基于局部特征聚合网络的三维语义分割

摘要

激光雷达采集的自动驾驶场景点云数据规模庞大且包含丰富的空间结构信息，一些方法将点云变换到体素化网格等稠密表示形式进行处理，但却忽略了点云变换引起的信息丢失问题，导致分割性能降低。为此，提出了一种基于局部特征聚合网络的三维语义分割方法。其中的局部特征融合模块，聚合中心点的K个最近点的特征，并通过强大的注意力机制，得到增强的点特征，从而弥补丢失的信息，提高网络的分割精度。此外，为了提高小物体的分类精度，提出了3D注意力特征融合块，通过摒弃常规的特征图拼接，使用注意力机制来决定不同层次语义特征的权重，得到更加丰富的语义特征，提高网络的性能。在SemanticKITTI和nuScenes数据集上的大量实验表明了该方法的优越性。

关键词

语义分割 / 三维语义分割 / 局部特征聚合 / 自动驾驶 / 激光雷达

基金资助

国家自然科学基金资助项目(61773330); 湖南省科技创新计划资助项目(2020GK2036)