计算机应用

作者：李维刚, 曹文杰, 李金灵

单位：1.武汉科技大学 信息科学与工程学院，武汉 430081；2.冶金自动化与检测技术教育部工程研究中心（武汉科技大学），武汉 430081

关键词：点云补全,局部特征,自适应邻域,局部感知,交叉注意力

基金：湖北省科技人才服务企业项目(202400288)

点云补全指利用不完整的点云数据重建高质量的完整点云。然而，现有的大多数点云补全网络在捕捉局部特征和重建细节方面存在不足，导致生成的点云在局部细节和补全精度上表现不佳。为解决上述问题，提出一种基于自适应邻域特征融合的多阶段点云补全网络（ANFF-Net）。首先，特征提取器通过自适应调整关键点的邻域选择适应不同形状的点云，有效捕捉不同语义点之间的空间关系，减少局部细节信息的丢失；其次，特征拓展器利用局部感知Transformer进一步扩展邻近点的局部特征信息，提升网络的细节恢复能力；最后，点云生成器采用交叉注意力机制选择性传递不完整点云的局部特征信息，并使用折叠模块逐步细化点云的局部区域，显著增强补全后点云的细节保留，生成更一致的几何细节。实验结果表明，ANFF-Net在ShapeNet55数据集上的平均补全精度相较于ProxyFormer提升了9.68%，并在PCN和KITTI数据集上取得了较好的补全效果。可视化结果显示，ANFF-Net生成的点云具有更高的细粒度，形状更接近真实值。

来源：2025年第10期

《计算机应用》期刊编辑部

查看计算机应用杂志2025年第10期