别估计光流、深度和位姿,并提出联合的几何约束损失函数来提升多任务的效果。不同于仅仅设计损失函数层面联合估计的方法,本文深入分析任务之间的关联,基于双目相机设计了一个无监督的光流、深度和位姿联合估计网络,实现了三个任务在网络特征层面的联合估计。本文所提出的方法对于光流、深度和位姿的精度均有显著提升。对于激光雷达传感器,利用运动信息（场景流和位姿）辅助三维动态信息（动态物体掩膜）估计的主要问题是如何建模场景流、位姿与动态物体分割之间的关系。现有的方法通常使用串行流程建模方式,先分别估计场景流与静态位姿,再通过场景流与静态位姿转化的刚性场景流的一致性差值作为动态分割网络的输入。由于串行方式会导致累积误差并且不能进行迭代优化,本文提出并行流程建模方式,同时进行场景流、位姿与动态物体的分割,并设计了一个基于点不确定度聚合的场景流、位姿和动态物体分割联合估计网络,通过不确定度实现多任务的一致性关系约束。本文所提出的方法大大提升了基于点云的动态物体分割与场景流的精度。