首页|SANet:空间注意力机制下的LiDAR点云实时语义分割方法

SANet:空间注意力机制下的LiDAR点云实时语义分割方法

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
语义分割是智能机器人由感知智能迈向认知智能的重要基础,当前针对点云数据的语义分割方法存在实时性差、精度低等现象.本文系统分析了点云经球面投影所得的距离图像与自然图像的差异,为基于距离图像的实时语义分割网络设计提供了思路.通过分析发现,距离图像具有强空间相关性的特点,将强空间相关性与注意力机制相结合,提出基于空间注意力机制下的LiDAR点云实时语义分割方法SANet.该方法能够高效地聚合空间分布特征与上下文特征,且模型参数量较少,满足实时性的要求.在SemanticKITTI数据集上的试验表明,与其他优秀算法相比,SANet兼顾了实时性与准确性,显著提高了LiDAR点云语义分割的精度,可为自动驾驶及其他机器人应用领域提供辅助支撑.
SANet:real time semantic segmentation method of LiDAR point cloud based on spatial attention mechanism

王玮琦、游雄、苏明占、张蓝天、周雪莹、赵耀

展开 >

信息工程大学,河南郑州450052

北京市遥感信息研究所,北京100192

北京理工大学,北京100081

空间注意力 点云语义分割 SemanticKITTI 距离图像

国家自然科学基金国家自然科学基金中原学者科学家工作室项目;国家重点研发计划国家自然科学基金青年基金

42130112421714562017YFB050350041801317

2022

测绘通报
测绘出版社

测绘通报

CSTPCDCSCD北大核心
影响因子：1.027
ISSN：0494-0911
年,卷(期)：2022.(11)
  • 1
  • 1