本发明公开了一种基于不确定性的无监督单目深度估计方法，首先提出一种基于不确定性的无监督深度估计网络，用于改进单目深度估计中预测深度精度低的问题，这种不确定性学习的方法，解决目前用于单目深度估计的卷积神经网络表达能力强，本发明通过建模不确定性，预测估计深度的置信度，同时提升模型预测精度，量化输出结果的不确定性，其次，利用Retinex光照理论构造亮度损失函数，解决由于场景中动态物体的干扰问题。本发明的方法是用无监督方式训练深度学习网络的，避免了深度标签的限制，本发明的损失函数由三部分组成，亮度损失，平滑度损失和不确定性损失，不仅可以估计深度，而且可以通过预测方差获得估计深度的置信度。