计算机应用

作者：李维刚, 李歆怡, 王永强, 赵云涛

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,分类分割,自适应,动态图卷积,注意力机制

基金：湖北省科技人才服务企业项目(202400288)

针对传统卷积在处理点云时难以精确提取邻域特征信息和有效融合上下文信息的问题，提出一种基于自适应动态图卷积和无参注意力的点云分类分割方法。首先，通过自适应动态图卷积模块（ADGC）学习不同邻域的特征信息，生成自适应卷积核，并更新边缘特征，从而精确提取点云的局部邻域特征；其次，设计残差结构学习点云的空间位置信息，以精确捕获点对之间的几何结构，更好地保留和提取细节特征；最后，为了更好地关注和提取局部几何特征，结合无参注意力模块（PFA）与卷积操作，增强邻域之间的联系和模型的上下文感知能力。实验结果表明，与PointNet相比，所提方法在多种任务上具有显著优势，具体地，所提方法的分类任务的总体精度（OA）提升了4.6个百分点，部件分割任务实例的平均交并比（mIoU）提升了2.3个百分点，语义分割任务的mIoU提升了24.6个百分点。可见，所提方法进一步增强了对复杂几何结构的理解和表征能力，在各种任务中实现了更精确的特征提取和实验性能。

来源：2025年第6期

《计算机应用》期刊编辑部

查看计算机应用杂志2025年第6期