结合局部增强与反向残差的点云语义分割网络

摘要：

激光点云是 3D传感器的输出,且对它的语义分割任务是理解真实世界的基础.基于图卷积的点云分割网络在许多场景下都展现了优异的性能.然而,现有的图卷积方法存在部分问题:点云局部表示的能力未得到加强,忽略了全局几何信息,并且聚合操作只保留局部最大响应值信息,而次最大值信息丢失.为了处理这些问题,本文提出GRes-Net网络.利用局部几何加强(Local Geometry Augment,LGA)模块,使网络对Z轴具有旋转不变性,以便加强点云局部信息表示;采用全局几何特征(Global Geometry Feature,GGF)模块,计算局部与全局的球体体积比,将其与坐标特征X进行连接,使全局几何信息特征得以保留;通过多个对称聚合操作将局部信息多方面地保留;网络中每层都使用残差操作,将上一层信息传递到下一层,以及利用反向残差模块(Reversed Residual MLP,RevResMLP)挖掘更深层次的语义信息.本文在S3 DIS数据集上进行语义场景分割实验,验证网络分割的性能.实验结果表明该方法在分割精度上达到61%,相比于基准网络DGCNN提高 14%,有效地提高了模型性能.

关键词：点云语义分割、动态图卷积、局部几何加强、全局几何特征、反向残差

所属期刊栏目：53

分类号：TP391;TN249(计算技术、计算机技术)

资助基金：江西省核地学数据科学与系统工程技术研究中心基金;江西省放射性地学大数据技术工程实验室开放基金项目

在线出版日期：2023-08-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1131-1136