摘要
农业信息化是当今时代重要的发展方向之一，伴随着激光雷达行业的快速发展，为农业信息化过程提供了高效、廉价的数据源。然而，准确的语义分割是将点云数据与农业信息化良好结合的前提。在室外场景中，地类结构复杂、分布不均匀的数据特点，使得在复杂室外场景中实现点云准确语义分割难度较大。为克服室外场景点云数据量大、特征表述力较差以及相似地类区分难等问题，本文分别从以下几个方面展开研究： （1）总结目前国内外点云语义分割的研究现状，论述点云语义分割的研究意义；概述目前常见的点云数据采集方式，阐述不同采集方式下数据的优缺点，并对室外场景点云数据常见获取方式与预处理工作进行概述，了解点云语义分割准备工作。 （2）提出了一种基于图割和手工特征的点云语义分割方法。针对室外场景中点云局部结构描述不准确，特征表述能力差的问题，利用高斯核函数对法向量进行优化表达；针对点云数据量大、离散分布的问题，采用图割的方式对点云进行分割，获取几何特征相似的点云对象；为更好的表述对象特征，提高地类区分度，结合对象的法向量特点，提出一种法向量高斯分布特征，对点云进行语义分割。 （3）提出了一种超点图和自动特征的点云语义分割方法。针对室外场景中复杂结构、相似地类区分难的问题，本文基于SPG-Net进行改进，提出A-Edge-SPGNet点云语义分割网络，采用局部邻接图对室外点云局部结构信息进行捕捉；引入注意力机制模块，突出地类关键信息，增加不同地类区分度，实现对室外场景点云数据的准确语义分割。 （4）采用苏黎世联邦理工学院和国立巴黎高等矿业学校的公开数据集对上述两种方法进行验证，分别对分割精度、错误率进行比较，验证了本文方法的有效性。
NETL