基于语义信息补偿全局特征的物体点云分类分割

作者：林森; 赵振禹^*; 任晓奎; 陶志勇

来源：红外与激光工程, 2022, 51(08): 505-516.

• 语义信息
• 3D模型分类、分割
• 特征提取
• 深度学习

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。

• 单位
  辽宁工程技术大学; 沈阳理工大学