基于编码特征学习的3D点云语义分割网络

作者：佟**^*; 刘永旭; 彭浩; 邵瑜渊

来源：模式识别与人工智能, 2023, 36(04): 313-326.

DOI：10.16451/j.cnki.issn1003-6059.202304003

• 点云语义分割
• 局部特征编码器
• 混合池化
• 多尺度融合

目前点云语义分割已广泛应用到自动驾驶、虚拟现实等多个领域，但现阶段点云分割算法无法提取较完整的空间结构信息，难以解释每个点编码信息的问题.针对此缺陷，文中提出基于编码特征学习的3D点云语义分割网络.首先，在引入角度信息和增强特征的基础上构造局部特征编码器(Local Feature Encoder, LFE),学习较完整的局部空间结构，缓解相似物体错分割问题.然后，设计混合池化聚合模块(Mixed Pooling Polymerization, MPP),聚合粗犷特征和精细特征，同时保证点云的排序不变性.最后，采用多尺度特征融合，充分利用编码层不同尺度特征，实现准确的语义分割.在两个大型基准数据集S3DIS和SemanticKITTI上的实验表明文中网络的优越性.

• 出版日期2023
• 单位东北大学