基于PointNet优化网络的铁路站台语义分割 被引量：2

1

作者 鲁子明 黄世秀 +2 位作者 季铮 张思仪 黄翔翔 《现代电子技术》 北大核心 2024年第3期68-72,共5页

铁路站台点云语义分割是对铁路侵界现象进行检测的关键环节。文中以新型激光扫描测量系统采集的具有三维空间信息的点云数据为基础,在获取初步分割结果的基础上,设计PointNet网络整体结构提取点云数据全局特征,采用多层次金字塔结构对... 铁路站台点云语义分割是对铁路侵界现象进行检测的关键环节。文中以新型激光扫描测量系统采集的具有三维空间信息的点云数据为基础,在获取初步分割结果的基础上,设计PointNet网络整体结构提取点云数据全局特征,采用多层次金字塔结构对网络进行局部特征提取优化,实现铁路站台点云数据语义分割。研究表明,所提方法对实验点云数据的分割准确率达到84.5%,在铁路工程应用中的点云总体分割精度达到75.34%,在铁路检测中实现了大范围多尺度点云数据的可靠语义分割,满足铁路侵界现象检测分析需求。 展开更多

关键词 点云分割 深度学习 铁路站台 铁路侵界 pointNet 金字塔结构 深度神经网络 语义分割

在线阅读 下载PDF 职称材料

基于DenseNet与PointNet融合算法的三维点云分割

2

作者 吴烈权 周志峰 +1 位作者 时云 任朴林 《应用光学》 CAS 北大核心 2024年第5期982-991,共10页

点云分割对于智能驾驶、物体检测和识别、逆向工程等任务非常重要。PointNet是一种能够直接处理点云数据的方法,近年来在点云分割任务中得到广泛应用,但其分割精度较低,而PointNet++的计算成本又较高。针对以上问题,提出一种融合DenseNe... 点云分割对于智能驾驶、物体检测和识别、逆向工程等任务非常重要。PointNet是一种能够直接处理点云数据的方法,近年来在点云分割任务中得到广泛应用,但其分割精度较低,而PointNet++的计算成本又较高。针对以上问题,提出一种融合DenseNet和PointNet的算法,用于点云分割,并引入三分支混合注意力机制,以提高PointNet在提取局部特征方面的能力。基于密集连接卷积网络(DenseNet)思想,提出用DenseNet-STN和DenseNet-MLP结构来替代PointNet中的空间变换网络(STN)和多层感知机(MLP);同时,使用Add连接代替密集块(DenseBlock)中的Concat连接,以提高对点特征间相关性的准确性,同时不显著增加模型复杂度。DenseNet-PointNet能够提高复杂分类问题的泛化能力,实现对复杂函数更好的逼近,从而提高点云分割的准确率。有效性和消融实验结果表明,本文算法具有良好的性能。点云分割实验结果表明,DenseNet-PointNet在大多数类别中的交并比(IoU)都高于PointNet的IoU,并在部分类别中也高于PointNet++,参数量是PointNet++的47.6%,浮点运算量(FLOPs)是PointNet++的49.1%。实验结果验证了DenseNet-PointNet的可行性和有效性。 展开更多

