基于深度学习的单视角深度估计方法近年来取得了极具前景的成果。然而，这类方法忽略了人类视觉系统中决定深度的最重要特征之一——运动信息。为此，我们提出了一种基于学习的多视角稠密深度图与视觉里程计联合估计方法，该方法采用循环神经网络（Recurrent Neural Networks, RNN）架构，并利用多视角图像重投影误差以及前后向光流一致性损失进行训练。所提模型可在监督学习甚至无监督学习模式下进行训练，专为处理具有时间相关性的视频输入序列设计，以实现深度与视觉里程计的联合估计。同时，该方法也具备良好的泛化能力，适用于单视角深度估计任务。在KITTI自动驾驶数据集上的实验表明，我们的方法在单视角与多视角深度估计任务中均显著优于当前最先进的学习型方法。