计算机应用

作者：陈子和, 陈斌

单位：1.中国科学院 成都计算机应用研究所，成都 610213；2.中国科学院大学，北京 100049；3.哈尔滨工业大学（深圳） 国际人工智能研究院，广东 深圳 518055；4.哈尔滨工业大学 重庆研究院，重庆 401151

关键词：计算机视觉,点云,无监督异常检测,特征嵌入,记忆库

随着工业自动化需求的不断增长，三维点云异常检测在产品质量控制中扮演着越来越重要的角色。然而，现有方法通常依赖单一特征，导致信息损失和精度下降。因此，提出一种基于多表征融合的无监督点云异常检测方法MRF（Multi-Representation Fusion）。MRF利用多角度旋转和多种着色方案将点云渲染为多模态图像，并使用预训练的二维卷积神经网络提取丰富的语义特征；同时，还采用预训练的Point Transformer提取三维结构特征。之后，通过融合二维图像语义特征和三维结构特征，MRF能够更全面地捕捉点云信息。在异常检测阶段，MRF使用基于正样本记忆库和近邻搜索的方法，可有效地识别异常点云。在MVTec 3D AD数据集上的实验结果表明，MRF的点云级接受者操作特征曲线下面积（AUROC）为0.972，点级区域重叠度（AUPRO）为0.948，显著优于对比方法。可见，该方法的有效性和鲁棒性使它成为工业应用中极具潜力的解决方案。

来源：2025年第5期

《计算机应用》期刊编辑部

查看计算机应用杂志2025年第5期