基于分层超点自注意力模型的自动驾驶3维语义分割研究

来源：激光技术杂志2026年第1期北京时间：

作者：杜荣华, 李宗, 张金来, 尹潜, 段腾, 李康成, 刘文正, 高凯

摘要：为了解决自动驾驶车辆语义分割时的物体边界划分模糊和全局语义混淆的问题，提出了一种基于分层超点自注意力模型的层级融合点云语义分割方法。其中边界轮廓增强模块通过多尺度卷积增强边界特征，双重注意力机制通过局部与全局建模超点特征的坐标差异和长依赖关系、层级融合机制融合邻近层超点细粒度特征和拓扑关系；在S3DIS、KITTI-360和DALES 3个大规模点云数据集进行了大量实验和可视化对比。结果表明，采用该方法在3个数据集上分别获得67.6%、61.7%和79.2%的高平均交并比，推理时间为1.8 s。该方法可显著提升点云分割精度并且具有良好的鲁棒性和推理效率，为车辆在多个驾驶场景下提供准确的语义信息，为后续高精地图定位等工作提供了重要的语义支撑。

关键词：激光技术, 点云分割, 自注意力, 自动驾驶感知