一片玉米地变成点云之后，最难认的地方往往贴着地面。高处的叶片很显眼，大片裸土也容易辨认；麻烦的是垂下来的叶尖、茎秆的底部，以及它们之间零零散散的地面点。只看一个小邻域，这些点的形状和高度都可能十分接近。人会转动视角，看看它们接在什么结构上。理解 PlaneSegNet，可以从这个动作开始。
这篇论文给三维分割网络加了两个观察方向：XZ 和 YZ，也就是两个保留高度的侧视平面。消融实验中，再补上俯视的 XY 平面，边界分割反而变差了。三个方向看起来比两个方向更完整，为什么多看的这一眼没有帮上忙？
高度把两类点分开了
把 Z 轴放在竖直方向，差别就很直观。投到 XY 平面，相当于把上方的叶片和下方的土地压在同一张俯视图里，高度差消失了。投到 XZ 或 YZ 平面，地面大致收成一条低矮的带状结构，植株则从这条带上向上展开。贴地的叶片仍然难认，但模型多了一条线索：这个点与周围结构的关系，更像地面的一部分，还是植株向下延伸的一部分？下面三个视图来自同一个简化场景，可以直接比较丢掉不同坐标轴的结果。
高处的植物点被压回杂乱的地面足迹。
植物仍然高于狭窄的地面带。
另一侧的垂直视图也保留了高度过渡。
高度在这里有用，是因为植物所处的世界有一个特殊方向：重力。地面沿水平方向铺开，植株总体向上生长；这使竖直方向承载了不同于水平方向的结构信息。两个侧视平面都保留高度，又分别保留一个水平方向，可以提供互补的观察。三个坐标轴在公式里地位相同，在这片玉米地里却各有分工。
投影之后，还要把信息送回三维
PlaneSegNet 保留了稀疏三维 U-Net 的主干。点云先被放进细小的立方网格，也就是体素；网络在有点的格子上提取特征，逐步扩大观察范围，再恢复分辨率。平面模块插在这个编码、解码的过程中，因此它看到的是不同尺度的三维特征。最后，体素的分类结果通过保存的索引对应回原始点云。原项目的网络结构图把这条主干和内部的平面模块放在了一起。
平面模块做的事情可以沿一个体素看清楚。投到 XZ 时，所有落在同一个 XZ 网格位置的三维特征，会沿 Y 方向取均值，得到这一位置的平面特征。随后，模块按照原来的坐标，把它分配回对应的三维体素。YZ 分支也做一次同样的操作。一个体素于是同时拿到了自己的局部特征，以及从两个方向汇集来的信息；这些特征经过拼接、两层全连接网络和残差连接，形成增强后的表示。
这样一来，原本沿某个方向相隔很远的体素，也有了直接共享信息的机会。三维分支继续保留局部细节，平面分支提供方向性的汇总；投影损失的那一维，并没有从整个网络中被删除。这种组织让模型更容易用上“同一高度附近的结构”，而无需仅靠局部卷积一层层把远处的线索传过来。
把指标移到最难的地方
论文的平面消融实验有一个容易被略过的现象：几个变体的整体 IoU 和 F1 分数非常接近。大量高处的植物点和清楚的地面点已经分对了，剩下的困难区域只占很小一部分。于是作者另外设计了按高度分层的评价：从最低植物点的高度开始，以 5 厘米为步长考察六层，把贴地的分割表现单独拿出来看。一个专门改善边界的方法，要到边界附近才能看清它的价值。
把评价范围缩到这里，各个方向的差别就显出来了。下面概括了论文消融实验中六种配置的关系。它与前面的几何直觉一致：保留高度的两个视图有帮助，额外的俯视聚合会损害边界表现。信息已经在输入里，并不意味着任意一种汇总方式都有利于模型使用它。
| 平面配置 | 边界区域的表现 |
|---|---|
| 不加平面模块 | 稀疏三维 U-Net 基线 |
| 只加 XY | 相比基线略有下降 |
| 只加 XZ；只加 YZ | 两个单平面变体均有改善 |
| XZ + YZ | 六种配置中表现最好，底部差异尤其明显 |
| XY + XZ + YZ | 低于只用两个垂直平面的配置 |
地面只剩几处碎片的时候
作物长到后期，密集的冠层会遮住地面，扫描得到的地面点变得稀疏而不连续。这时，“在附近找一块平整表面”的线索也跟着变弱了。论文用前期训练的权重直接测试这种场景，没有再微调：稀疏三维 U-Net 的地面 IoU 为 0.6613，PlaneSegNet 为 0.9774。IoU 衡量预测地面与标注地面的交集占并集的比例；这组结果说明，模型在这些场景中找回了更多被植株包围的地面碎片。从稀疏地面实验看，局部信息不足时，同一高度附近的远处结构仍能提供参照。
这个解释同时指出了一个实际条件：坐标系要能体现竖直方向。作者把点云绕 X、Y 轴分别倾斜 5°、10°、15°，模拟传感器安装或姿态的偏差；边界精度有所下降，但仍高于稀疏三维 U-Net 基线。轻微倾斜没有立刻抹掉有用的结构，却也说明这种方法主动利用了方向。部署时先把点云中的“上”放对位置，会比期待网络自己忽略一切姿态差别更顺理成章。
论文还分别在包含玉米、油菜和马铃薯的 Crop3D 温室数据，以及 DALES 机载点云上训练、评估了网络。后者要区分八类对象，已经超出了植物与背景的二分类。这些实验把设计的适用范围从一片玉米地推向了更多场景：地面、植被与建筑等对象，依然具有可利用的竖直结构。外部玉米数据的直接测试，则从另一个角度检查了已经学到的特征能否跨数据来源工作。
我喜欢这个设计的地方，在于它把人工看点云时的一点经验，变成了一条明确的信息通路。转到侧面，地面和植株的关系更容易看清；保留这两个方向的汇总，再让三维特征补足细节，网络便有了更合适的观察方式。点云原本已经包含了全部坐标。选择投影的价值，就在于把任务需要的关系从这些坐标里显露出来。