本发明公开了一种基于自监督深度学习的单目视觉惯导定位方法。本发明采集每个场景的数据并进行处理后，分别获得图像预处理数据和归一化后的原始惯导传感器数据以及对应的惯导传感器预积分数据；再根据时间戳进行数据对齐，并构成训练集；将训练集输入网络中进行训练，获得训练好的网络；采集目标场景的数据，处理后获得目标场景的数据并输入网络中，输出预测的6自由度的相对位姿，基于目标场景的惯导传感器预处理数据利用最小二乘法对预测的6自由度的相对位姿进行绝对尺度处理后，获得相机的6自由度的绝对位姿。本发明提升了位姿估计和深度估计的精度，不需要对视觉和惯导传感器进行严格的时空标定和初始化，具有很强的鲁棒性。