第３７卷第３期２０２３年３月北京测绘ＢｅｉｊｉｎｇＳｕｒｖｅｙｉｎｇａｎｄＭａｐｐｉｎｇＶｏｌ．３７Ｎｏ．３Ｍａｒｃｈ２０２３引文格式：夏旺．结合自注意力机制的多特征融合点云语义分割网络［Ｊ］．北京测绘，２０２３，３７（３）：４４３⁃４４７．Ｒｅｆｅｒｅｎｃｅｆｏｒｍａｔ：ＸＩＡＷａｎｇ．Ｍｕｌｔｉ⁃ｆｅａｔｕｒｅｆｕｓｉｏｎｐｏｉｎｔｃｌｏｕｄｓｅｍａｎｔｉｃｓｅｇｍｅｎｔａｔｉｏｎｎｅｔｗｏｒｋｃｏｍｂｉｎｅｄｗｉｔｈｓｅｌｆ⁃ａｔｔｅｎｔｉｏｎｍｅｃｈａｎｉｓｍ［Ｊ］．ＢｅｉｊｉｎｇＳｕｒｖｅｙｉｎｇａｎｄＭａｐｐｉｎｇ，２０２３，３７（３）：４４３⁃４４７．ＤＯＩ：１０．１９５８０／ｊ．ｃｎｋｉ．１００７⁃３０００．２０２３．０３．０２４［收稿日期］２０２２⁃１０⁃３１［基金项目］国家重点研发计划（２０２１ＹＦＢ２６００４００）；中铁第四勘察设计院集团有限公司博士后科研课题（２０２１Ｋ０８４）［作者简介］夏旺（１９９１—），男，湖北武汉人，博士，研究方向为摄影测量与遥感、人工智能。Ｅ⁃ｍａｉｌ：１５４８９６３２８０＠ｑｑ．ｃｏｍ结合自注意力机制的多特征融合点云语义分割网络夏旺（中铁第四勘察设计院集团有限公司，湖北武汉４３００６３）［摘要］由于三维激光点云的无序性、稀疏性、非结构性以及光谱纹理信息缺乏，使得点云的语义信息提取十分困难，而可以直接对原始非结构化点云进行语义分割的ＰｏｉｎｔＮｅｔ＋＋网络无法考虑点云的空间相关性。针对这个问题，本文提出了一种结合自注意力机制的多特征融合点云语义分割网络，使用ＰｏｉｎｔＮｅｔ＋＋和非局部信息统计注意力模块分别提取点云的多尺度特征和空间相关性特征，并融合两种特征以进行最终的点云分割。通过在ＩＳＰＲＳ３Ｄ语义分割数据集上进行对比实验，证明本文通过自注意力机制提取的空间相关性特征优于人工设计的特征，可以明显提高点云语义分割的精度，本文方法较ＰｏｉｎｔＮｅｔ＋＋总体精度提升了４．５％。［关键词］语义分割；自注意力机制；深度学习；点云［中图分类号］Ｐ２０８［文献标识码］Ａ［文章编号］１００７⁃３０００（２０２３）０３⁃０４４３⁃０５０引言随着三维激光扫描技术的发展，机载激光雷达的成本越来越低，点云精度和密度越来越高，因此在测绘、环境监测［１］、自动驾驶［２］等领域的使用越来越普及。但是由于三维激光点云的无序性、稀疏性、非结构...
