基于双注意力机制和多尺度特征的点云场景分割

• 作者: 于丽丽 于海洋 何子鑫 陈良轩
• 来源期刊: 激光与光电子学进展
• 学科: 地球科学
• 关键词: 遥感 LiDAR点云 点云分割 双注意力机制 多尺度特征
• 年，卷（期）: 2021,（24）
• 所属期刊栏目: 遥感与传感器|Remote Sensing and Sensors
• 页码范围: 463-471
• 页数: 9页
• 分类号: P237
• 语种: 中文
• DOI: 10.3788/LOP202158.2428007

摘要

针对现有的深度学习机载激光雷达(LiDAR)点云分割方法忽略高级全局单点和低级局部几何特征之间的关系导致点云分割精度不高的问题,提出了一种增强语义信息与多通道特征融合的点云场景分割算法.首先对点云信息进行补充,提取点云的归一化高程、强度值、光谱信息构造多通道点云特征,并利用网格化重采样方法建立多尺度邻域点云增强数据集,通过构建双注意力融合层实现通道维度上的特征加权标定和空间维度上的特征聚焦,加深卷积网络结构深层信息传递,挖掘点云的局部区域细粒度特征.采用国际摄影测量与遥感协会提供的数据集对所提算法进行验证,对比分析了所提算法、协会网站已公布的分类结果、主流的深度学习方法的精度值分类总体精度(OA)、综合评价指标(F1)、交并比.实验结果表明,所提算法能够达到更高的分割精度,在Vaihingen数据集上的平均交并比达到52.5％.