单目深度估计任务是指从描述一般场景的单目图像中估算深度信息,在无人驾驶、三维图像重建、机器人导航、增强现实等方面有着广泛的应用前景。但是该任务是一个典型的不适定性问题,因为一个被捕获的图像可能对应着诸多的真实场景。主流的深度估计算法主要可分为两大类:有监督深度估计方法和无监督深度估计方法。其中无监督深度估计方法由于其相较于前者避免了费力的注释和额外的校准,已成为目前的研究热点。本文针对无监督深度估计方法普遍存在的问题,诸如语义失真、边界不清、运动物体导致的投射扭曲等,通过融合不同的线索信息,进而改善无监督深度估计的性能。主要创新工作如下:（1）提出了基于语义分割的无监督深度估计模型。该模型针对现有无监督深度估计算法中普遍存在的运动物体、边界不清、语义失真等问题,对经典的无监督深度估计模型框架进行改进。该模型使用预训练的语义分割模型作为先验信息,引导生成深度特征,增强深度网络的语义信息,有效缓解了深度估计任务中的语义失真和边界不清的问题。同时,通过语义标签约束运动物体的运动信息,进而解决无监督单目任务中不可避免的运动物体导致的投射扭曲问题。（2）提出了基于空间上下文的无监督深度估计模型。该模型针对上述深度网络过于依赖预训练语义分割信息的问题,自适应地逐像素捕获全局上下文信息和局部上下文信息。具体来说,通过全局特征与局部特征之间的相似度,建立用于衡量全局上下文需求的注意力图。其反向值可以用来度量局部上下文需求。另一方面,通过对基于通道的特征图进行重新标定,有选择性地强调信息特征,再经过共现网络层对每一个像素点都依据其周围点的特征分别滤波,以此强化其边缘细节信息。通过在不同的网络层次中构建多个自适应上下文模块,以获得由粗到细的结果。为了评估所提网络的有效性,在常用的数据集上进行了大量的实验。实验结果表明上述模型均优于相关的主流方法。