本发明公开了一种基于对极几何的单目深度和位姿联合估计方法，属于三维视觉领域。本发明包括深度估计和位姿估计两个部分。深度估计模块是一个结合注意力机制的卷积网络模型；位姿估计过程使用稠密光流并筛选出精确的匹配点对，基于对极几何求解出位姿；然后将位姿用于监督深度估计网络的训练。本发明设计了3种采样掩膜剔除遮挡和动态物体的误匹配，筛选出更精确的匹配用于后续的位姿求解。注意力机制在深度估计网络中的使用提高了深度估计精度并优化了深度图中边界模糊的问题。本发明将深度网络和传统几何求解位姿方法进行结合，得到的单目深度和位姿联合估计模型具有较高的精度和泛化能力，在开源数据集中取得更先进的深度估计和位姿估计结果。