基于上下文融合和3D循环神经网络的点云语义分割
3D Recurrent Neural Networks with Context Fusion for Point Cloud Semantic Segmentation
基于上下文融合和3D循环神经网络的点云语义分割
3D无序点云的语义分割问题目前仍然是一个开放式的研究问题。现有的对点云做语义分割的算法或是将其体素化转为规则点云，或是仅仅考虑每个点独立的特征，缺乏上下文的信息。本工作提出了基于上下文信息融合的端到端的无序点云语义分割算法。该算法主要有两个创新点，首先利用逐点金字塔池化来捕获不同尺度的局部上下文信息，然后利用两个方向上的层级顺序循环神经网络来融合更大范围的上下文信息。算法在室内室外3D点云数据集上均取得了较好的效果。
图1 算法流程图
图2 两个方向的层级RNN示意图。第一个x-方向的RNN输出重组后作为第二个y-方向RNN的输入
图3 数据集上的对比效果，从左往右分别是其他工作，其他工作，本文工作，真值
本文链接：