基于自投影注意力的城市道路点云智能识别

针对大规模城市道路点云环境中,道路典型地物识别效率不高的问题,提出了一种基于自投影注意力的三维点云模型U-RandLA,通过点云投影算法获取道路点云信息自投影图,采用二维图像卷积网络分支U-Proj提取该自投影图特征,生成注意力分布图,强化模型对典型地物的识别能力,提升了现有点云识别算法的重点区域感知能力;融合点云原始信息和具有大感受野的注意力分布图的特征,扩增模型初始感受野,解决现有算法感受野狭窄问题,提升对大尺度典型地物的信息提取能力。实验结果表明,U-RandLA模型对典型地物的平均识别准确率达到97.7%,物体平均交并比达到64.4%。帮助提升了实际项目的生产效率,已成功应用于浙江省、上海市、山东省、重庆市等城市道路部件的智能提取。