激光与红外

作者：王俊甫

单位：1.郑州恒达智控科技股份有限公司,河南 郑州 450000；2.河南理工大学 电气工程与自动化学院,河南 焦作 454003；3.河南理工大学 河南省煤矿装备智能检测与控制重点实验室,河南 焦作 454003；

关键词：三维点云;深度学习;语义分割;特征编码;跨层注意力

基金：河南省科技攻关项目(No.232102210040)资助。

针对现有点云语义分割网络特征利用不充分,编码器和解码器特征语义信息差距过大的问题,提出了基于跨层注意力特征融合的点云语义分割网络。首先,在局部特征编码模块中通过极坐标编码和偏移更新实现对邻域点坐标的重定义,并计算相对语义特征差异以提升邻域特征的丰富度,使网络可以学习到不同形状和尺寸物体的局部细节。然后,提出一种自适应特征聚合模块,加强网络的局部区域特征感知能力,充分利用邻域特征信息。最后,引入了一种跨层注意力特征融合网络,来降低编码层和解码层特征之间的语义差异。在大尺度室内场景点云数据集S3DIS和室外复杂场景点云数据集Semantic 3D上进行实验验证,在S3DIS数据集上Area5区域的平均交并比为652,平均准确率为751,相较于RandLA Net有着28和37的提升,在Semantic 3D数据集上的平均交并比为767,总体准确率为946,相比于RandLA Net分别提升了49和04。实验结果证明,该方法在面对复杂场景点云时,能够提取具有辨识度的特征,对场景中的不同类别点云实现准确分割。

来源：2025年第5期

《激光与红外》期刊编辑部

查看激光与红外杂志2025年第5期