关键词 点云分割 密集连接卷积网络 pointNet DenseNet-pointNet

在线阅读 下载PDF 职称材料

用于铁路场景语义分割的改进动态图卷积神经网络

3

作者 王卫东 刘延 +3 位作者 邱实 刘贤华 魏晓 王劲 《计算机辅助设计与图形学学报》 北大核心 2025年第1期139-147,共9页

针对目前在铁路场景语义分割中存在的数据获取成本高、分割精度低、泛化能力差等问题,提出了一种基于改进动态图卷积神经网络的铁路场景语义分割方法.首先利用高分辨率的无人机采集铁路场景的多视角图像,并通过结构运动恢复与基于面片... 针对目前在铁路场景语义分割中存在的数据获取成本高、分割精度低、泛化能力差等问题,提出了一种基于改进动态图卷积神经网络的铁路场景语义分割方法.首先利用高分辨率的无人机采集铁路场景的多视角图像,并通过结构运动恢复与基于面片的多视角立体视觉算法生成铁路场景的三维点云;然后在动态图卷积神经网络中引入空间注意力模块,增强网络结构的分割精度与泛化性;最后通过改进后的图卷积神经网络对预处理后的铁路场景点云完成高精度的语义分割.实验阶段采用的铁路场景包括桥梁段、路基段与联络线,共计11个区域.以平均交并比为评价指标,与动态图卷积神经网络、PointNet++进行对比,研究结果表明,基于图像点云训练的改进动态图卷积神经网络对于铁路场景语义分割具有更高的精度,与动态图卷积神经网络、PointNet++相比,分割精度分别提高3.3个百分点与6.0个百分点,且具有更好的泛化能力. 展开更多

关键词 铁道工程 点云语义分割 无人机点云 卷积神经网络

在线阅读 下载PDF 职称材料

SSA-PointNet++:空间自注意力机制下的3D点云语义分割网络 被引量：20

4

作者 吴军 崔玥 +2 位作者 赵雪梅 陈睿星 徐刚 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2022年第3期437-448,共12页

为增强捕捉细粒度局部特征能力以进一步提高复杂场景点云语义分割精度,将自注意力机制引入PointNet++构建点云语义分割网络SSA-PointNet++.首先将采样点邻域的自注意力明确分为中心自注意力和邻域自注意力两部分,综合两者并结合不同空... 为增强捕捉细粒度局部特征能力以进一步提高复杂场景点云语义分割精度,将自注意力机制引入PointNet++构建点云语义分割网络SSA-PointNet++.首先将采样点邻域的自注意力明确分为中心自注意力和邻域自注意力两部分,综合两者并结合不同空间编码方式增强网络模型对采样点邻域拓扑结构的学习;然后构建注意力池化模块以强化重要信息在网络的有效传递,并通过差异性池化函数整合注意力池化、最大池化提取的多个全局特征以提高点云语义分割结果的鲁棒性.对公开数据集S3DIS,Semantic3D的场景语义分割实验表明,所提网络模型数据集分割精度mIoU较基准模型提升效果显著,在室内数据集S3DIS上的mIoU较PointNet++提升达6.6%,在室外数据集Semantic3D上的mIoU高出MSDeepVoxNet约3%;与公开数据集上其他网络模型的分割结果相比,所提模型性能均有不同程度的提升,具有更强的泛化性能和良好的应用价值. 展开更多

关键词 点云语义分割 深度学习 卷积神经网络 自注意力机制

在线阅读 下载PDF 职称材料

基于深度学习的煤矿钻进机器人送钻位姿测量方法

5

作者 罗江南 李建平 +1 位作者 江红祥 张德义 《煤炭学报》 北大核心 2025年第7期3679-3691,共13页

井下钻孔是一种常用的施工方式,需要反复进行钻杆的装卸。为了实现钻杆的智能装卸,送钻位姿的测量尤为重要。然而,煤矿井下的复杂环境中,存在多尘多雾且光照多变的情况,使得传统方法的识别能力难以满足要求。此外,送钻时钻杆并没有安装... 井下钻孔是一种常用的施工方式,需要反复进行钻杆的装卸。为了实现钻杆的智能装卸,送钻位姿的测量尤为重要。然而,煤矿井下的复杂环境中,存在多尘多雾且光照多变的情况,使得传统方法的识别能力难以满足要求。此外,送钻时钻杆并没有安装在钻机上,直接测量不切实际。针对煤矿井下送钻位姿难以测量的问题,提出了一种基于深度学习的送钻位姿测量方法。该方法由基于改进的PointNet++分割模型和基于动力头与夹持器点云配准两部分组成。首先,为应对目前公开的钻机点云数据集规模不足的问题,搭建钻机点云获取平台,使用3D相机在夜间采集钻机点云数据。采集时,光照完全来自LED灯,以模拟井下光照不均的情况。为了模拟多尘多雾的井下环境,在点云数据中增加椒盐噪声,并在建立标签时将噪声单独分类,以达到去噪效果。其次,在PointNet++的基础上集成生成对抗网络以捕捉更复杂和微细的点云特征;同时,采用聚焦损失函数,提高模型对动力头和夹持器的关注度,并使用贝叶斯参数优化算法进行超参数调整。然后,使用点特征直方图(FPFH)和迭代最近点(ICP)算法对被测点云进行配准,以得到被测点云至源点云的转换矩阵;最终,确定送钻位置和方向向量,并以此定义送钻位姿。为了对所提方法的测量精度进行评估,采集6组钻杆安装在钻机上的钻进场景点云,通过Cloud compare软件手动分割,测量钻杆位姿。在自建数据集上的实验结果表明,改进的PointNet++模型在交并比(IoU)和分割精度(Precision)方面分别提升了17.7%和37.8%。其中,对于动力头和夹持器的IoU分别提升了34.9%和60.3%。在送钻位姿测量方面,平均距离误差为6.39 mm,径向距离误差为5.34 mm,平均角度误差为1.6°。因此,所提出的送钻位姿测量方法是可行的,在煤矿钻杆装卸的智能化领域具有潜在的应用价值。 展开更多

