本发明公开了一种基于自监督深度学习的室内单目深度估计方法，用于从单幅图像预测室内场景的深度，涉及计算机视觉领域。本发明引入自监督光流估计网络，为深度估计提供有效的监督信息。首先，将光流估计网络的原始光度损失优化为基于局部像素块的光度损失，采用公开的室内场景数据集对光流估计网络进行微调，并固定微调后的光流网络参数；然后，利用光流网络预测的光流，设计光流一致性损失，并基于光流网络生成的特征金字塔，设计多尺度特征图合成损失，监督深度估计网络的训练；最后，基于训练好的深度估计模型，对单张图像进行深度预测。本发明通过设计有效的损失函数项，提升室内低纹理区域的深度估计精度。