仪器仪表学报

作者：陈睿星，吴 军，赵雪梅，徐 刚

单位：陈睿星,1.桂林电子科技大学电子工程与自动化学院,,吴 军,1.桂林电子科技大学电子工程与自动化学院,,赵雪梅,1.桂林电子科技大学电子工程与自动化学院,,徐 刚,2.中科院宁波材料技术与工程研究所,

关键词：点云语义分割;卷积神经网络;长尾分布;自注意力机制;聚类最远点采样

基金：国家自然科学基金项目（41801233）、桂林电子科技大学研究生教育创新计划资助项目（2021YCXB07）、宁波市科技创新重大专项（2020Z013）资助

针对目前PointNet++系列网络模型倾向于牺牲尾类分割精度以保证全局分割精度这一现象，构建顾及数据长尾分布的机载LEDAR点云语义分割网络，主要涉及两方面内容，聚类最远点采样和空间自注意力机制下的局部特征学习。聚类最远点采样通过类内点云最远点采样、划分区域最远点采样以及基于置信度的均值漂移（Mearshift）聚类组合策略，最大程度保留尾类样本并通过循环赋权方式使每类样本均能被网络充分学习；空间自注意力机制下的局部特征学习为结合不同空间编码方式增强采样点邻域拓扑结构的学习，以利于从稀疏样本数据中完整学习目标空间结构。公开数据集实验表明，本文网络模型整体分割精度和平均F，较PointNet++分别提升6.3%和6.6%，并优于其它6种PointNet++系列网络模型及新公布的10种网络模型，具有良好的泛化性能与应用价值。

来源：2023年第7期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2023年第7期