关键词 送钻位姿 3D视觉 点云分割 深度学习 生成对抗网络 钻进智能化

在线阅读 下载PDF 职称材料

基于图卷积神经网络的三维点云分割算法Graph⁃PointNet 被引量：7

6

作者 陈苏婷 陈怀新 张闯 《现代电子技术》 2022年第6期87-92,共6页

三维点云无序不规则的特性使得传统的卷积神经网络无法直接应用,且大多数点云深度学习模型往往忽略大量的空间信息。为便于捕获空间点邻域信息,获得更好的点云分析性能以用于点云语义分割,文中提出Graph⁃PointNet点云深度学习模型。Grap... 三维点云无序不规则的特性使得传统的卷积神经网络无法直接应用,且大多数点云深度学习模型往往忽略大量的空间信息。为便于捕获空间点邻域信息,获得更好的点云分析性能以用于点云语义分割,文中提出Graph⁃PointNet点云深度学习模型。Graph⁃PointNet在经典点云模型PointNet的基础上,结合二维图像中聚类思想,设计了图卷积特征提取模块取代多层感知器嵌入PointNet中。图卷积特征提取模块首先通过K近邻算法搜寻相邻特征点组成图结构,接着将多组图结构送入图卷积神经网络提取局部特征用于分割。同时文中设计一种新型点云采样方法多邻域采样,多邻域采样通过设置点云间夹角阈值,将点云区分为特征区域和非特征区域,特征区域用于提取特征,非特征区域用于消除噪声。对室内场景S3DIS、室外场景Semantic3D数据集进行实验,得到二者整体精度分别达到89.33%和89.78%,平均交并比达到64.62%,61.47%,均达到最佳效果。最后,进行消融实验,进一步证明了文中所提出的多邻域采样和图卷积特征提取模块对提高点云语义分割的有效性。 展开更多

