基于多视图贝叶斯融合的工业场景层次化图像引导 3D 点云分割

可靠的3D分割对于理解密集布局和多尺度物体构成的复杂场景至关重要，这类场景在工业环境中常见。在此类情境下，严重遮挡削弱了物体之间的几何边界，大尺度差异会导致端到端模型难以准确捕获粗粒度和细粒度细节。现有3D点云方法需要高成本标注，而图像引导方法常因跨视图语义不一致性问题。为此，我们提出一种层次化图像引导3D分割框架，依次从实例级到部件级逐步细化分割。实例级分割通过渲染顶视图图像并投影YOLO-World生成的掩码（由SAM生成）到3D点云上实现。部件级分割随后对上一个阶段得到的每个实例渲染多视图图像，沿用相同的2D分割和投影过程，随后采用贝叶斯更新融合以确保跨视图语义一致性。实验在真实工厂数据上表明，我们的方法有效处理了遮挡和结构复杂性，实现了各类别mIoU分数稳定高位。额外的公开数据集评估确认了该框架的泛化能力，凸显了其鲁棒性、标注效率和适应多样3D环境的能力。