1.一种单目图像深度估计方法，其特征在于，包括：

基于深度估计神经网络，根据单目图像中各预设区域的绝对特征和各预设区域之间的相对特征，获取所述单目图像的全局特征；

根据所述全局特征、所述单目图像中各预设区域的绝对特征和各预设区域之间的相对特征，获得所述单目图像的预测深度图。

2.根据权利要求1所述的方法，其特征在于，在所述根据单目图像中各预设区域的绝对特征和各预设区域之间的相对特征，获取所述单目图像的全局特征之前，还包括：将所述单目图像经第一神经网络进行特征提取，获取所述单目图像中各预设区域的特征，并将所述各预设区域的特征作为所述单目图像中各预设区域的绝对特征；

根据所述单目图像中各预设区域的绝对特征，获取所述单目图像中各预设区域之间的相对特征。

3.根据权利要求2所述的方法，其特征在于，所述根据所述单目图像中各预设区域的绝对特征，获取所述单目图像中各预设区域之间的相对特征，包括：对所述单目图像中各预设区域的绝对特征经关联度层进行矢量运算，获得所述单目图像中各预设区域之间的相对特征。

4.根据权利要求1至3中任意一项所述的方法，其特征在于，所述根据所述全局特征、所述单目图像中各预设区域的绝对特征和各预设区域之间的相对特征，获得所述单目图像的预测深度图之后，还包括：根据所述单目图像深度信息的纵向变化规律对所述预测深度图进行优化，获得所述单目图像的目标深度图。

5.根据权利要求4所述的方法，其特征在于，所述根据所述单目图像深度信息的纵向变化规律对所述预测深度图进行优化，获得所述单目图像的目标深度图之前，还包括：根据所述预测深度图获取所述单目图像深度信息的纵向变化规律。

6.一种单目图像深度估计装置，其特征在于，包括：

深度估计神经网络，用于根据单目图像中各预设区域的绝对特征和各预设区域之间的相对特征，获取所述单目图像的全局特征；以及根据所述全局特征、所述单目图像中各预设区域的绝对特征和各预设区域之间的相对特征，获得所述单目图像的预测深度图。

7.一种电子设备，其特征在于，包括权利要求6所述的装置。

8.一种电子设备，其特征在于，包括：

存储器，用于存储可执行指令；以及

处理器，用于执行所述可执行指令从而完成权利要求1至5中任意一项所述的方法。

9.一种计算机程序，包括计算机可读代码，其特征在于，当所述计算机可读代码在设备上运行时，所述设备中的处理器执行用于实现权利要求1至5中任意一项所述方法的指令。

10.一种计算机存储介质，用于存储计算机可读取的指令，其特征在于，所述指令被执行时实现权利要求1至5中任意一项所述的方法。