科研之友
微信
新浪微博
Facebook
分享链接
摘要
随着科技智能化建设需求的提高，语义分割技术受到图形、图像领域内学者的广泛关注，为目标跟踪、视觉控制等技术提供有效的决策支持。然而三维点云语义分割模型的运行效率和分割准确率是限制其发展的瓶颈所在。本文提出了PCGCN(Point Cloud+Graph Convolution Network)三维点云语义分割网络模型，采用边缘图卷积网络提取局部特征，并使用残差网增强特征的传递，将不同尺度的局部特征进行融合并参与三维点云语义分割。PCGCN解决了在深度学习过程中因局部特征丢失产生的语义分割效果不佳的问题；同时，点云深度学习网络中，残差网的引入提高了语义分割的准确度。利用ShapeNet和S3DIS数据集进行实验，实验结果表明PCGCN在ShapeNet数据集的准确率达到85.1%，在S3DIS数据集的准确率可达到81.3%。
- 单位
