机器人视觉系统是模拟人类视觉的复杂系统,其中的深度估计和实例分割更是颇具挑战的视觉任务。本文结合近几年先进的计算机视觉与深度学习的成果,围绕深度估计、深度图像修复、实例分割和重建等任务展开讨论,提出自己的创新方法。本文首先提出了一种用于双目深度估计的孪生分支网络,其完全相同的孪生分支和3D卷积隐藏层的连接确保了卷积网络能够学习双目视差信息,而双目视差信息正是提高深度估计方法鲁棒性的关键,紧接着本文提出一种深度图像超分和细化网络对小分辨率的孪生分支网络输出的结果进行超分辨率重建,得到高分辨率高精度深度估计结果,并设计了实验与其他方法进行对比证明本文方法的有效性;然后,鉴于近几年深度相机在室内机器人视觉系统的流行,本文提出了一种基于全卷积网络的深度图像修复方法,用于修复带有大面积缺失的由深度相机拍摄的深度图像,并设计了实验与传统的方法进行了比较;接着本文提出了一种用于非移动式机器人的工件实例分割方法,并设计实验展示了几种经典机器学习算法做核心算法时工件分类的准确度,然后提出一种通用实例分割与深度估计相结合的多任务学习网络进行通用实例分割和深度估计,展示出多任务学习使各个子任务学到的信息更加鲁棒;最后,本文结合前文提出的各种深度估计、深度图像修复和实例分割等方法,完成了机器人视角下工作空间的实例语义重建。