摘要

鉴于当前三维传感器的广泛应用，对原始点云数据进行细粒度分析具有重要的研究价值。特别是，真实场景下的点云数据能够直观地捕捉现实世界中复杂的环境结构，但由于三维数据本身的原始特性，给机器感知带来了巨大挑战。本文聚焦于在真实环境中采集的大规模点云数据，开展基础性的视觉任务——语义分割研究。一方面，为减少邻近点之间的歧义性，我们通过双向结构充分融合几何与语义特征，增强局部上下文信息；另一方面，我们从多尺度视角全面解析点的区分性，并采用自适应融合策略在点级别上构建特征表示，以实现更精确的语义分割。此外，本文通过详尽的消融实验与直观的可视化结果，验证了所提出关键模块的有效性。在三个不同基准数据集上的对比实验表明，所提出的网络在性能上优于当前最先进的方法，充分证明了其有效性。