检索结果-南通市图书馆

维普期刊数据库博看期刊

融合图卷积与多尺度特征的接触网点云语义分割

在线全文

学校读者我要写书评

暂无评论

测绘学报 2024年第8期53卷 1624-1633页

作者：徐涛杨元维高贤君王志威潘越李少华许磊王艳军刘波余静吴凤敏孙浩宇长江大学地球科学学院湖北武汉430100 东华理工大学自然资源部环鄱阳湖区域矿山环境监测与治理重点实验室江西南昌330013 内蒙古自治区测绘地理信息中心内蒙古呼和浩特010050 中国铁路设计集团有限公司天津300308 湖南科技大学地理空间信息技术国家地方联合工程实验室湖南湘潭411201 湖南科技大学测绘遥感信息工程湖南省重点实验室湖南湘潭411201 重庆市地理信息和遥感应用中心重庆401147

准确的接触网语义分割结果对于接触网组件提取和几何参数检测具有重要的意义。实际上,接触网场景复杂,部件之间的尺寸差异较大,并且存在着较多语义信息接近且相连的部件,导致现有的深度学习方法难以高精度地完成接触网点云语义分割任务... 详细信息

准确的接触网语义分割结果对于接触网组件提取和几何参数检测具有重要的意义。实际上,接触网场景复杂,部件之间的尺寸差异较大,并且存在着较多语义信息接近且相连的部件,导致现有的深度学习方法难以高精度地完成接触网点云语义分割任务。基于上述问题,本文提出一种基于图卷积和多尺度特征的神经网络GDM-Net。该网络包含基于图的局部特征提取器,增强了对接触网点云局部特征提取;双重通道注意力模块,同时兼顾了接触网点云的全局和显著特征的提取;多尺度特征融合的细化模块,通过提取并融合接触网的多尺度信息,提升了分割精度。受益于上述几个模块,该网络提升了对于接触网部件交界处的点云分割能力。基于接触网数据集对该方法进行定性和定量的验证分析,GDM-Net相较于5种其他的点云深度学习方法,精度最高,OA、mIoU和F 1值这3个精度指标分别可以达到96.73%,91.06%和95.28%。定性比较表示,本文提出的网络可以有效减少部件连接部分的错分问题,提高接触网部件分割的完整性。

关键词：激光雷达接触网系统图卷积注意力机制多尺度特征融合点云语义分割

在线全文

学校读者我要写书评

暂无评论

双边特征聚合与注意力机制点云语义分割

仪器仪表学报 2021年第12期42卷 175-183页

作者：王溪波曹士彭赵怀慈刘鹏飞邰炳昌沈阳工业大学信息科学与工程学院沈阳110870 中国科学院沈阳自动化研究所光电信息处理重点实验室沈阳110016 卓越新时代认证有限公司沈阳110000

机器视觉是环境感知的重要手段之一,是自动驾驶、机器人、工业检测等领域的研究热点,而点云数据的精细分析是其中的一项关键技术。针对大尺度真实场景点云数据分割精度低的问题,提出了一种适用于点云数据语义分割的网络结构。首先,构建... 详细信息

机器视觉是环境感知的重要手段之一,是自动驾驶、机器人、工业检测等领域的研究热点,而点云数据的精细分析是其中的一项关键技术。针对大尺度真实场景点云数据分割精度低的问题,提出了一种适用于点云数据语义分割的网络结构。首先,构建了一个双边特征聚合结构,通过分别处理点云的几何信息和语义信息,达到充分利用点云特征信息的目的。其次,使用近邻特征的高维空间相关性计算点与点之间的相互作用,进行局部邻域的上下文信息增强。提出了一种混合池化结构代替最大值池化,减少信息损失,使用横向跨层池化连接来增强特征多样性。最后,引入注意力机制提取全局特征,滤除尺度噪声,增强特征在空间上的表现力。实验结果表明,该方法在大尺度真实场景点云数据集S3DIS上的平均交并比为68.2%,平均准确率为80.7%,比PointNet提高了20.6%和14.5%,客观指标优于已有的代表性方法。

