典型文献
基于稀疏卷积神经网络的车载激光雷达点云语义分割方法
文献摘要：
对车载激光雷达扫描得到的点云进行语义分割是保证行车安全、加强驾驶员对周边环境理解的重要手段之一.因为内存限制和大规模点云场景更加稀疏的特点,将传统神经网络的方法直接沿用到车载激光雷达扫描得到的点云场景中的效果不佳.本文中针对大规模点云的稀疏性,利用稀疏卷积神经网络对体素化点云进行特征提取.考虑到逐点处理分支抑制点云数据的密度不一致性导致的信息损失,另外设计了3D-CA和3D-SA模块,使稀疏卷积神经网络更好地提取特征.实验结果表明,与传统卷积神经网络的方法和将点云投影到平面的方法相比,使用稀疏卷积神经网络对大规模点云进行语义分割,可将平均交并比提升4.1％和3.4％,证明了该方法的有效性.
文献关键词：
无人驾驶;点云;语义分割;稀疏卷积神经网络
中图分类号：
作者姓名：
夏祥腾;王大方;曹江;赵刚;张京明
作者机构：
哈尔滨工业大学(威海)汽车工程学院,威海264200
文献出处：
引用格式：
[1]夏祥腾;王大方;曹江;赵刚;张京明-.基于稀疏卷积神经网络的车载激光雷达点云语义分割方法)[J].汽车工程,2022(01):26-35
A类：
稀疏卷积神经网络
B类：
车载激光雷达,激光雷达点云,点云语义分割,分割方法,行车安全,驾驶员,周边环境,环境理解,大规模点云,云场景,沿用,稀疏性,体素化,逐点,点云数据,不一致性,信息损失,外设,CA,SA,提取特征,点云投影,平均交并比,无人驾驶
AB值：
0.238466
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。
