基于CAFF-PointNet的机载LiDAR点云语义分割

作     者：赖鸣 赵健康 刘传奇 崔超 龙海辉 Lai Ming;Zhao Jiankang;Liu Chuanqi;Cui Chao;Long Haihui

作者机构：上海交通大学电子信息与电气工程学院仪器科学与工程系上海200240 

基　　金：国家重点研发计划(2016YFC0200400) 上海商用飞机系统工程联合研究基金(2020SCASEJ) 

出 版 物：《激光与光电子学进展》 (Laser & Optoelectronics Progress)

年 卷 期：2021年第58卷第20期

页      码：480-489页

摘      要：针对机载LiDAR点云中几何结构复杂和不同地物尺度变化大导致小目标点云分类准确率低的问题,本文提出了一种基于通道注意力机制进行多尺度特征融合的卷积神经网络。首先,通过球形邻域计算点云的平面度、线性度、法向量以及本征熵等浅层几何特征,并将其与网络提取的深层次语义特征进行融合,增强模型对点云几何结构的感知能力;其次,设计基于通道注意力机制的多尺度特征融合模块,学习特征融合的权重系数,使网络可以自适应调整不同尺度目标的感受野大小,实现对不同尺度信息的筛选,进而提高小尺度目标的分类精度。实验结果表明,与其他模型相比,本文模型在ISPRS机载LiDAR点云上的平均F_(1)分数为72.2%,且对电力线和汽车类别均取得了最高的分类精度,F1分数分别为64.3%和79.9%。

主 题 词：遥感 机载激光雷达点云 深度学习 注意力机制 特征融合 语义分割 

学科分类：083002[083002] 0830[工学-生物工程类] 081802[081802] 0808[工学-自动化类] 08[工学] 0818[工学-交通运输类] 081602[081602] 0816[工学-纺织类] 0702[理学-物理学类] 

核心收录：

D　O　I：10.3788/LOP202158.2028004

馆 藏 号：203106052...