超点图框架下融合双向注意力机制的点云语义分割方法研究

摘要

针对点云语义分割中，传统的图神经网络算法存在监督精度要求高、节点标签传递只能单向、未考虑全局信息等缺陷，本文提出一种基于双向注意力机制的点云语义分割方法.首先，将点云超分割为超点并建立超点图，从而将点云分类问题引入超点图网络框架中.然后，利用双向注意力模块，交替关注超点，根据邻接超点的权重更新超点特征，实现信息的双向传递.与以往的图池化方法不同，本文同时引入最大池化和平均池化，并将池化特征结合.最后，使用公开数据集Semantic3D进行训练和实验.结果表明，本文提出的方法可以有效地对标注误差进行纠正，同时耦合局部特征和长程信息，数据集的平均交互比(mIoU)和总体准确度(oAcc)分别为75.4%和95.1%,相比现有方法体现出更完善的标签传递机制和更高的分类精度.

关键词

点云语义分割 / 图神经网络 / 注意力机制 / 超点 / 图池化