联合多尺度扩展融合与动态残差的街景点云语义分割
来源：计算机工程与应用杂志2026年第15期北京时间：
作者：张蕊, 包丰璞, 黄官龙, 郭欣
单位：华北水利水电大学 信息工程学院，郑州 450046；
摘要：随着LiDAR点云在智慧城市规划、导航与自动驾驶、同步定位与高精度制图等领域的广泛应用，点云特征提取作为场景感知与解译的基础而备受关注。针对基于LiDAR点云的大型街景语义分割存在局部特征提取不足、全局特征与局部特征难以平衡等问题，构建了一种面向自动驾驶的街景LiDAR点云语义分割架构Mul-ParSeg。该模型设计了多尺度扩展融合模块MSDFusion，每个扩展率对应一个感受野，通过使用不同扩展率的卷积层，将通道数按扩展率个数进行划分，再将各个卷积层以并行方式连接，以解决卷积层单一感受野导致的局部特征提取不足问题。提出了动态残差连接方法AeightRC，该方法通过对输入特征使用卷积操作进行学习，生成新的张量并将其映射到（0，1）空间得到动态权重，通过该权重平衡低维特征与高维特征的贡献程度，以解决全局特征与局部特征难以平衡的问题。实验结果表明，与现有七个模型相比，Mul-ParSeg架构在SemanticKITTI数据集和Semantic3D数据集上的语义分割效果显著提升，mIoU分别达到52.0%和73.0%，mAcc分别达到96.6%和94.9%。相比于基模型SqueezeSegV3，mIoU分别提高了3.4和1.5个百分点，mAcc分别提高了5.9和0.7个百分点。
关键词：LiDAR点云,语义分割,自动驾驶,多尺度扩展融合,动态残差
基金资助：国家自然科学基金项目面上项目（42371466）；2025年度河南省重点研发专项（251111211700）；河南省2024年度留学人员科研择优资助项目（豫人社办［2024］4号）。