关键词 三维点云分割 图卷积神经网络 Graph⁃pointNet 语义分割 深度学习 多邻域采样 特征提取

在线阅读 下载PDF 职称材料

融合图神经网络与概率编码的加工特征识别

7

作者 赵显文 莫轩东 +1 位作者 夏铭远 胡小锋 《哈尔滨工业大学学报》 北大核心 2025年第4期116-130,共15页

为解决多加工特征交叉下的特征定位问题,提高复杂零件加工特征识别性能,提出实例分割框架下的加工特征识别方法Brep3pNet。首先,基于三维模型的边界表示,提取面点云、面邻接图等几何与拓扑数据,构建三维模型的图表示,利用点云学习网络... 为解决多加工特征交叉下的特征定位问题,提高复杂零件加工特征识别性能,提出实例分割框架下的加工特征识别方法Brep3pNet。首先,基于三维模型的边界表示,提取面点云、面邻接图等几何与拓扑数据,构建三维模型的图表示,利用点云学习网络以及图神经网络学习三维模型面级嵌入表示。其次,提出概率位置编码方法,引入位置先验信息将三维模型各面编码为与空间位置相关的三元高斯分布,基于Bhattacharyya核度量面间相似性,以实现加工特征的面级定位,生成候选实例。最后,设计得分网络用于预测实例生成质量,以此指导实例间的非极大抑制,去除冗余特征实例,获得最终加工特征识别结果。本研究在MFCAD、MFCAD++、MFInstSeg和合成的回转类零件数据集等4个多特征数据集上对所提方法进行评估。研究结果表明:Brep3pNet相较于其他先进方法具有更好的特征定位能力,可以通过轻量的模型参数实现最优的特征识别准确率,展现了所提方法在相交特征识别上的应用潜力。 展开更多

关键词 加工特征识别 实例分割 点云 图神经网络 概率编码

在线阅读 下载PDF 职称材料

车身焊装场景下高密度点云数据的半监督语义分割方法

8

作者 韩松杰 刘银华 +1 位作者 李彦征 陈浩 《计算机集成制造系统》 北大核心 2025年第2期479-489,共11页

数字化工艺仿真模型的准确性是车身焊装工艺开发的核心,焊装场景下基于点云的工艺装备等分割识别是实现物理作业环境与仿真环境虚实一致性的关键,针对焊装场景点云分割中点云密度不均衡、局部特征差异大、依赖标记样本等问题,提出一种... 数字化工艺仿真模型的准确性是车身焊装工艺开发的核心,焊装场景下基于点云的工艺装备等分割识别是实现物理作业环境与仿真环境虚实一致性的关键,针对焊装场景点云分割中点云密度不均衡、局部特征差异大、依赖标记样本等问题,提出一种少样本条件下基于生成对抗网络的半监督点云语义分割方法,通过融合使用标记和无标记点云数据来提升分割精度。通过改进RandLA-Net,采用最远点采样并调整编码解码结构以增强复杂特征学习能力;引入对抗结构与自训练机制,充分利用无标记样本信息;通过引入平滑性约束,选择高可靠性伪标签,降低引入错误标签的概率。最后,在自采的焊装工位点云等数据集上开展对比实验验证了所提方法的优越性。 展开更多

关键词 焊装工位 点云语义分割 半监督 生成对抗网络

在线阅读 下载PDF 职称材料

一种基于DensePoint的牙颌模型语义分割方法 被引量：1

9

作者 马天 翟洁晨 +2 位作者 杨逸舟 杨嘉怡 刘佳 《重庆理工大学学报（自然科学）》 CAS 北大核心 2022年第11期118-126,共9页

牙颌模型分割是虚拟正畸系统的关键环节,针对传统的分割方法人工干预较多且交互操作复杂的问题,提出一种基于DensePoint的端到端牙颌模型语义分割方法。对牙颌模型的三维点云数据进行采样、标注和扩增处理,以满足分割网络训练要求;结合U... 牙颌模型分割是虚拟正畸系统的关键环节,针对传统的分割方法人工干预较多且交互操作复杂的问题,提出一种基于DensePoint的端到端牙颌模型语义分割方法。对牙颌模型的三维点云数据进行采样、标注和扩增处理,以满足分割网络训练要求;结合U-Net设计基于DensePoint的牙颌模型语义分割网络,同时面向点云数据集对网络下采样过程中的局部空间参数进行适应性优化,以确保网络能够提取到有效的局部特征;在Python环境和Pytorch框架中进行实现,并在增强的点云数据集上进行对比实验。结果表明:该方法的分割效果更优,准确率约90%,并且在相邻的牙齿边界和畸形的牙齿模型上具有更好的鲁棒性,较好地满足了虚拟正畸系统智能化的需求。 展开更多

