摘要
一种基于空洞卷积和自注意力机制的三维重建方法、系统、设备及介质,方法:通过特征提取网络对输入多个视角的图像进行提取特征;通过可微单应性变换将提取到的特征图转换为代价体;通过代价体正则化将代价体转换为概率体;对概率体进行深度图初始估计,得到初始深度图;对初始深度图优化,得到优化深度图;对初始深度图和优化深度图进行损失计算;对深度图进行融合、通过坐标变换得到稠密点云,最后进行三维点云重建;系统、设备及介质用于实现该方法;本发明通过在特征提取部分引入空洞卷积、在代价体正则化过程中引入自适应通道注意力机制,能够针对不同数据集进行调整,在保证准确性和效率的同时,大幅减少计算资源和时间的消耗。
技术关键词
深度图
三维重建方法
特征提取网络
二维卷积神经网络
三维重建模型
空洞
稠密点云
Softmax函数
视角
图像
深度值
像素点
三维重建设备
三维点云重建
残差网络
三维重建系统
通道注意力机制
系统为您推荐了相关专利信息
智能抓取
机械臂
特征提取网络
深度学习模型
注意力
车道线检测方法
融合特征
检测头
车道线置信度
层级
融合特征
可见光图像
多视角
多模态
图像分割模型
共享存储空间
机器人控制系统
执行运动控制
标志位
存储器
视频修复方法
图像生成网络
特征提取网络
噪声图像
计算机存储介质