摘要

三维语义场景标注对于在现实世界中运行的智能体至关重要。特别是，对传感器获取的原始三维点集进行标注可以提供细粒度的语义信息。近期的研究利用了神经网络（NNs）的能力，但仅限于粗略的体素预测，并未显式地强制全局一致性。本文提出了一种名为SEGCloud的端到端框架，该框架结合了神经网络、三线性插值（TI）和全连接条件随机场（FC-CRF）的优势，以实现三维点级别的分割。首先，通过三线性插值将3D全卷积神经网络生成的粗略体素预测转换回原始三维点集。然后，全连接条件随机场强制执行全局一致性，并为点集提供细粒度的语义信息。我们将后者实现为一个可微分的循环神经网络（RNN），以便进行联合优化。我们在两个室内和两个室外三维数据集（NYU V2、S3DIS、KITTI、Semantic3D.net）上评估了该框架，并展示了其性能与现有最先进方法相当或更优的结果。