一种基于密度感知与特征增强的点云语义分割方法及模型

本发明涉及一种基于密度感知与特征增强的点云语义分割方法及模型，方法包括：首先，在输入点云中进行动态密度感知采样，根据语义特征距离分组；然后，多层次提取深层语义信息后进行相对位置信息的增强，强化不同区域的局部特征；最后，在解码器上采样中根据语义同质性指导恢复采样点，使用双向自注意力机制，对点和通道级语义特征进行融合。模型包括点云输入模块、下采样模块、交叉注意力模块、位置特征增强模块、上采样模块、点云输出模块及触发阈值判断模块。将本发明方法在公开数据集S3DIS与Scannet上进行测试，mIoU分别达到了73.0％与74.8％，相对基线模型分别提升了2.6％与4.2％，证明了本方法的有效性。