增强点云局部显著性特征的细粒度语义分割网

摘要：

点云细粒度语义分割,即物体部件分割,在机械臂控制、智能化装配、物体检测等工业生产中有着重要的应用价值.然而由于点云数据形式散乱,导致物体部件边界处几何特征不明显且计算困难,从而致使细粒度分割精度较低,难以满足生产需求.针对点云的部件级分割,本文提出了增强点云局部显著性特征的细粒度语义分割网,网络中构建了局部数据上下文信息,提高细粒度分割精度.本网络建立了利用几何曲率改进的的最远点采样算法,增强点云局部数据子集特征计算能力;创建多尺度高维特征提取器,提取不同尺度的高维特征;在点云特征计算过程中使用seq2seq的方式,引入注意力机制,融合不同尺度的高维特征,进而获取细粒度语义分割的上下文信息.最终使得细粒度分割精度得到了有效提高,尤其是对边界处的分割效果提升显著.实验结果表明,本网络在ShapeNet Part数据集上的总体交并比达到了85.2％,准确率达到95.6％,且具有一定泛化能力.该方法对三维物体的细粒度语义分割具有重要的意义.

关键词：点云、细粒度分割、多尺度高维特征、注意力机制、几何特征

所属期刊栏目：31

分类号：TP394.1;TH691.9(计算技术、计算机技术)

资助基金：国家自然科学基金;河北省技术创新引导计划资助项目;河北省高等学校科学技术研究资助项目

在线出版日期：2023-02-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：288-299