场景深度估计是计算机视觉中重要课题之一。准确地从图像中获取场景的深度信息,对重建场景三维结构信息起着至关重要的作用,对物体检测、语义分割等计算机视觉任务具有极为重要的意义。由于单目深度估计本质上是一个病态问题,传统研究主要是基于结构光和双目等方式。随着研究者对深度学习的研究越来越深入,单目深度估计重新引起了研究者的注意。本文中提出遮挡线索引导和场景聚合的深层神经网络(DCNN)模型,能从单张彩色图像中预测出对应场景的深度图。模型主要设计了三个模块以及采用多约束损失函数,大大提高了单目深度估计的精度,同时能很好的在深度图中保留场景的结构信息。本文根据单目深度估计任务为逐像素回归问题的特性,采用了基于编码器解码器的网络架构。本文提出的网络模型由五部分组成:编码器、解码器、全局信息提取模块、遮挡线索学习器以及条形精修模块。编码器利用步幅大于1的卷积或者池化操作来提取多个尺度下的场景特征;解码器使用反卷积操作恢复特征分辨率并对场景深度布局进行预测。为了保存更加丰富的全局信息,从而对场景的全局深度布局进行表征,本文用空洞卷积和平均池化组成了全局信息提取模块,融合多个大感受野下和子区域的场景上下文信息。遮挡线索学习器通过将不同层次的特征进行融合,利用高语义特征对低语义特征的引导,逐步筛选和深度变化无关的细节信息。本文的条形精修模块由两个正交的条形卷积和残差模块组成,更好的融合全局深度布局和遮挡线索信息,并推理出场景中每个像素点的深度值。为了验证本文提出的模型有效性,本文在NYU Depth V2数据集上进行了定量和定性的对比实验和消融实验,以及在SUNRGB-D数据集上直接进行了深度图的预测证明模型的泛化性。同时,本文中实现了基于ROS的三维重建系统,并将本文提出模型预测的深度图替换掉Kinect采集的真实深度图作为系统输入,取得了可观的重建效果。