激光与红外

作者：王蕾

单位：1.东华理工大学 信息工程学院,江西 南昌 330013；2.江西省放射性地学大数据技术工程实验室,东华理工大学,江西 南昌 330013；3.东华理工大学测绘工程学院,江西 南昌 330013；

关键词：大场景激光点云;语义分割;随机降采样;平均池化单元;注意力门控单元;多尺度特征融合

基金：江西省核地学数据科学与系统工程技术研究中心基金项目(No.JELRGBDT202202)；江西省放射性地学大数据技术工程实验室开放基金项目(No.JELRGBDT202103)；江西省自然科学基金项目(No.20202BABL212014)；东华理工大学江西省数字国土重点实验室开放研究基金项目(No.DLLJ202004)；国家自然科学基金项目(No.42001411)资助。

室外大场景激光点云语义分割已成为3D场景理解、环境感知的关键性技术,在自动驾驶、智能机器人和增强现实(AR)等领域应用广泛。然而大场景的激光点云具有多目标、几何结构复杂,不同地物尺度变化大等特点,使得在稀疏的小目标点云(例如行人、摩托车等)上的分割性能较低。针对上述问题,本文提出一种融合注意力门控机制的室外点云语义分割算法,设计由注意力机制和多尺度上下文特征融合组成的注意力门控单元,提高对激光点云细粒度特征的表达,降低随机降采样过程中点云几何结构特征丢失程度,从而增强了网络对弱小目标的特征获取能力；同时设计基于共享MLP的平均池化单元,进一步简化自注意力局部特征聚合模块,有效地加速网络收敛,能高效地实现大场景点云的语义分割。本文方法在自动驾驶场景室外激光点云数据集SemanticKITTI上的实验表明,与文献RandLA Net相比,收敛速度提升483,平均交并比(mIoU)由539提升至545,提高06,尤其是在小目标上交并比(IoU)均有明显提高,person类和motorcycle类的交并比分别提高08和54。

来源：2023年第11期

《激光与红外》期刊编辑部

查看激光与红外杂志2023年第11期