几何注意力机制的机载激光点云语义分割

作者：赵佳楠; 周少辉; 王振

来源：西安工业大学学报, 2023, 43(02): 180-188.

DOI：10.16185/j.jxatu.edu.cn.2023.02.403

• 机载激光点云
• 语义分割
• 几何注意力机制
• 深度学习

为了解决现有语义分割研究对机载激光点云几何信息利用不足的问题，文中在Point Net++的基础上提出了一种基于几何注意力机制的机载激光点云语义分割方法。几何注意力层将低维几何特征向量作为先验，通过自注意力的方式获得高维局部式样的表示，从而获得具有几何判别性的点云深度特征。在Vaihingen数据集上取得了83.4%总体精度指标和70.4%的平均F1分数。在平均F1分数上，相较于Point Net++,RandLA-Net分别高出4.8%和2.7%。在DALES数据集中取得了97.8%的总体精度和81.1%的平均F1分数。在平均F1分数上，相较于Point Net++、RandLA-Net分别提升了12.8%和20.5%。实验结果表明，几何注意力层能有效提高点云地物类别区分的能力。

• 单位
  中铁一局集团有限公司广州分公司