关键词：机器视觉点云语义分割双边特征聚合跨层混合池化注意力机制

在线全文

学校读者我要写书评

暂无评论

基于编码特征学习的3D点云语义分割网络

模式识别与人工智能 2023年第4期36卷 313-326页

作者：佟国峰刘永旭彭浩邵瑜渊东北大学信息科学与工程学院沈阳110819

目前点云语义分割已广泛应用到自动驾驶、虚拟现实等多个领域,但现阶段点云分割算法无法提取较完整的空间结构信息,难以解释每个点编码信息的问题.针对此缺陷,文中提出基于编码特征学习的3D点云语义分割网络.首先,在引入角度信息和增强... 详细信息

目前点云语义分割已广泛应用到自动驾驶、虚拟现实等多个领域,但现阶段点云分割算法无法提取较完整的空间结构信息,难以解释每个点编码信息的问题.针对此缺陷,文中提出基于编码特征学习的3D点云语义分割网络.首先,在引入角度信息和增强特征的基础上构造局部特征编码器(Local Feature Encoder,LFE),学习较完整的局部空间结构,缓解相似物体错分割问题.然后,设计混合池化聚合模块(Mixed Pooling Polymerization,MPP),聚合粗犷特征和精细特征,同时保证点云的排序不变性.最后,采用多尺度特征融合,充分利用编码层不同尺度特征,实现准确的语义分割.在两个大型基准数据集S3DIS和SemanticKITTI上的实验表明文中网络的优越性.

关键词：点云语义分割局部特征编码器混合池化多尺度融合

SSA-PointNet++:空间自注意力机制下的3D点云语义分割网络

在线全文

学校读者我要写书评

暂无评论

计算机辅助设计与图形学学报 2022年第3期34卷 437-448页

作者：吴军崔玥赵雪梅陈睿星徐刚桂林电子科技大学电子工程与自动化学院桂林541000 中国科学院宁波材料技术与工程研究所宁波315000

为增强捕捉细粒度局部特征能力以进一步提高复杂场景点云语义分割精度,将自注意力机制引入PointNet++构建点云语义分割网络SSA-PointNet++.首先将采样点邻域的自注意力明确分为中心自注意力和邻域自注意力两部分,综合两者并结合不同空... 详细信息

为增强捕捉细粒度局部特征能力以进一步提高复杂场景点云语义分割精度,将自注意力机制引入PointNet++构建点云语义分割网络SSA-PointNet++.首先将采样点邻域的自注意力明确分为中心自注意力和邻域自注意力两部分,综合两者并结合不同空间编码方式增强网络模型对采样点邻域拓扑结构的学习;然后构建注意力池化模块以强化重要信息在网络的有效传递,并通过差异性池化函数整合注意力池化、最大池化提取的多个全局特征以提高点云语义分割结果的鲁棒性.对公开数据集S3DIS,Semantic3D的场景语义分割实验表明,所提网络模型数据集分割精度mIoU较基准模型提升效果显著,在室内数据集S3DIS上的mIoU较PointNet++提升达6.6%,在室外数据集Semantic3D上的mIoU高出MSDeepVoxNet约3%;与公开数据集上其他网络模型的分割结果相比,所提模型性能均有不同程度的提升,具有更强的泛化性能和良好的应用价值.

关键词：点云语义分割深度学习卷积神经网络自注意力机制

基于稀疏卷积和注意力机制的点云语义分割方法

在线全文

学校读者我要写书评

暂无评论

激光与光电子学进展 2023年第20期60卷 114-125页

作者：左蒙刘意杨崔好白洪飞中国科学院网络化控制系统重点实验室辽宁沈阳110016 中国科学院沈阳自动化研究所辽宁沈阳110016 中国科学院机器人与智能制造创新研究院辽宁沈阳110169 中国科学院大学北京100049

近年来,三维点云语义分割方法取得了很大的进展,代表性的方法为基于稀疏卷积的方法,但是稀疏卷积会带来全局上下文信息丢失的问题。基于此,提出一种基于稀疏卷积和注意力机制的点云语义分割方法。将注意力机制引入稀疏卷积网络,增强网... 详细信息

