摘要

先前的点云语义分割网络在聚合同类与异类邻点特征时采用相同的处理方式。然而，两个物体之间的重叠区域通常仅占整个场景的很小比例，因此这些网络在聚合同类点特征方面训练充分，却未能充分学习异类点特征的聚合。为解决这一问题，本文提出针对同类与异类邻点采用不同的聚合策略。具体而言，本文设计了一种定制化模块——类别引导聚合模块（Category Guided Aggregation, CGA），该模块首先判断邻点是否与中心点属于同一类别，随后针对两类邻点分别采用两个精心设计的子模块进行处理。所提出的CGA模块具有通用性，可无缝集成至任意现有的语义分割网络中。在三种不同骨干网络上的实验结果验证了该方法的有效性。