聚合全局-局部特征的真实点云语义分割.pdfVIP

2602025，61（8）ComputerEngineeringandApplications计算机工程与应用

聚合全局-局部特征的真实点云语义分割

1，21，2+1，21，21，21，2

田媛，赵明富，宋涛，熊海龙，叶定兴，王敏

1.光纤传感与光电检测重庆市重点实验室，重庆400054

2.重庆理工大学电气与电子工程学院，重庆400054

+通信作者E-mail：zmf@cqut.edu.cn

摘要：从真实点云场景中学习有效特征进行点云分割仍是具有挑战性的难题。为加强点云局部细粒度特征的提

取能力并兼顾全局上下文信息，提出聚合全局-局部特征的真实点云语义分割网络。基于Pointnet++网络分层提取

特征的思想，引入密度自适应局部邻域特征提取层学习点云局部细粒度特征，自动调节点云分组尺度，增强网络对

于疏密不均点云的特征学习适应性。在编码器和解码器中加入空间注意力模块，通过自注意力机制学习全局点间

的相关性并通过残差连接缓解梯度消失问题。此外，采用了改进的空间编码，显式地表达空间结构，优化网络参

数。在公开数据集S3DIS和Semantic3D上进行实验，其中在S3DIS测试的平均交并比（mIoU）和总体准确率（OA）分

别比基准PointNet++提高了16.9个百分点和7.4个百分点。

关键词：点云处理；语义分割；自注意力；密度自适应；局部特征编码

文献标志码：A中图分类号：TP391doi：10.3778/j.issn.1002-8331.2401-0348

Global-LocalFeatureAggregationforRealPointCloudSemanticSegmentation

TIANYuan1，2,ZHAOMingfu1，2+,SONGTao1，2,XIONGHailong1，2,YEDingxing1，2,WANGMin1，2

1.OpticalFiberSensingandPhotoelectricDetectionChongqingKeyLaboratory,Chongqing400054,China

2.CollegeofElectricalandElectronicEngineering,ChongqingUniversityofTechnology,Chongqing400054,China

Abstract：Learningeffectivefeaturesfromrealpointcloudscenesisstillachallengingproblemforpointcloudsegmenta-

tionwork.Arealpointcloudsemanticsegmentationnetworkbasedonglobal-localfeatureaggregationispresented

toimprovethecapabilitytoidentifylocalfine-grainedstructuresofpointcloudsandconsiderglobalcontextinformation.

Tolearnthelocalfine-grainedstructuresofpointclouds,automaticallymodifythepointcloudgroupingscale,andimprove

thenetwork’sfeaturelearningadaptabilitytounevenlydensepointclouds,adensity-adaptivelocalneighborhoodfeature

extractionlayerisfirstlypresented,whichisbasedontheideaofhierarchicalfeatureextractioninPointnet++.Secondly,

aspatialattentionmoduleisaddedtotheencoderanddecoder,whichusesthe