近年来,三维点云语义分割方法取得了很大的进展,代表性的方法为基于稀疏卷积的方法,但是稀疏卷积会带来全局上下文信息丢失的问题。基于此,提出一种基于稀疏卷积和注意力机制的点云语义分割方法。将注意力机制引入稀疏卷积网络,增强网络对全局上下文信息的获取能力。但是注意力机制计算量较大,限制了所提方法的适用场景。进一步将空间金字塔采样引入注意力机制中,在减少计算量的同时扩展其使用场景。实验结果表明,所提方法在Scannet V2数据集上取得了71.825%的平均交并比(MIOU),在S3DIS数据集上的MIOU达到70.5%,优于对比方法,验证了其有效性。

关键词：机器视觉点云语义分割稀疏卷积注意力机制空间金字塔采样

同方期刊数据库

在线全文

学校读者我要写书评

暂无评论

用于三维点云语义分割的边增强图卷积网络

激光与光电子学进展 2024年第8期61卷 409-417页

作者：张鲁建毕远伟刘耀文黄延森烟台大学计算机与控制工程学院山东烟台264000

现在大多数基于图卷积的点云语义分割方法忽略了边构建的重要性,不能充分地表示局部区域的特征。基于此,提出一种结合注意力机制的边增强的图卷积网络(AE-GCN)。首先,将邻居点特征加入边中,而不仅仅是中心点与邻居点的特征差异;其次,加... 详细信息

现在大多数基于图卷积的点云语义分割方法忽略了边构建的重要性,不能充分地表示局部区域的特征。基于此,提出一种结合注意力机制的边增强的图卷积网络(AE-GCN)。首先,将邻居点特征加入边中,而不仅仅是中心点与邻居点的特征差异;其次,加入注意力机制保证点云的局部信息得到更充分的利用;最后,采用U-Shape的分割结构,确保网络更好适应点云的语义分割这一任务。在两个公开数据集Toronto_3D和S3DIS上的实验结果表明,与目前的大多数方法相比,AE-GCN取得了具有竞争力的结果:在Toronto_3D数据集的平均交并比为80.3%,总体准确度为97.1%;在S3DIS数据集的平均交并比为68.0%,总体准确度为87.2%。

关键词：三维图像处理点云语义分割注意力机制边增强图卷积

在线全文

学校读者我要写书评

暂无评论

点云语义分割和建模

点云语义分割和建模

作者：龚成贵北京交通大学

学位级别：硕士

本文以激光雷达捕获的点云数据为研究对象,并以深度学习为研究工具来深入探讨无人驾驶车辆对驾驶场景的认知问题。对驾驶场景的有效认知,是无人驾驶中极为重要的一环。无人驾驶车辆在行驶的过程中,需要实时的从周边的驾驶环境获取有效... 详细信息

本文以激光雷达捕获的点云数据为研究对象,并以深度学习为研究工具来深入探讨无人驾驶车辆对驾驶场景的认知问题。对驾驶场景的有效认知,是无人驾驶中极为重要的一环。无人驾驶车辆在行驶的过程中,需要实时的从周边的驾驶环境获取有效的信息,然后对这些信息进行有效的理解和认识,以便为后续的路径规划和导航做好铺垫。点云语义分割在无人驾驶车辆的环境感知中扮演着重要的角色,它能为无人驾驶车辆提供一个易于理解的三维语义世界。因此,本文利用深度学习的方法,构建了一个基础的分割网络来对点云场景进行有效的分割,并使用了一些措施来改善网络的分割效果,最终实现对点云空间场景的有效分割。本文的主要工作如下:首先,本文对点云的获取方式,点云的特性进行了介绍,然后针对点云的特性和现有的计算资源,提出了一种对空间点云进行转换的方法。点云是空间中一系列反射点坐标的集合,它是一种稀疏,非结构化的数据结构,在用三维卷积神经网络来对点云进行处理时,会导致计算资源的紧张,这对于现有的计算平台来说是不可取的。因此,本文提出将三维点云映射到二维空间,降低输入数据的维度,在二维空间来对点云进行处理,以便减少计算资源的负担。其次,为了能对映射后的点云进行有效的分割,本文在UNet的基础上构建了基本的分割框架,并对搭建的基础网络做一些改动,来增强网络对点云场景中物体的分割效果。如使用Focal Loss来增强网络在小目标物体上的检测精度,使用不同的注意力模式来提高模型对流通于网络中的信息流的利用,以及在特征提取的初期阶段,提出信息聚合模块来增强网络对数据噪声的抗干扰能力。另外,在增大网络感受野的时候,本文使用Vortex Pooling模块来保证特征图的分辨率,和在对低层特征和高层特征进行融合时,提出一个新颖的语义强化模块来减弱低层特征和高层特征之间的语义间隔,增强特征融合的效果。最后,基于上述改进措施,本文构建了一个完整的,用于点云场景语义分割的框架。最终的实验结果表明,本文搭建的模型能对点云场景进行有效的分割。

