计算机技术与发展2023，Vol.33Issue(11) ：78-85.DOI:10.3969/j.issn.1673-629X.2023.11.012

基于多特征融合的城市场景三维点云语义分割

3D Point Cloud Semantic Segmentation of Urban Scene Based on Multi-feature Fusion

刘贤梅 刘鹏飞 贾迪 赵娅
计算机技术与发展2023，Vol.33Issue(11) ：78-85.DOI:10.3969/j.issn.1673-629X.2023.11.012
✕
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 维普
  • 万方数据

基于多特征融合的城市场景三维点云语义分割

3D Point Cloud Semantic Segmentation of Urban Scene Based on Multi-feature Fusion

刘贤梅 1刘鹏飞 1贾迪 1赵娅1
扫码查看

作者信息

  • 1. 东北石油大学 计算机与信息技术学院,黑龙江 大庆 163318
  • 折叠

摘要

城市场景三维点云语义分割存在点云覆盖范围广、数据规模大、局部点云量稀疏、城市建筑风格各异等问题,仅依靠形状特征与颜色特征的分割方法无法对城市点云进行准确分割.该文提出了一种基于多特征融合的城市场景三维点云语义分割方法MFFN(Multi-Future Fusion Network).在预处理阶段对三维点云进行网格采样,降低了点云数据量,但同时最大程度保留点云的几何形状特征;引入每个采样点的法向量特征,有效弥补几何形状特征与颜色特征的不足;设计多特征局部聚合模块,将点云法向量特征和几何形状特征、颜色特征进行融合,增强网络对城市场景中表面凹凸程度相差较大的物体类别的学习能力.在 SensatUrban 城市数据集上的结果显示,该方法的平均交并比为 55.90%,总体精度为91.90%,相比RandLA-Net网络分别提高了 3.21 百分点和 2.12 百分点,并且在多个城市类别上的分割精度均有较大提升.

关键词

城市规模三维点云/语义分割/法向量/特征融合/多特征局部聚合

Key words

urban-scale 3D point cloud/semantic segmentation/normal vector/feature fusion/multi-feature local aggregation

引用本文复制引用

基金项目

黑龙江省教育科学规划重点课题(十四五)(GJB1421114)

黑龙江省自然科学基金(LH2020F003)

黑龙江省高等教育教学改革重点委托项目(SJGZ20200037)

出版年

2023
计算机技术与发展
陕西省计算机学会

计算机技术与发展

CSTPCD
影响因子：0.621
ISSN：1673-629X
参考文献量4
段落导航相关论文