用于点云语义分割的局部特征增强网络.pdfVIP

第35卷摇第3期计算机技术与发展Vol.35摇No.3

2025年3月摇摇摇摇摇摇摇摇摇摇COMPUTERTECHNOLOGYANDDEVELOPMENT摇摇摇摇摇摇摇摇摇摇Mar.摇2025

用于点云语义分割的局部特征增强网络

柴玉晶,梁坤豪,杨历省,宫卫光

(枣庄学院光电工程学院,山东枣庄277160)

摘摇要:相比二维图像数据,三维点云数据普遍具有无序性、稀疏性和密度不均匀性,同时点与点之间的相关性以及结构

信息的获取也是很大的挑战。正是由于点云的这些特性,对于特征信息不显著的物体的语义分割,一直是点云处理领域

的一大难题。为此,提出了一种用于点云语义分割的局部特征增强网络,该算法设计了一种局部特征聚合模块用于增强

特征信息。该模块将点云的相对点位置与其对应点特征串联在一起,从而获得增强的特征向量,实现了特征信息的增强。

通过该模块使网络能够有效地学习复杂的局部结构信息,增强对局部几何信息的处理能力。此外,该算法在提取特征时

采用反密度函数对稀疏区域的点赋予较大的权重,对稠密区域的点赋予较小的权重,从而有效消除了点云的密度不均匀

性造成的影响。实验结果表明,该算法在斯坦福大规模三维室内空间数据集的平均交并比达到了67.4%,整体准确率达

到了88.4%,相比DGCNN分别提升了11.3%和4.3%,对特征信息不显著的目标物的分割效果提升显著。

关键词:图像处理;点云语义分割;局部特征增强;反密度函数;深度学习;特征向量

中图分类号:TP391摇摇摇摇摇摇摇文献标识码:A摇摇摇摇摇摇文章编号:1673-629X(2025)03-0049-07

doi:10.20165/ki.ISSN1673-629X.2024.0340

LocalFeatureEnhancementNetworkforPointCloudSemantic

Segmentation

CHAIYu-jing,LIANGKun-hao,YANGLi-sheng,GONGWei-guang

(SchoolofPhotovoltaicEngineering,ZaozhuangCollege,Zaozhuang277160,China)

Abstract:Comparedtotwo-dimensionalimagedata,3Dpointclouddatagenerallyhasdisorder,sparsity,andunevendensity.Atthe

sametime,thecorrelationbetweenpointsandtheacquisitionofstructuralinformationarealsogreatchallenges.Itispreciselybecauseof

thesecharacteristicsofpointcloudsthatsemanticsegmentationofobjectswithinsignificantfeatureinformationhasalwaysbeenamajor

challengeinthefieldofpointcloudprocessing.Tothisend,alocalfeatureenhancementnetworkforpointcloudsemanticsegmentation

isproposed.Thealgorithmdesignsalocalfeatureaggregationmoduletoenhancefeatureinformation.Thismoduleconcatenates