基于相位引导Transformer-CNN双路径融合的深度图预测方法和装置

本发明公开一种基于相位引导Transformer‑CNN双路径融合的深度图预测方法和装置，包括：获取待处理的条纹图像；通过傅里叶模型对所述条纹图像提取关于相位信息的频率特征，并利用Transformer模型获取长距离和全局频率特征；利用CNN模型从所述条纹图像中提取细节特征；对所述长距离和全局频率特征以及所述细节特征进行交叉融合，并进行多尺度特征增强得到所述条纹图像的深度图。PG‑FTCNet能有效预测复杂表面上的相位信息，同时显著提高深度图预测的精度。该方法以条纹投影轮廓术中的单张条纹图像为输入，同时实现相位展开和深度图预测，在提升结果可解释性的同时，保留了高效的端到端计算模式，为FPP的三维重建任务提供了一种可靠且实用的解决方案。