人们在使用普通的设备获取图像时通常只会保存场景的二维信息,丢失场景的深度信息,但实际上深度信息对于一些视觉方面的研究工作有着非常重要的作用。深度估计可以用于三维建模、场景理解、深度感知等领域。随着虚拟现实,自动驾驶,3D电影等应用场景的不断普及,技术上对三维层面信息的需求越来越强烈。在单目深度估计上仍然存在很多问题,深度真值获取困难、成本昂贵;单幅图像的特征有限,特征的局限性增加了训练的难度。本文针对单幅图像的深度估计提出了结合双目立体视觉的深度估计方法,首先使用卷积神经网络进行特征提取,随后利用特征图进行另一视点图像的估计,最后利用左右视图进行视差估计,计算出深度图。本文的主要工作如下:（1）提出两个阶段的深度估计方法,第一阶段为视图合成部分,第二阶段是双目匹配部分,增强了深度估计方法的灵活性。（2）将双目数据集替代深度数据集应用于深度估计,在视图合成网络部分进行训练模型从而获取另一视点的图像,减少了对深度真值的需求,大大降低了数据集成本。（3）将用于分割,视差以及光流的主要网络结构（Encoder-Decoder结构）应用于深度估计,充分利用双目图像几何关系计算深度值的同时也更好的利用的低层的特征保证了网络对与细节的估计。（4）鉴于深度估计是针对单幅图像进行估计的,在连续帧的一致性存在问题,所以在深度优化阶段采用了图像增强算法以及滤波器对深度图像中的特征显示错误以及连续帧之间的平滑程度进行了优化,如联合双边滤波、导向滤波、中值滤波等滤波算法。实验结果表明,本文的方法能够优于大部分的基于深度学习的深度估计方法,并且能够实际应用于2D视频转3D视频项目。