既存のアルゴリズムが点群データのグローバルな単一点特徴と局所的な幾何特徴の深層関係を無視し、取得した局所幾何情報の識別性が低く複雑な形状を効果的に識別しにくい問題に対して、自己注意機能を融合したグループ畳み込みニューラルネットワークに基づく3次元点群のセマンティックセグメンテーションアルゴリズムを提案する。まず、軽量化されたネットワークフレームワークの代理点グラフ畳み込みにより点群の局所幾何特徴を抽出し、計算量と複雑性を低減するためグループ畳み込み操作を導入し、冗長性の少ない特徴の豊かさを向上させる。次に、Transformerモジュールを介して異なるブランチ間の特徴情報を交換し、グローバル特徴と局所幾何特徴が相互に補完し合い、特徴の完全性を強化する。その後、点群の低レベルセマンティック特徴と元の点群を融合し、局所的な受容野を拡大して高次の文脈的セマンティック情報を取得する。最後に、特徴をセグメンテーションモジュールに入力し、細粒度のセマンティックセグメンテーションを完了する。実験結果は、本アルゴリズムがS3DISデータセットおよびSemanticKITTIデータセットで、それぞれ79.3％および56.6％のセグメンテーション精度を達成し、3次元点群の重要な特徴情報を抽出できること、ネットワークパラメータ数が少なく高いセマンティックセグメンテーションの堅牢性を有することを示した。

3次元点群;セマンティックセグメンテーション;グラフ畳み込み;グループ畳み込み