基于自注意力机制的自动驾驶场景点云分割研究.pdf

哈尔滨工业大学硕士学位论文

摘要

环境感知是自动驾驶技术中关键的一环，对自动驾驶场景激光雷达点云进

行语义分割是自动驾驶环境感知环节的基础性工作。自动驾驶场景点云数据集

具有稀疏性、部分遮挡缺失的问题，这给点云分割任务带来了挑战。现有方法

处理大规模自动驾驶场景点云时存在局部特征提取能力不足和难以捕捉全局上

下文信息的问题；同时如何利用自动驾驶场景点云序列化的特点，提取序列点

云连续帧的信息以提高点云分割精度，也是需要研究的问题。因此，论文以提

高点云分割网络局部和全局特征提取能力为目标，设计基于自注意力机制的点

云语义分割网络；同时结合自动驾驶场景点云序列化的特点，在点云语义分割

网络的基础上加入距离图像分支，以提取序列点云连续帧的特征；搭建数据采

集平台采集现实场景点云数据集，并在点云分割网络上进行测试，验证本文点

云分割网络的有效性。

论文首先基于自注意力机制的原理设计局部自注意力编码器和全局自注意

力编码器，分别用于提取局部信息和全局上下文信息；基于自注意力编码器设

计特征聚合模块；以特征聚合模块为基本单元搭建基于自注意力机制的点云语

义分割网络，并在公开数据集上进行测试，验证网络的有效性。

为利用自动驾驶场景点云序列化信息，将点云通过球面投影转化为距离图

像，通过多帧点云的距离图像生成残差图像；设计距离图像编码器模块，提取

运动特征；在基于点的语义分割网络基础上加入距离图像分支，搭建基于距离

图像-点云的运动目标分割网络，在数据集上测试结果表明，该网络分割精度

相较于基线网络有了较大提升，验证了网络的有效性。

为验证论文点云分割网络的泛化性，搭建自动驾驶场景数据采集平台，采

集制作现实场景点云数据集，在自采数据集上将论文设计的点云语义分割网络

和运动目标分割网络与现有网络进行对比，对比可视化预测结果发现，论文网

络在数据集上分割效果好于基线网络，相比于基线网络提升了分割泛化性。

关键词：自动驾驶；激光雷达点云；语义分割；自注意力机制；运动目标分割

-I-

哈尔滨工业大学硕士学位论文

Abstract

Environmentalperceptionisacrucialpartofautonomousdriving

technology,andsemanticsegmentationoflidarpointcloudsinautonomous

drivingscenariosisafundamentalworkintheenvironmentalperception

processofautonomousdriving.Theproblemofsparsityandpartialocclusion

lossinpointclouddatasetsofautonomousdrivingscenariosposeschallenges

topointcloudsegmentationtasks.Theexistingmethodsdealwiththeproblems

ofinsufficientlocalfeatureextractionabilityanddifficultyincapturingglobal

contextualinformationinlarge-scaleautonomousdrivingscenepointclouds;

Atthesametime,howtoutilizetheserializationcharacteristicsofpointclouds

inautonomousdrivingscenestoextracti