关键词 牙颌模型分割 三维点云 虚拟正畸 分割网络

在线阅读 下载PDF 职称材料

基于语义分割网络和特征匹配的复杂山区高速公路路面线性要素智能提取方法

10

作者 张开洲 马瑞峰 贾鑫 《测绘通报》 北大核心 2025年第4期164-169,共6页

道路边界和标线作为关键路面线性要素,其准确位置和语义信息为高速公路改扩建和智能化资产管理提供了重要支撑。移动激光扫描(MLS)点云已成为道路场景要素识别及更新的重要数据源。本文针对现有方法在复杂山区高速公路场景中的不足,提... 道路边界和标线作为关键路面线性要素,其准确位置和语义信息为高速公路改扩建和智能化资产管理提供了重要支撑。移动激光扫描(MLS)点云已成为道路场景要素识别及更新的重要数据源。本文针对现有方法在复杂山区高速公路场景中的不足,提出了一种车载激光点云高速公路路面线性要素智能提取由粗到精的方法:基于三维点云的深度学习网络对路面和标线点云进行语义分割,获取粗结果;进一步对路面边界和标线进行精提取与优化处理,包括路面轮廓点提取、线结构聚类、路面边界点补全及矢量化,并利用特征属性判断和基于边缘的特征匹配实现标线精细提取与语义化。试验结果表明,本文方法能够有效克服复杂山区高速公路场景中的遮挡和噪声问题,准确提取路面线性要素。 展开更多

关键词 MLS点云 语义分割网络 高速公路路面 标线 边缘匹配

在线阅读 下载PDF 职称材料

超点图框架下融合双向注意力机制的点云语义分割方法研究

11

作者 李国立 陈焱明 +1 位作者 夏家康 邹新灿 《南京信息工程大学学报》 北大核心 2025年第2期165-171,共7页

针对点云语义分割中,传统的图神经网络算法存在监督精度要求高、节点标签传递只能单向、未考虑全局信息等缺陷,本文提出一种基于双向注意力机制的点云语义分割方法.首先,将点云超分割为超点并建立超点图,从而将点云分类问题引入超点图... 针对点云语义分割中,传统的图神经网络算法存在监督精度要求高、节点标签传递只能单向、未考虑全局信息等缺陷,本文提出一种基于双向注意力机制的点云语义分割方法.首先,将点云超分割为超点并建立超点图,从而将点云分类问题引入超点图网络框架中.然后,利用双向注意力模块,交替关注超点,根据邻接超点的权重更新超点特征,实现信息的双向传递.与以往的图池化方法不同,本文同时引入最大池化和平均池化,并将池化特征结合.最后,使用公开数据集Semantic3D进行训练和实验.结果表明,本文提出的方法可以有效地对标注误差进行纠正,同时耦合局部特征和长程信息,数据集的平均交互比(mIoU)和总体准确度(oAcc)分别为75.4%和95.1%,相比现有方法体现出更完善的标签传递机制和更高的分类精度. 展开更多

关键词 点云语义分割 图神经网络 注意力机制 超点 图池化

在线阅读 下载PDF 职称材料

集加权K近邻与卷积块注意力的三维点云语义分割

12

作者 肖剑 王晓红 +3 位作者 周润民 李炜 杨祎斐 罗季 《激光杂志》 北大核心 2025年第2期225-231,共7页

基于深度学习的点云语义分割模型在改进模型时多采用复杂度高的注意力机制,而且在提取局部深度语义特征和近邻点特征表达中存在不足。因此,提出集加权K近邻与卷积块注意力的点云语义分割模型。在动态图卷积网络架构上,设计加权K近邻算... 基于深度学习的点云语义分割模型在改进模型时多采用复杂度高的注意力机制,而且在提取局部深度语义特征和近邻点特征表达中存在不足。因此,提出集加权K近邻与卷积块注意力的点云语义分割模型。在动态图卷积网络架构上,设计加权K近邻算法以获取更有效的局部邻域;再引入通卷积块注意力处理局部邻域中特征;在卷积块注意力中,通道注意力用于加强点云通道关联,空间注意力用于感知三维空间结构并获取上下文信息及深度语义特征。实验结果表明,该模型在ShapeNet Part部件分割数据集和S3DIS室内语义分割数据集分别达到85.86%和61.2%的平均交并比,相比其他方法具有较高的分割精度。 展开更多

