基于区块特征融合的点云语义分割方法

摘要：

为降低室外大规模点云场景中多类三维目标语义分割的计算复杂度,提出一种融合区块特征的语义分割方法.采用方形网格分割方法对三维点云进行区块划分、采样以及组合,求取简化的点云组合区块集,将其输入至区块特征提取和融合网络中从而获得每个区块的特征修正向量.设计点云区块全局特征修正网络,以残差的方式融合特征修正向量与原始点云全局特征,修正因分割造成的错误特征.在此基础上,将方形网格分割尺寸作为神经网络的参数引入反向传播过程中进行优化,从而建立高效的点云语义分割网络.实验结果表明,反向传播算法可以优化分割尺寸至最佳值附近,所提网络中的全局特征修正方法能够提高语义分割精度,该方法在Semantic3D数据集上的语义分割精度达到78.7％,较RandLA-Net方法提升1.3％,且在保证分割精度的前提下其点云预处理计算复杂度和网络计算时间明显降低,在处理点数为10万～100万的大规模点云时,点云语义分割速度较SPG、KPConv等方法提升2～4倍.

关键词：点云语义分割、区块特征融合、点云特征提取、深度学习、点云预处理

所属期刊栏目：48

分类号：TP393(计算技术、计算机技术)

资助基金：国家重点研发计划2018YFB1601200

在线出版日期：2022-09-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：37-44,54