激光与红外

作者：敖建锋

单位：江西理工大学土木与测绘工程学院,江西 赣州 341000；

关键词：室内语义分割;逐点卷积;边缘卷积;CSegNet

基金：国家自然科学基金青年科学项目(No.42004158)；江西理工大学大学生创新训练项目(No.DC2021070)资助。

人工智能的发展程度取决于机器对环境的感知能力,即机器对场景理解的能力,这就离不开其中的核心技术—三维点云语义分割,虽然基于深度学习的三维点云语义分割网络层出不穷,但都存在局部特征利用不充分的问题,导致分割效果不佳。本文针对这个问题,受PointNet++和TSegNet的启发,设计了具有双层结构的CSegNet模型。首先,编码部分使用逐点卷积来取代PointNet层捕捉点云的局部特征；其次,解码部分使用PointDeconv层恢复原始点云结构；最后加入边缘卷积来更有效的提取局部特征,并解决边界不平滑问题。在S3DIS数据集上验证表明,CSegNet能更好的利用局部特征来进行分割,最终得到oAcc为887,mIoU为737的分割准确性。

来源：2023年第2期

《激光与红外》期刊编辑部

查看激光与红外杂志2023年第2期