本发明公开了一种基于深度卷积神经网络的超声波测距补偿方法，该方法包括：测量多组不同距离数据、温度、湿度、气压以及粉尘浓度数据情况下的超声波传感器与目标物体间的真实距离，构建距离数据库；构建并训练深度卷积神经网络模型；针对待测距的目标物体，由超声波传感器测量距离数据，并测量温度、湿度、气压、粉尘浓度数据，将这些测量数据输入至训练好的神经网络模型，输出对超声波传感器测量的距离数据补偿后的距离数据。本发明综合考虑温度、湿度、气压、粉尘浓度多种环境因素对超声波测距的影响来构建深度卷积神经网络模型，可以有效避免由于超声波测距时复杂环境因素引入的测量误差，具有较好的抗干扰能力，能够获得更精确的距离测量值。