科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对现有基于深度学习的三维点云语义分割方法通常在提取局部特征时忽略邻域点间深层次语义信息，聚合局部邻域特征时忽略其他邻域特征中的有用信息的问题，提出融合双注意力机制和动态图卷积神经网络的三维点云语义分割算法。首先，通过动态图卷积操作构造边缘特征，并将中心点与邻域点的相对距离输入到核点卷积操作得到增强后的边缘特征，进一步加强中心点与邻域点之间的联系；其次，引入空间注意力模块以建立邻域点之间的依赖关系，将特征相似点相互关联，从而在局部邻域内提取到更深层次的上下文信息，丰富邻域点的几何特征；最后，在聚合局部邻域特征时引入通道注意力模块，通过给不同通道赋予不同的权值以达到增强有用通道同时抑制无用通道的目的，从而提高语义分割的准确率。在S3DIS数据集和SemanticKITTI数据集上实验结果表明，本算法的语义分割精度分别达到了66.0%和59.4%，与其他经典的网络模型相比，取得了更好的点云分割效果。
- 单位
