用于点云语义分割的局部特征增强网络

来源：计算机技术与发展杂志2025年第03期北京时间：

作者：柴玉晶;梁坤豪;杨历省;宫卫光

摘要：相比二维图像数据,三维点云数据普遍具有无序性、稀疏性和密度不均匀性,同时点与点之间的相关性以及结构信息的获取也是很大的挑战。 正是由于点云的这些特性,对于特征信息不显著的物体的语义分割,一直是点云处理领域的一大难题。 为此,提出了一种用于点云语义分割的局部特征增强网络,该算法设计了一种局部特征聚合模块用于增强特征信息。 该模块将点云的相对点位置与其对应点特征串联在一起,从而获得增强的特征向量,实现了特征信息的增强。通过该模块使网络能够有效地学习复杂的局部结构信息,增强对局部几何信息的处理能力。 此外,该算法在提取特征时采用反密度函数对稀疏区域的点赋予较大的权重,对稠密区域的点赋予较小的权重,从而有效消除了点云的密度不均匀性造成的影响。 实验结果表明,该算法在斯坦福大规模三维室内空间数据集的平均交并比达到了 67. 4% ,整体准确率达到了 88. 4% ,相比 DGCNN 分别提升了 11. 3% 和 4. 3% ,对特征信息不显著的目标物的分割效果提升显著。

关键词：图像处理;点云语义分割;局部特征增强;反密度函数;深度学习;特征向量