典型文献
SANet:空间注意力机制下的LiDAR点云实时语义分割方法
文献摘要：
语义分割是智能机器人由感知智能迈向认知智能的重要基础,当前针对点云数据的语义分割方法存在实时性差、精度低等现象.本文系统分析了点云经球面投影所得的距离图像与自然图像的差异,为基于距离图像的实时语义分割网络设计提供了思路.通过分析发现,距离图像具有强空间相关性的特点,将强空间相关性与注意力机制相结合,提出基于空间注意力机制下的LiDAR点云实时语义分割方法SANet.该方法能够高效地聚合空间分布特征与上下文特征,且模型参数量较少,满足实时性的要求.在SemanticKITTI数据集上的试验表明,与其他优秀算法相比,SANet兼顾了实时性与准确性,显著提高了LiDAR点云语义分割的精度,可为自动驾驶及其他机器人应用领域提供辅助支撑.
文献关键词：
空间注意力;点云语义分割;SemanticKITTI;距离图像
中图分类号：
作者姓名：
王玮琦;游雄;苏明占;张蓝天;周雪莹;赵耀
作者机构：
信息工程大学,河南郑州450052;北京市遥感信息研究所,北京100192;北京理工大学,北京100081
文献出处：
引用格式：
[1]王玮琦;游雄;苏明占;张蓝天;周雪莹;赵耀-.SANet:空间注意力机制下的LiDAR点云实时语义分割方法)[J].测绘通报,2022(11):32-38
A类：
SANet
B类：
空间注意力机制,LiDAR,实时语义分割,分割方法,智能机器人,感知智能,认知智能,点云数据,球面投影,距离图像,基于距离,语义分割网络,网络设计,空间相关性,空间分布特征,上下文特征,模型参数量,SemanticKITTI,点云语义分割,自动驾驶,机器人应用,辅助支撑
AB值：
0.276227
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
