计算机应用

作者：李维刚, 王栋, 王永强, 李金灵

单位：1.武汉科技大学 人工智能与自动化学院，武汉 430081；2.武汉科技大学 冶金自动化检测技术教育部工程研究中心，武汉 430081

关键词：点云滤波,局部特征,动态图边卷积,特征融合,注意力机制

基金：湖北省科技人才服务企业项目(202400288)

针对现有滤波方法在处理具有高复杂度几何结构的点云模型中存在特征模糊现象，导致最终滤波效果较差的问题，设计一种基于自适应特征提取和特征融合策略的点云滤波网络PFRNet（Point cloud Feature Regularization fusion Network）。首先，通过自适应空间特征提取器学习不同邻域之间的特征信息，从而捕获不同维度的局部邻域特征，减少局部细节的丢失；其次，通过局部特征正则化融合从点云的局部信息中引入全局双线性响应，并对它进行正则化融合，削弱点云的共性特征，增强尖锐特征；最后，通过自相关注意力解码器在解码过程中增强不同邻域之间的联系，提升模型的全局感知能力，以更好地提取局部几何特征。实验结果表明，与Pointfilter相比，PFRNet的倒角距离（CD）和均方误差（MSE）分别降低了7.45%、4.99%；可视化结果显示，PFRNet相较于其他方法能够生成更接近真实的点云模型。

来源：2025年第12期

《计算机应用》期刊编辑部

查看计算机应用杂志2025年第12期