基于位置编码和双距离注意的点云分割方法

近年来,卷积和图运算被广泛用于从点云中捕获特征信息的研究中,在语义分割任务中表现出良好的性能。然而,这些方法在表示点云的局部信息方面存在局限性,并且采用对称池化操作而丢失了大量的特征信息。为了解决这些问题,提出DualRes-Net网络。该网络采用位置编码模块对局部坐标特征进行编码,使网络能够专注于点云位置信息,获得更好的局部特征表示。利用双距离注意力池将中心点与邻近点的差异与注意力相结合,增强了注意力对局部点云信息的自适应聚合能力。在网络的每个阶段使用去分化残差结构来提取点云的深层特征。由于不同的输入类型具有显著的分布差异,为了稳定模型训练,提高模型性能,对每种类型的特征分别应用MLP。在S3DIS Area5的语义分割实验中,所提方法的分割性能mIoU达到了63.7%,超过了许多现有的网络,证明了所提方法的有效性。