可學(xué)習(xí)動態(tài)分組卷積神經(jīng)網(wǎng)絡(luò)的大規(guī)模點(diǎn)云分割

摘要： 針對現(xiàn)有大規(guī)模點(diǎn)云語義分割算法提取特征時(shí)冗余干擾信息過多，導(dǎo)致神經(jīng)網(wǎng)絡(luò)分割性能較差的問題，提出可學(xué)習(xí)動態(tài)分組卷積神經(jīng)網(wǎng)絡(luò)架構(gòu)，高效準(zhǔn)確地實(shí)現(xiàn)大規(guī)模點(diǎn)云分割。對輸入點(diǎn)云以分組的方式進(jìn)行局部幾何特征提取，并通過動態(tài)篩選和修剪冗余特征通道來減少無用特征信息對神經(jīng)網(wǎng)絡(luò)特征識別的干擾，進(jìn)一步提高網(wǎng)絡(luò)模型語義分割精度。構(gòu)建位置編碼模塊，將點(diǎn)云位置特征映射到高維頻域空間，使神經(jīng)網(wǎng)絡(luò)充分挖掘點(diǎn)...