来源：期刊VIP网 时间：
作者：赵爽;周义昂;王振龙;朱元昆;
单位：上海电机学院机械学院;
摘要：室内点云场景广泛应用于虚拟现实和机器人导航等领域。然而，室内场景中物体的密集性、复杂性以及多遮挡等带来的数据不完整和多噪声问题，一定程度上限制了点云语义分割的准确度。针对上述问题，提出了一种基于改进DGCNN的室内场景语义分割方法。首先，利用K-近邻算法和点云的几何距离在动态图的基础上构造静态图，提升对动态图形中几何位置关系的利用程度；接着，对于点云数据不完整和多噪声的现象，引入了残差卷积模块，使模型可以捕捉更多层次的特征信息，提高特征提取的能力；其次，对于物体复杂性和多遮挡的现象，引入了通道注意模块和空间自注意力模块，提高模型的语义分割精度。在公开数据集S3DIS上的实验结果表明，本文模型相较于原始DGCNN模型对室内点云语义分割的整体mIoU指标提高了9.2%。
关键词：室内场景;;语义分割;;残差卷积;;注意力机制
基金资助：国家自然科学基金项目(32472005)
