基于稀疏卷积神经网络的车载激光雷达点云语义分割方法

作     者：夏祥腾 王大方 曹江 赵刚 张京明 Xia Xiangteng;Wang Dafang;Cao Jiang;Zhao Gang;Zhang Jingming

作者机构：哈尔滨工业大学(威海)汽车工程学院威海264200 

出 版 物：《汽车工程》 (Automotive Engineering)

年 卷 期：2022年第44卷第1期

页      面：26-35页

核心收录：

学科分类：080904[工学-电磁场与微波技术] 12[管理学] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 0810[工学-信息与通信工程] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 082304[工学-载运工具运用工程] 081104[工学-模式识别与智能系统] 081105[工学-导航、制导与控制] 080204[工学-车辆工程] 081001[工学-通信与信息系统] 0835[工学-软件工程] 0802[工学-机械工程] 081002[工学-信号与信息处理] 0825[工学-航空宇航科学与技术] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 0823[工学-交通运输工程] 

基　　金：哈尔滨工业大学重大科研项目培育计划(ZDXMPY20180109)资助 

主　　题：无人驾驶 点云 语义分割 稀疏卷积神经网络 

摘      要：对车载激光雷达扫描得到的点云进行语义分割是保证行车安全、加强驾驶员对周边环境理解的重要手段之一。因为内存限制和大规模点云场景更加稀疏的特点,将传统神经网络的方法直接沿用到车载激光雷达扫描得到的点云场景中的效果不佳。本文中针对大规模点云的稀疏性,利用稀疏卷积神经网络对体素化点云进行特征提取。考虑到逐点处理分支抑制点云数据的密度不一致性导致的信息损失,另外设计了3D-CA和3D-SA模块,使稀疏卷积神经网络更好地提取特征。实验结果表明,与传统卷积神经网络的方法和将点云投影到平面的方法相比,使用稀疏卷积神经网络对大规模点云进行语义分割,可将平均交并比提升4.1%和3.4%,证明了该方法的有效性。