-
题名基于语义信息补偿全局特征的物体点云分类分割
被引量：2
- 1
-
-
作者
林森
赵振禹
任晓奎
陶志勇
-
机构
沈阳理工大学自动化与电气工程学院
辽宁工程技术大学电子与信息工程学院
-
出处
《红外与激光工程》
EI
CSCD
北大核心
2022年第8期495-506,共12页
-
基金
国家重点研发计划(2018 YFB1403303)。
-
文摘
3D点云数据处理在物体分割、医学图像分割和虚拟现实等领域起到了重要作用。然而现有3D点云学习网络全局特征提取范围小,难以描述局部高级语义信息,进而导致点云特征表述不完整。针对这些问题,提出一种基于语义信息补偿全局特征的物体点云分类分割网络。首先,将输入的点云数据对齐到规范空间,进行数据的输入转换预处理。然后,利用扩张边缘卷积模块提取转换后数据的每一层特征,并叠加生成全局特征。而在局部特征提取时,利用提取到的低级语义信息来描述高级语义信息和有效几何特征,用于补偿全局特征中遗漏的点云特征。最后,融合全局特征和局部高级语义信息得到点云的整体特征。实验结果表明,文中方法在分类和分割性能上优于目前经典和新颖的算法。
-
关键词
语义信息
3d模型分类、分割
特征提取
深度学习
-
Keywords
semantic information
3d model classification,segmentation
feature extraction
deep learning
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
