混合点云语义分割：预训练模型与在线学习

作     者：郝鹏举 秦健翔 张严辞 

作者机构：四川大学视觉合成图形图像国家重点学科实验室 四川大学计算机学院 

出 版 物：《小型微型计算机系统》 (Journal of Chinese Computer Systems)

年 卷 期：2024年

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 080203[工学-机械设计及理论] 0835[工学-软件工程] 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：国家重大专项项目(GJXM92579)资助 四川省重点研发项目(2023YFG0122)资助 

主　　题：点云处理 语义分割 在线学习 随机森林 交互分割 

摘      要：城市点云语义分割通过解析城市元素，为城市规划提供精确的场景理解能力。城市环境的数据分布不一致性对点云语义分割方法的实际应用提出了极高的要求。现有点云分割方法尚不足以高效地完成任意点云场景上的语义分割流程。本文提出一种混合点云语义分割方法，基本思想是结合深度学习预训练模型对不同数据分布之间分布共性的良好提取和在线学习方法对分布差异的良好表达，共同高效完成任意点云场景上的语义分割流程。预训练模型对点云场景的初始分割结果可以替代在线学习所需的大量标注数据，在线学习机制则能够纠正预训练模型因泛化能力不足导致的分割错误。实验证明，本文算法在新点云场景上的分割准确率和所需时间均优于主流点云分割方法。