激光与红外

作者：程小龙

单位：1.江西理工大学 土木与测绘工程学院,江西 赣州 341000；2.江西理工大学 河流源头水生态保护江西省重点实验室,江西 赣州 341000；

关键词：深度学习;点云;语义分割;3DUNet;残差机制

基金：国家自然科学基金青年科学基金项目(No.42004158)；国家自然科学基金地区科学基金项目(No.42461051)；江西省自然科学基金青年项目(No.20224BAB212025)；江西省教育厅科学技术项目(No.GJJ2200803)资助。

近年来,基于点体素的方法在点云处理领域得到了广泛研究,这类方法试图结合点云与体素各自的优势以提升性能。然而,基于体素提取特征时往往面临信息损失和分辨率受限等问题,且体素尺寸的选择会限制特征表达的精细程度。为解决这些问题,本文设计了一种名为PVResUNet的多尺度点云语义分割网络。PVResUNet基于体素创新性地拓展了ResUNet架构的子分支。该分支通过编解码器架构与残差连接,有效地融合了不同层次的体素特征,提升了细粒度特征的表达能力。在S3DIS数据集上的实验结果表明,与原始网络相比,PVResUNet的MIoU提高了116,这充分验证了PVResUNet在点云语义分割任务中的有效性与先进性,为点处理领域提供了一种更具竞争力的网络架构选择。

来源：2025年第10期

《激光与红外》期刊编辑部

查看激光与红外杂志2025年第10期