RandLA-Net: Efficient Semantic Segmentation of Large-Scale Point Clouds

RandLA-Net是由Qingyong Hu、Bo Yang、Linhai Xie、Stefano Rosa、Yulan Guo、Zhihua Wang、Niki Trigoni和Andrew Markham于2020年提出的大规模点云语义分割论文，发表在CVPR 2020上。该论文提出了一种基于随机点采样的高效点云语义分割网络，通过随机采样和局部特征聚合模块，能够在保持高精度的同时实现高效的大规模点云处理。RandLA-Net引入了局部特征聚合（LFA）模块，能够有效捕获点云的局部几何结构和空间关系，在SemanticKITTI、Semantic3D和S3DIS等大规模点云数据集上取得了当时最优的性能。RandLA-Net是大规模点云语义分割领域的重要论文，被引用超过1000次，对后续的大规模点云处理研究产生了深远影响。