增强点云局部显著性特征的细粒度语义分割网 |
| |
引用本文: | 张坤,张丽婷,王晓红,朱亚薇,周昆鹏.增强点云局部显著性特征的细粒度语义分割网[J].光学精密工程,2023(2):288-299. |
| |
作者姓名: | 张坤 张丽婷 王晓红 朱亚薇 周昆鹏 |
| |
作者单位: | 河北科技大学信息科学与工程学院 |
| |
基金项目: | 国家自然科学基金资助项目(No.61963031);;河北省高等学校科学技术研究资助项目(No.ZD2020176); |
| |
摘 要: | 点云细粒度语义分割,即物体部件分割,在机械臂控制、智能化装配、物体检测等工业生产中有着重要的应用价值。然而由于点云数据形式散乱,导致物体部件边界处几何特征不明显且计算困难,从而致使细粒度分割精度较低,难以满足生产需求。针对点云的部件级分割,本文提出了增强点云局部显著性特征的细粒度语义分割网,网络中构建了局部数据上下文信息,提高细粒度分割精度。本网络建立了利用几何曲率改进的的最远点采样算法,增强点云局部数据子集特征计算能力;创建多尺度高维特征提取器,提取不同尺度的高维特征;在点云特征计算过程中使用seq2seq的方式,引入注意力机制,融合不同尺度的高维特征,进而获取细粒度语义分割的上下文信息。最终使得细粒度分割精度得到了有效提高,尤其是对边界处的分割效果提升显著。实验结果表明,本网络在ShapeNet Part数据集上的总体交并比达到了85.2%,准确率达到95.6%,且具有一定泛化能力。该方法对三维物体的细粒度语义分割具有重要的意义。
|
关 键 词: | 点云 细粒度分割 多尺度高维特征 注意力机制 几何特征 |
|
|