三维点云语义分割网络

复杂形状分割更准

该网络通过双边特征差分聚合与膨胀残差充分提取特征，在分割复杂形状点云时能够准确勾勒边界。

Yang, Yi · Xiaojie, Xue · 王田 · Cui, Kefei · 费树岷

Journal of Henan Polytechnic University (Natural Science) 2026

参数信息

平均交并比 (mIoU)

71.6 %

平均准确率 (mAcc)

83.2 %

平均交并比 (mIoU)

81.0 %

总体准确率 (OA)

96.8 %

技术优势

复杂形状分割更准

通过对几何坐标和语义特征进行差分编码与调整，网络能更充分地学习点间空间关系，从而准确勾勒复杂点云边界。

特征表达更准确

利用差分混合池化聚合显著特征，减少信息损失，获得准确的单点特征表达。

感受野更大

通过膨胀残差模块加深网络并扩大局部感受野，从而获取更大范围的上下文信息。

应用场景

• 机器人环境感知：为机器人提供逐点语义标签，提升对复杂室内环境的理解与交互能力。
• 自动驾驶场景理解：帮助自动驾驶系统精确分割道路、车辆、行人等要素，增强场景理解。
• 无人机点云处理：用于无人机获取的大场景点云数据，实现地物分类与三维建模。
• 三维测量与建模：对测量点云进行语义分割，辅助精细化三维重建与建模。