《点云分割方法研究的国内外文献综述》4700字.docxVIP

点云分割方法研究的国内外文献综述

点云分割方法的研究内容

一、语义分割（SemanticSegmentation）

语义分割主要包括基于点的方法和基于投影的方法。

在基于点的语义分割方法中，由于点的非结构化特征，不能直接套用处理二维图像时的卷积神经网络计算方法，因此PointNet[4]开创性地提出了使用共享多层感知机（Shared-MLP）的逐点特征，以及使用对称池化函数提取全局特征，以规避点的无序性。由于此开创性的工作在实践中取得了较好的效果，其在S3DIS[5]数据集上平均交并比达到了42.97%，在ShapeNet[6]数据集上平均交并比达到了83.7%，在KITTI[7]语义数据集上汽车（Car）分类简单（Easy）级别达到了83.26%。此后众多工作均基于此技术路线，即“逐点共享感知机提取单点特征-对称池化函数提取全局特征”的“基于点的神经网络”模型。但共享多层感知机提取到的点的特征是彼此孤立的，提取特征时并未考虑局部点云的总体关系，而点云局部点子集的每个点之间的相对位置也可以表示一定信息。为了利用此种局部信息，后续的工作中引入了一些专用网络，如包括基于邻近特征池化、基于注意力机制和基于全局-局部特征连接的方法。

为了获取局部几何模型，通过对局部邻近点的信息进行聚合来获得每个点的特征，代表工作如下：

1.PointNet++[8]是在PointNet[4]基础之上