关键词 语义分割 三维点云 动态图卷积网络 K近邻 卷积块注意力

在线阅读 下载PDF 职称材料

基于激光雷达点云的动态驾驶场景多任务分割网络 被引量：2

13

作者 王海 李建国 +1 位作者 蔡英凤 陈龙 《汽车工程》 EI CSCD 北大核心 2024年第9期1608-1616,共9页

在自动驾驶场景理解任务中进行准确的可行驶区域以及动静态物体分割对于后续的局部运动规划和运动控制至关重要。然而当前基于激光雷达点云的通用语义分割方法并不能在车端边缘计算设备上实现实时且鲁棒的预测,且不能预测当前时刻的物... 在自动驾驶场景理解任务中进行准确的可行驶区域以及动静态物体分割对于后续的局部运动规划和运动控制至关重要。然而当前基于激光雷达点云的通用语义分割方法并不能在车端边缘计算设备上实现实时且鲁棒的预测,且不能预测当前时刻的物体运动状态。为解决该问题本文提出一种可行驶区域及动静态物体多任务分割网络MultiSegNet。该网络利用激光雷达输出的深度图及处理后得到的残差图像作为编码空间特征和运动特征的表征输入到网络用于特征学习,从而避免直接处理无序高密度点云。针对深度图在不同方向视角内目标分布数量差异较大的特点,本文提出了变分辨率分组输入策略。该方法能在降低网络计算量的同时提高网络的分割精度。为适配不同尺度目标所需要的卷积感受野尺寸本文提出了深度值引导的分层空洞卷积模块。同时本文为有效关联并融合不同时域下物体的空间位置和姿态信息提出了时空运动特征增强网络。为验证所提出MultiSegNet的有效性,本文在大规模点云驾驶场景数据集SemanticKITTI及nuScenes上进行验证。结果表明:可行驶区域、静态物体和动态物体的分割IoU分别达到98%、97%和70%,性能优于主流网络,且在边缘计算设备上实现实时推理。 展开更多

关键词 无人驾驶 激光雷达 多任务点云分割网络 动态物体分割

在线阅读 下载PDF 职称材料

结合分割算法和图卷积网络的车载点云分类方法

14

作者 刘亚文 刘永畅 《应用科学学报》 CAS CSCD 北大核心 2024年第3期405-415,共11页

车载点云数据语义标注是道路场景语义分析和理解的前提,该文提出了结合分割算法和图卷积网络的车载点云分类方法。首先利用具有噪声的基于密度的聚类方法(densitybased spatial clustering of applications with noise,DBSCAN)将点云分... 车载点云数据语义标注是道路场景语义分析和理解的前提,该文提出了结合分割算法和图卷积网络的车载点云分类方法。首先利用具有噪声的基于密度的聚类方法(densitybased spatial clustering of applications with noise,DBSCAN)将点云分割成点簇,并以点簇为节点,相邻点簇构成边,节点和边形成图;然后利用图卷积网络对图节点进行半监督分类,得到点云中任一点的类别标注。实验表明,所提方法以点簇代替原始点云,极大减少了算法处理的数据量;半监督图卷积网络模型顾及了点云数据的上下文关联,在少量标注样本的情况下,能够获得较高的分类精度,场景简单的实验数据分类精度可以与Pointnet++模型相当,场景较为复杂的实验数据分类精度与Pointnet++模型相差在6.7%以内。 展开更多

