一种基于场景注意力的城市真实场景3D模型语义分割方法

《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》：A Scene Attention-Based Semantic Segmentation Method for Urban Real-scene 3D Models

　　

摘要：

得益于斜向摄影测量和激光雷达技术的快速发展，如今可以轻松生成大规模城市真实场景的3D模型。然而，现有的模型主要以几何信息为主，缺乏语义理解能力，这限制了它们在智慧城市应用中的实用性。本文提出了一种基于场景注意力的网格语义分割方法。通过四叉树结构整合坐标特征和纹理特征，我们设计了一个场景注意力卷积模块，该模块在并行双分支框架中协同结合了网格注意力和边缘卷积。此外，还采用了自适应加权机制，进一步提升了语义上下文与局部几何细节的融合效果。在赫尔辛基SUM数据集上的测试表明，该方法的总准确率为94.3%，平均F1值为83.0%，平均交并比为73.2%。其平均交并比比KPConv的68.8%高出4.4个百分点，展现出出色的分割性能。