基于深度学习的点云分割研究进展分析

作     者：赵佳琦 周勇 何欣 卜一凡 姚睿 郭睿 ZHAO Jiaqi;ZHOU Yong;HE Xin;BU Yifan;YAO Rui;GUO Rui

作者机构：中国矿业大学计算机科学与技术学院徐州221116 矿山数字化教育部工程研究中心徐州221116 灾害智能防控与应急救援创新研究中心徐州221116 

出 版 物：《电子与信息学报》 (Journal of Electronics & Information Technology)

年 卷 期：2022年第44卷第12期

页      面：4426-4440页

核心收录：

学科分类：0710[理学-生物学] 0711[理学-系统科学] 07[理学] 08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(61806206,62172417) 江苏省自然科学基金(BK20180639,BK20201346) 江苏省六大高峰人才项目(2015-DZXX-010,2018-XYDXX-044)。 

主　　题：深度学习 点云 语义分割 进展分析 

摘      要：深度传感器及激光扫描技术的快速发展使人们可以轻易地采集到大量的点云数据。点云数据可以提供丰富的场景及对象信息,现已成为自动驾驶、虚拟现实、机器人导航等应用的首选研究对象。作为点云处理的有效手段,点云分割技术受到了各界的广泛关注。尤其是在深度学习的推动下,点云分割的精度和鲁棒性有了很大的提升。该文首先介绍了点云分割存在的问题与挑战,接着从间接、直接处理点云的角度对点云分割近年来的工作进行了对比分析,其中,间接的方法有基于多视图、基于体素的方法两类,对于直接的方法,该文将其归纳为5类,分别为基于点处理、基于优化卷积神经网络、基于图卷积、基于时序和基于无监督学习的方法。然后介绍了每个类别中具有代表性的方法的基本思想,并阐述了每个方法的优缺点。此外,该文还介绍了点云分割的常用数据集以及评价指标。最后对点云分类、分割技术的未来进行了展望。