DAGLFNet：深度特征注意力引导的全局与局部特征融合的伪图像点云分割
计算机视觉与模式识别
2025-11-25 v2 机器学习
摘要
环境感知系统是高精度制图和自动导航的关键，激光雷达作为核心传感器提供准确的3D点云数据。高效处理非结构化点云同时提取结构化语义信息 remains a significant challenge。近年来，大量基于伪图像表示的方法涌现，旨在通过融合3D点云与2D网格，在效率和性能之间取得平衡。然而，伪图像表示与原始3D信息的根本性不一致严重削弱了2D-3D特征融合，成为协同信息融合的主要障碍，导致特征判别性差。本文提出DAGLFNet，一种基于伪图像的语义分割框架，旨在提取判别性特征。它包含三个关键组件：首先，全局-局部特征融合编码(GL-FFE)模块以增强集合内局部特征相关性并捕获全局上下文信息；其次，多分支特征提取(MB-FE)网络以捕获更丰富的邻域信息并提高轮廓特征的判别性；最后，基于深度特征引导注意力的特征融合(FFDFA)机制以细化跨通道特征融合精度。实验评估表明，DAGLFNet在SemanticKITTI和nuScenes验证集上的平均交并比(mIoU)分别达到69.9%和78.7%。该方法在准确率和效率之间取得了优异的平衡。
引用
@article{arxiv.2510.10471,
title = {DAGLFNet: Deep Feature Attention Guided Global and Local Feature Fusion for Pseudo-Image Point Cloud Segmentation},
author = {Chuang Chen and Yi Lin and Bo Wang and Jing Hu and Xi Wu and Wenyi Ge},
journal= {arXiv preprint arXiv:2510.10471},
year = {2025}
}