基于深度学习的三维点云语义分割及其在机器人中的应用.pdfVIP

摘要

三维点云是一种常见的空间几何结构表达方式，在计算机视觉、计算机图形学以及机

器人技术中有着广泛应用。近年来，得益于廉价的3D传感器的不断出现和发展，点云数

据的获取愈发便利，而目前学术界和工业界对自动驾驶、智能机器人的兴趣，也凸显了点

云处理及三维场景理解的重要性。基于点云的语义分割、场景理解，及其在机器人感知中

的后续应用，成为了当前的研究热点。本论文针对大场景点云的语义分割和点云语义在机

器人场景重识别和定位建图中的应用，进行了研究。主要工作和创新性研究成果如下：

1．基于聚类的快速三维点云语义分割。针对室外大场景激光点云，分布范围广、点云稀

疏、点云数据非结构化等特性，提出基于快速聚类及点云网络的两阶段点云语义分割

框架。克服了传统分割方法难以获取语义，点云网络难以直接应用于大场景点云等问

题，有效结合二者优势，降低了系统计算量，且直接在3D空间处理，提高了分割精度

和效率。在公开数据集上验证效果，与同时期先进方法相比具有一定优势。

2．基于语义图表达的点云场景重识别。针对现有基于点线及分布特征的方法难以实现鲁

棒的点云场景重识别，难以对场景视角变换及部分遮挡鲁棒的问题，提出基于语义图

表达的点云场景重识别方法。通过拓扑图表达，有效利用点云