关键词 点云分割 图卷积网络 点云分类

在线阅读 下载PDF 职称材料

基于多尺度注意力机制的实时激光雷达点云语义的分割

15

作者 张晨 刘畅 +2 位作者 赵津 王广玮 许庆 《汽车安全与节能学报》 CAS CSCD 北大核心 2024年第4期591-601,共11页

为既能提高分割精度,又能克服车载计算资源局限,提出一种面向移动机器人平台的车载实时点云语义分割方法,并进行了综合实验。该方法采用基于投影的激光雷达语义分割方法,将三维点云投影到球面图像,并结合二维卷积进行分割。引入多头注... 为既能提高分割精度,又能克服车载计算资源局限,提出一种面向移动机器人平台的车载实时点云语义分割方法,并进行了综合实验。该方法采用基于投影的激光雷达语义分割方法,将三维点云投影到球面图像,并结合二维卷积进行分割。引入多头注意力机制(MHSA),实现轻量级语义分割模型,以一种全新的方式,将一种深度学习模型架构Transformer映射到卷积。将Transformer的MHSA迁移至卷积,以形成多尺度自注意力机制(MSSA)。结果表明:与当前主流方法CENet、FIDNet、PolarNet相比,本方法在NVIDIA JETSON AGX Xavier计算平台上保持了较高的分割精度(平均交并比为63.9%)及较高的检测速率(41帧/s),从而证明了其对移动机器人平台的适用性。 展开更多

关键词 移动机器人平台 激光雷达(LiDAR) 点云 多尺度注意力机制(MSSA) 语义分割方法TRANSFORMER 卷积神经网络

在线阅读 下载PDF 职称材料

基于图卷积神经网络的点云语义分割综述 被引量：2

16

作者 黄海新 蔡明启 王钰瑶 《计算机科学》 CSCD 北大核心 2024年第S01期31-37,共7页

随着点云在自动驾驶、地图测绘和矿山测量等领域的广泛应用,人们愈发关注这种蕴含丰富信息的数据表示形式。点云语义分割作为点云数据处理的重要手段,因具有极高的研究价值和应用前景而受到广泛关注。由于点云所具有的置换不变性和旋转... 随着点云在自动驾驶、地图测绘和矿山测量等领域的广泛应用,人们愈发关注这种蕴含丰富信息的数据表示形式。点云语义分割作为点云数据处理的重要手段,因具有极高的研究价值和应用前景而受到广泛关注。由于点云所具有的置换不变性和旋转不变性等特点,传统的卷积神经网络无法直接处理不规则的点云数据,而图卷积神经网络却可以使用图卷积算子直接提取点云特征,逐步成为当前点云分割领域的研究热点。虽已有综述性文章对点云分割方法做出总结,但这些文章对图卷积的介绍较为粗略。因而对近几年基于图卷积的点云分割方法进行了分析和归类,总结每类方法的研究思路和特点;然后,介绍了一些在点云语义分割领域中主流的点云数据集和评价指标,并对提及的分割方法的实验结果进行对比;最后,对各类方法的发展方向进行了展望。 展开更多

关键词 语义分割 点云 图卷积神经网络 深度学习 计算机视觉

在线阅读 下载PDF 职称材料

基于图游走和图注意力的点云分类与分割 被引量：1

17

作者 李文举 姬倩倩 +2 位作者 沙利业 储王慧 崔柳 《郑州大学学报（工学版）》 CAS 北大核心 2024年第2期33-41,共9页

针对点云特征提取中远距离特征和局部几何结构信息欠缺的问题,提出了一种基于图游走和图注意力的点云分类与分割网络。首先,利用带有导向性的图游走算法,对点云全局特征补充额外的几何信息和远距离特征信息;其次,嵌入图注意力机制,使模... 针对点云特征提取中远距离特征和局部几何结构信息欠缺的问题,提出了一种基于图游走和图注意力的点云分类与分割网络。首先,利用带有导向性的图游走算法,对点云全局特征补充额外的几何信息和远距离特征信息;其次,嵌入图注意力机制,使模型聚焦于点云的关键区域,提升网络的特征提取能力;最后,在初始点云中提取距离特征作为初始残差嵌入到网络中,避免网络过平滑。在ModelNet40数据集、ScanObjectNN数据集进行了点云分类实验,在ShapeNetPart数据集与Toronto-3D数据集上分别进行了点云部件分割与点云语义分割实验,实验结果表明:相较于基准网络DGCNN,分类精度分别提升了1.3百分点、5.6百分点;分割精度分别提升了1.2百分点、33.1百分点。通过在ModelNet40-C数据集上进行稳健性分析,验证了所提网络具有较强的鲁棒性。 展开更多

