深度估计是近年来计算机视觉领域中深受大家关注的研究课题,这主要得益于无人驾驶、虚拟现实、机器人导航等技术的迅速发展。传统的深度估计方法在复杂场景下精确度不高,表现欠佳。近些年,以深度学习为代表的人工智能技术飞速发展,很多研究者尝试通过训练神经网络来进行单目图像的深度估计。基于监督学习的单目深度估计,在训练神经网络时需要大量的,标注好深度信息的图像样本,但是获取这些样本的成本比较高,而基于自监督学习的单目深度估计不需要事先标注的图像样本,因此,更具有研究意义和实用价值。本文在研究中发现了在目前的自监督深度估计模型中,发现了采样过程中出现的误差问题和单目多帧图像训练效果较差,以及姿态网络效果不好等问题,于是,尝试对其进行优化改进:（1）提出了基于全分辨率融合网络的深度估计网络模型。在这个模型中,通过全分辨率下的特征图融合方法,优化了深度估计网络中的跳跃连接过程,使得被连接的特征图能够拥有更多的语义信息,从而减少由于上采样过程所产生的误差。同时,该网络模型也解决了在跳跃连接的情况下会存在着编码器解码器语义不同步的问题。在KITTI数据集上,改进后的模型可以更好的减少采样过程中的误差,在各项指标中都取得了前两名,获得更准确深度估计结果。（2）本文提出了平均最小值误差公式用于解决遮挡问题,通过前后帧图像分别去计算误差平均值并最终取最小值的方式,使网络在多帧图像训练的情况下具有更小的损失。在此基础上提出了一种动态控制训练帧数的方法,通过两帧间的瞬时速度去计算两帧图像间的距离信息,在距离小于最大映射距离时,将该图片加入训练中,使得网络可以更好的选择具有映射意义的图像,使用此方法解决了以前在训练时只能通过参数选择前后帧数的问题。最终利用残差网络的特点优化了姿态网络结构,更好的预测出两帧图像间的相对位置关系,减小投影误差,从而减少了在多网络联合训练中,在多帧图像下两个网络间由于误差不一致所产生的影响。综上所述,本文围绕采样过程中出现的误差问题和单目多帧图像训练效果不好的两个问题开了研究,提出了新的改进方法,并将它们成功地应用于单目自监督深度学习任务中,减少了采样误差,并提升了训练效果。