基于语义信息补偿全局特征的物体点云分类分割

作     者：林森 赵振禹 任晓奎 陶志勇 Lin Sen;Zhao Zhenyu;Ren Xiaokui;Tao Zhiyong

作者机构：沈阳理工大学自动化与电气工程学院辽宁沈阳110159 辽宁工程技术大学电子与信息工程学院辽宁葫芦岛125105 

出 版 物：《红外与激光工程》 (Infrared and Laser Engineering)

年 卷 期：2022年第51卷第8期

页      面：495-506页

核心收录：

学科分类：0831[工学-生物医学工程（可授工学、理学、医学学位）] 0710[理学-生物学] 1002[医学-临床医学] 08[工学] 080203[工学-机械设计及理论] 0805[工学-材料科学与工程（可授工学、理学学位）] 0802[工学-机械工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 0702[理学-物理学] 

基　　金：国家重点研发计划(2018 YFB1403303) 

主　　题：语义信息 3D模型分类、分割 特征提取 深度学习 

摘      要：3D点云数据处理在物体分割、医学图像分割和虚拟现实等领域起到了重要作用。然而现有3D点云学习网络全局特征提取范围小,难以描述局部高级语义信息,进而导致点云特征表述不完整。针对这些问题,提出一种基于语义信息补偿全局特征的物体点云分类分割网络。首先,将输入的点云数据对齐到规范空间,进行数据的输入转换预处理。然后,利用扩张边缘卷积模块提取转换后数据的每一层特征,并叠加生成全局特征。而在局部特征提取时,利用提取到的低级语义信息来描述高级语义信息和有效几何特征,用于补偿全局特征中遗漏的点云特征。最后,融合全局特征和局部高级语义信息得到点云的整体特征。实验结果表明,文中方法在分类和分割性能上优于目前经典和新颖的算法。