点云着色对语义分割精度的影响评估

点云语义分割，即将每个点分类到预定义类别的过程，是 3D 场景理解中的关键环节。虽然基于图像的分割方法因成熟而广泛采用，但仅依赖 RGB 信息的方法常因颜色不准确而导致性能下降。近期研究已Incorporate 额外特征，如强度和几何信息，但 RGB 通道在颜色化错误发生时仍对分割精度产生负面影响。尽管如此，之前的研究并未严格量化错误着色对分割性能的影响。本文提出一种新颖的统计方法，用于评估不准确的 RGB 信息对基于图像的点云分割的影响。我们将 RGB 错误分为两种类型：错误的颜色信息和相似的颜色信息。我们的结果表明，这两种颜色错误都会显著降低分割精度，其中相似颜色错误尤其影响几何特征的提取。这些发现突显了重新评估 RGB 信息在点云分割中作用的必要性，以及对未来算法设计的启示。