随着计算资源的飞速发展,深度学习的计算瓶颈逐步得到缓解,计算机视觉方向上的深度学习内容也日益增多。但在立体视觉的相关研究上,基于深度学习的研究并不算完善,而传统方法得到的结果稳定性能不好,结果情况的好坏受到算法优化方向,输入数据等众多因素影响。从实际应用的角度来说,现阶段的立体视觉大多同时需要得到场景的颜色信息,以及场景的深度信息,但人们得到深度信息往往需要特殊的设备,这类设备的普及程度有限,同时对于部分不需要深度信息的算法,往往需要一系列颜色图像来恢复立体视觉,而现实环境中人们不易于得到符合算法要求的一系列图像。本文中提出了一种基于单张彩色图像生成立体视觉的算法。该算法首先基于ResNet的构建了一个新的神经网络,通过在上采样过程中加入旁侧特征,并且在损失函数中同时采用图像颜色损失与排序损失相结合的方法,再加之对图像中的边缘部分加大权重,从而估计得到较为准确的图像的深度信息。然后以此为基础,通过预处理得到多视角的图像结果,而对于在多视角结果中容易出现的长条裂缝状残缺,本文利用一个基于对抗学习的深度神经网络填补图像中的残缺部分,在网络中通过跨层连接保留原图像中的非空缺信息,利用对抗学习对图像整体真实性的感知作用,生成具有真实感的完整图像,从而合成立体视觉。相比较于传统的图像修复方法稳定性不好,传统的立体视觉方法使用场景较为受限等问题,本文提出的算法在室内外场景上,修复图像的结果上更具有真实感,图像值的偏差也会更小。此外和最新的深度估计研究相比较,本文估计的深度信息前后关系更加正确,边缘准确度更好,使得最终合成的立体视觉效果更加真实。