高低维双局部特征融合的点云分类分割网络

摘要：

点云的分类和分割是三维点云网络的基础步骤,是三维重建、目标识别和自动驾驶等研究的关键环节.针对现有三维点云网络进行分类和分割时无法充分利用点云局部信息而导致精度不高的问题,提出了一种高低维双局部特征融合的点云分类分割网络.本文网络利用图卷积提取点云基于位置信息的低维局部特征,并通过注意力机制提取点云基于语义信息的高维局部特征,同时使用多层感知机提取点云的全局特征,通过多个特征融合的方式来提高点云分类和分割的精度.实验结果表明:本文网络在点云分类任务中,总体精度达到93.4％,平均精度达到90.3％;在点云分割任务中,平均交并比达到86.2％;相较于现有的主流网络具有较好的分类和分割精度.同时对于稀疏点云输入的问题,本文网络具有较强的鲁棒性.

关键词：局部特征、点云分类分割、图卷积、注意力机制、鲁棒性

所属期刊栏目：52

分类号：TP391.41(计算技术、计算机技术)

资助基金：基于机器视觉的车底安全检测方法研究项目No.20ZX7123

在线出版日期：2022-11-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1557-1564