-
题名融合注意力门控机制的大场景点云语义分割
被引量：1
- 1
-
-
作者
王蕾
朱芬芬
李金萍
刘华
-
机构
东华理工大学信息工程学院
江西省放射性地学大数据技术工程实验室
东华理工大学测绘工程学院
-
出处
《激光与红外》
CAS
CSCD
北大核心
2023年第11期1785-1792,共8页
-
基金
江西省核地学数据科学与系统工程技术研究中心基金项目(No.JELRGBDT202202)
江西省放射性地学大数据技术工程实验室开放基金项目(No.JELRGBDT202103)
+2 种基金
江西省自然科学基金项目(No.20202BABL212014)
东华理工大学江西省数字国土重点实验室开放研究基金项目(No.DLLJ202004)
国家自然科学基金项目(No.42001411)资助。
-
文摘
室外大场景激光点云语义分割已成为3D场景理解、环境感知的关键性技术,在自动驾驶、智能机器人和增强现实(AR)等领域应用广泛。然而大场景的激光点云具有多目标、几何结构复杂,不同地物尺度变化大等特点,使得在稀疏的小目标点云(例如行人、摩托车等)上的分割性能较低。针对上述问题,本文提出一种融合注意力门控机制的室外点云语义分割算法,设计由注意力机制和多尺度上下文特征融合组成的注意力门控单元,提高对激光点云细粒度特征的表达,降低随机降采样过程中点云几何结构特征丢失程度,从而增强了网络对弱小目标的特征获取能力;同时设计基于共享MLP的平均池化单元,进一步简化自注意力局部特征聚合模块,有效地加速网络收敛,能高效地实现大场景点云的语义分割。本文方法在自动驾驶场景室外激光点云数据集SemanticKITTI上的实验表明,与文献RandLA-Net相比,收敛速度提升48.3%,平均交并比(mIoU)由53.9%提升至54.5%,提高0.6%,尤其是在小目标上交并比(IoU)均有明显提高,person类和motorcycle类的交并比分别提高0.8%和5.4%。
-
关键词
大场景激光点云
语义分割
随机降采样
平均池化单元
注意力门控单元
多尺度特征融合
-
Keywords
large-scale point cloud
semantic segmentation
random sampling
average pooling unit
attentive gating unit
multi-scale feature fusion
-
分类号
TN249
[电子电信—物理电子学]
TP391.41
[自动化与计算机技术—计算机应用技术]
-
