一种基于几何感知与通道注意力机制的深度补全方法

本发明公开了一种基于几何感知与通道注意力机制的深度补全方法，涉及计算机视觉与深度学习技术领域。包括：利用非线性传播模型生成初始稠密深度图；采用PointNet++提取全局3D几何特征；使用U‑Net对初始密集深度图和图像特征进行初步融合；并通过基于通道注意力机制的多模态融合模块对全局3D几何特征和初步融合特征进行加权融合，生成优化后的融合特征；利用该融合特征进行残差学习修正初始稠密深度图；采用CSPN++结合稀疏深度图中的原始稀疏真值，对补全结果进行优化。本发明通过对GAC‑Net结构进行整体的优化，提高了场景几何感知能力，充分利用3D全局特征，提升对复杂环境的适应性。