关键词 点云分类 点云分割 图神经网络 图游走 图注意力机制

在线阅读 下载PDF 职称材料

用神经网络进行散乱点的区域分割 被引量：12

18

作者 史桂蓉 邢渊 张永清 《上海交通大学学报》 EI CAS CSCD 北大核心 2001年第7期1093-1096,共4页

点云的区域分割实质上是根据点的局部几何特性的相似性对点进行分类 ,利用自组织特征映射神经网络 (SOFM)方法可以实现无监督的特征聚类 .使用 SOFM进行反向工程中点云的区域分割 ,选用数据点的坐标、法向量六维向量作为 SOFM的输入 ,... 点云的区域分割实质上是根据点的局部几何特性的相似性对点进行分类 ,利用自组织特征映射神经网络 (SOFM)方法可以实现无监督的特征聚类 .使用 SOFM进行反向工程中点云的区域分割 ,选用数据点的坐标、法向量六维向量作为 SOFM的输入 ,通过改进 SOFM的学习算法 ,加入输入权和距离权 ,加速了分割的速度和正确性 .利用 SOFM方法实现点云分割具有以下优点 :不必限定面的类型 ;用户可以控制分区的个数 ;可以处理噪声数据 . 展开更多

关键词 自组织特征映射 神经网络 数据分割 反向工程 点云 区域分割 学习算法 CAD

在线阅读 下载PDF 职称材料

基于旋转不变深度层次聚类网络的点云分析 被引量：5

19

作者 李冠彬 张锐斐 +1 位作者 陈超 林倞 《软件学报》 EI CSCD 北大核心 2022年第11期4356-4378,共23页

由于解决了三维点云的排列不变性问题,基于三维点云的深度学习方法在计算机三维视觉领域中取得了重大的突破,人们逐渐倾向于使用三维点云来描述物体并基于神经网络结构来提取点云的特征.然而,现有的方法依然无法解决旋转不变性问题,使... 由于解决了三维点云的排列不变性问题,基于三维点云的深度学习方法在计算机三维视觉领域中取得了重大的突破,人们逐渐倾向于使用三维点云来描述物体并基于神经网络结构来提取点云的特征.然而,现有的方法依然无法解决旋转不变性问题,使得目前的模型鲁棒性较差;同时,神经网络结构的设计过于启发式,没有合理利用三维点云的几何结构与分布特性,导致网络结构的表达能力有待提升.鉴于此,提出了一种具有良好兼容性的严格旋转不变性表达以及深度层次类簇网络,试图从理论与实践两个层面解决上述问题.在点云识别、部件分割、语义分割这3个经典任务上进行了旋转鲁棒性对比实验,均取得了最优的效果. 展开更多

关键词 三维点云 旋转不变性 层次类簇网络 点云分类 点云语义分割

在线阅读 下载PDF 职称材料

基于八叉树的卷积神经网络三维模型分割 被引量：5

20

作者 杨晓文 李静 +2 位作者 韩燮 韩慧妍 陶谦 《计算机工程与设计》 北大核心 2020年第9期2663-2669,共7页

为实现三维点云的分割,利用神经网络高效处理三维数据,减少庞大的计算量和存储量,提出一种基于八叉树的卷积神经网络的点云分割方法。构造高效的八叉树结构化表示三维点云,提取深层子八分体的基本特征并融合作为神经网络输入特征,将卷... 为实现三维点云的分割,利用神经网络高效处理三维数据,减少庞大的计算量和存储量,提出一种基于八叉树的卷积神经网络的点云分割方法。构造高效的八叉树结构化表示三维点云,提取深层子八分体的基本特征并融合作为神经网络输入特征,将卷积计算限制在八叉树节点上,通过多层网络结构获取更高维的点云模型的信息,得到分割预测标签。实验结果表明,该方法可以实现点云模型的分割,得到良好的分割效果。 展开更多

关键词 点云分割 八叉树 特征融合 卷积神经网络 标签

在线阅读 下载PDF 职称材料