摘要：本发明公开了一种基于法向量和高斯权重约束的深度图像补全方法及系统，输入深度图像对应的彩色图像，通过结构预测网络将深度图像划分为平滑区域和结构区域；对平滑区域使用法向量预测网络输出法向量特征并构建法向量约束项；对结构区域使用高斯核在对应彩色图像中提取高斯结构权重，构成高斯约束项；结合法向量约束项和高斯约束项构建全局优化目标方程并加入缺失深度图像，构建数据约束项作为全局优化目标方程的输入数据；迭代执行全局优化目标方程，直到低于设定的提升率或达到最大迭代次数，输出深度图像补全结果。本发明不仅能够对内容严重缺失的深度图像进行数据补全，并且能够保证补全结果中结构的准确度和深度值的平滑度。

摘要：本发明公开了一种稀疏图像深度补全方法、系统及设备，首先通过摄像头获取待处理图像的RGB图像数据，通过激光雷达获取待处理图像的稀疏深度数据depth；RGB图像数据通过语义分割网络生成待处理图像的语义图像数据semantic；然后将RGB图像数据、语义图像数据semantic和稀疏深度数据depth输入稀疏图像深度补全网络中，获得最终的深度补全结果；本发明的稀疏图像深度补全网络，包括RGB图像特征提取模块、语义图像特征提取模块、稀疏深度特征提取模块、MAFF特征融合模块和加权融合模块；实验表明这种稀疏图像深度补全网络具有更高的精度。

摘要：本发明公开了一种稀疏图像深度补全方法、系统及设备，首先通过摄像头获取待处理图像的RGB图像数据，通过激光雷达获取待处理图像的稀疏深度数据depth；RGB图像数据通过语义分割网络生成待处理图像的语义图像数据semantic；然后将RGB图像数据、语义图像数据semantic和稀疏深度数据depth输入稀疏图像深度补全网络中，获得最终的深度补全结果；本发明的稀疏图像深度补全网络，包括RGB图像特征提取模块、语义图像特征提取模块、稀疏深度特征提取模块、MAFF特征融合模块和加权融合模块；实验表明这种稀疏图像深度补全网络具有更高的精度。

摘要：本发明公开了一种弱对齐RGB‑D图像引导的深度图补全方法及系统，对弱对齐RGB‑D图像进行不一致像素点检测，使用神经网络技术将弱对齐RGB‑D图像划分为平坦区域和深度结构区域，选取表面法线特征约束平坦区域的深度值平滑度；选取高斯权重特征约束深度结构区域结构信息的准确度，采用核函数调整高斯权重大小；结合马尔科夫随机场优化模型，定义深度补全为全局优化模型，使用数据约束项、法线约束项和高斯权重约束项构建全局优化模型的成本函数，通过迭代求解输出高质量的补全深度图。本发明不仅能够在弱对齐RGB‑D图像的引导下对数据严重缺失的原始深度图进行补全，并能够保证补全深度图的结构准确度和平滑度。

摘要：本发明提供一种基于注意力引导门控网络的深度图像补全方法及系统。方法包括：获取RGB色彩图，获取与RGB色彩图对应的原始深度图；将所述RGB色彩图与原始深度图输入第一深度图补全网络，获取第一深度图补全网络的输出作为粗略填充的深度图像；将所述原始RGB色彩图输入标准四卷积层提取各层色彩特征；将所述粗略填充的深度图像输入第二深度补全网络，获得第二深度补全网络的输出作为补全深度图像。本发明利用RGB色彩图基于一种注意力引导门控网络对缺失的深度图进行补全，从而获得更完整、更准确的深度图像。

摘要：本申请公开了一种深度图像补全方法及系统，运用于图像处理技术领域，其方法包括：获取RGB图像，对所述RGB图像进行特征提取，得到粗粒度特征图；将所述粗粒度特征图进行特征融合，得到细粒度特征图；基于所述细粒度特征图和网络模型，生成深度补全图像；利用RGB图像在深度图补全中具有重要作用，通过提供丰富的纹理和边缘信息，从而显著提升深度图的细节、准确性和。