激光与红外

作者：文阳晖

单位：1.中北大学,计算机科学与技术学院,山西 太原 030051；2.山西省视觉信息处理及智能机器人工程研究中心,山西 太原 030051；3.机器视觉与虚拟现实山西省重点实验室,山西 太原 030051；

关键词：三维点云;语义分割;多尺度监督;深度学习;SCFNet

基金：国家自然科学基金项目(No.62272426；No.62106238)；山西省回国留学人员科研资助项目(No.2020-113)；山西省科技成果转化引导专项项目(No.202104021301055)资助。

针对复杂场景点云分割精度不高、神经网络隐藏单元缺乏直接监督,难以提取语义明确的点云特征等问题,提出了一种将多尺度监督和SCF Net相结合的点云语义分割网络。首先构建了一个类别信息生成模块,记录编码器中隐藏单元感受野内的类别,用于解码器中辅助分类器的监督学习。其次将解码阶段的点云类别预测任务分解成一系列点云感受野类别预测任务,通过对解码器中每一层添加辅助分类器,预测当前阶段点云感受野类别,编码阶段生成的类别信息作为标签监督网络学习。模型从粗到细地推理点云感受野类别,最终预测得到点云语义标签。实验结果表明,该方法能够有效提取点云关键信息,提高语义分割精度。

来源：2024年第2期

《激光与红外》期刊编辑部

查看激光与红外杂志2024年第2期