关键词：点云语义分割自动驾驶注意力网络感受野

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

用于点云语义分割的深度图注意力卷积网络

激光与光电子学进展 2021年第12期58卷 192-199页

作者：柴玉晶马杰刘红河北工业大学电子信息工程学院天津300401

相比于卷积神经网络,图卷积网络更适合处理不规则的点云数据,但其存在网络层数受限以及固定的标准化聚集方式影响点云语义分割结果的问题。针对这些问题,提出一种用于点云语义分割的深度图注意力卷积网络。该网络通过残差连接来加深图... 详细信息

相比于卷积神经网络,图卷积网络更适合处理不规则的点云数据,但其存在网络层数受限以及固定的标准化聚集方式影响点云语义分割结果的问题。针对这些问题,提出一种用于点云语义分割的深度图注意力卷积网络。该网络通过残差连接来加深图卷积网络层数,可以有效解决网络过深所导致的梯度消失和网络退化的问题,采用注意力机制可以使网络有选择地关注最相关的邻域点并为其分配不同的注意力权重。同时在每层图卷积之后重新构建图形,从而更好地表征图结构。实验结果表明,该网络在斯坦福大规模的三维室内空间数据集上的平均交并比达到64.5%。

关键词：图像处理点云语义分割图卷积注意力机制残差连接动态图卷积

在线全文

学校读者我要写书评

暂无评论

双通道特征融合的真实场景点云语义分割方法

计算机工程与应用 2024年第12期60卷 160-169页

作者：孙刘杰朱耀达王文举上海理工大学出版印刷与艺术设计学院上海200093

真实场景点云不仅具有点云的空间几何信息,还具有三维物体的颜色信息,现有的网络无法有效利用真实场景的局部特征以及空间几何特征信息,因此提出了一种双通道特征融合的真实场景点云语义分割方法DCFNet(dual-channel feature fusion of ... 详细信息

真实场景点云不仅具有点云的空间几何信息,还具有三维物体的颜色信息,现有的网络无法有效利用真实场景的局部特征以及空间几何特征信息,因此提出了一种双通道特征融合的真实场景点云语义分割方法DCFNet(dual-channel feature fusion of real scene for point cloud semantic segmentation)可用于不同场景下的室内外场景语义分割。更具体地说,为了解决不能充分提取真实场景点云颜色信息的问题,该方法采用上下两个输入通道,通道均采用相同的特征提取网络结构,其中上通道的输入是完整RGB颜色和点云坐标信息,该通道主要关注于复杂物体对象场景特征,下通道仅输入点云坐标信息,该通道主要关注于点云的空间几何特征;在每个通道中为了更好地提取局部与全局信息,改善网络性能,引入了层间融合模块和Transformer通道特征扩充模块;同时,针对现有的三维点云语义分割方法缺乏关注局部特征与全局特征的联系,导致对复杂场景的分割效果不佳的问题,对上下两个通道所提取的特征通过DCFFS(dual-channel feature fusion segmentation)模块进行融合,并对真实场景进行语义分割。对室内复杂场景和大规模室内外场景点云分割基准进行了实验,实验结果表明,提出的DCFNet分割方法在S3DIS Area5室内场景数据集以及STPLS3D室外场景数据集上,平均交并比(MIOU)分别达到71.18%和48.87%,平均准确率(MACC)和整体准确率(OACC)分别达到77.01%与86.91%,实现了真实场景的高精度点云语义分割。

关键词：深度学习双通道特征融合点云语义分割注意力机制