分组自注意力机制的多层级三维点云分类方法

作     者：何春秀 荆现文 何永宁 HE Chunxiu;JING Xianwen;HE Yongning

作者机构：湖北师范大学城市与环境学院湖北黄石435002 广西壮族自治区自然资源信息中心南宁530021 

出 版 物：《计算机工程与应用》 (Computer Engineering and Applications)

年 卷 期：2023年第59卷第24期

页      面：259-267页

核心收录：

学科分类：08[工学] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 081102[工学-检测技术与自动化装置] 

主　　题：计算机视觉 三维图像处理 点云分割 随机采样 自注意力机制 

摘      要：针对大规模城市场景点云数据体量大、噪声多等导致的点云分类模型难以训练、模型分类准确率低等问题,设计了一种多层级分组自注意力机制的点云分类模型。该模型在数据采样阶段,设计了一种自适应随机采样算法,可以有效解决模型因点云数据量庞大而加载困难的问题;将采样输入的点云数据划分为三个层级,分层级可以扩大点云特征数据的覆盖范围,三个层级分别将点云数据分为16、9、4组,分组可以减少自注意力机制的计算复杂度;进入一个跳跃连接模块,将丢失的低维度特征信息重新利用,从而更好地提高模型分类精度。在SensatUrban数据集上进行实验,结果表明,采样算法相较于最远点采样算法在mIoU指标上提升了0.43个百分点,该模型比同样采用自注意力机制的PCT模型以及经典的PointNet++模型在mIoU指标上分别提升了3.12、8.17个百分点。