结合局部增强与反向残差的点云语义分割网络

来源：激光与红外杂志2023年第7期北京时间：

作者：温智成

单位：东华理工大学信息工程学院,江西 南昌 330013；

摘要：激光点云是3D传感器的输出,且对它的语义分割任务是理解真实世界的基础。基于图卷积的点云分割网络在许多场景下都展现了优异的性能。然而,现有的图卷积方法存在部分问题:点云局部表示的能力未得到加强,忽略了全局几何信息,并且聚合操作只保留局部最大响应值信息,而次最大值信息丢失。为了处理这些问题,本文提出GRes Net网络。利用局部几何加强(Local Geometry Augment,LGA)模块,使网络对Z轴具有旋转不变性,以便加强点云局部信息表示；采用全局几何特征(Global Geometry Feature,GGF)模块,计算局部与全局的球体体积比,将其与坐标特征X进行连接,使全局几何信息特征得以保留；通过多个对称聚合操作将局部信息多方面地保留；网络中每层都使用残差操作,将上一层信息传递到下一层,以及利用反向残差模块(Reversed Residual MLP,RevResMLP)挖掘更深层次的语义信息。本文在S3DIS数据集上进行语义场景分割实验,验证网络分割的性能。实验结果表明该方法在分割精度上达到61,相比于基准网络DGCNN提高14,有效地提高了模型性能。

关键词：点云语义分割;动态图卷积;局部几何加强;全局几何特征;反向残差

基金资助：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)资助。