激光与红外

作者：徐海涛

单位：1.中国科学院沈阳自动化研究所,辽宁 沈阳 110016；2.中国科学院机器人与智能制造创新研究院,辽宁 沈阳110169;[JP3]3中国科学院大学,北京 100049；4.辽宁省智能检测与装备技术重点实验室,辽宁 沈阳 110179；5.中国航发动力股份有限公司,陕西 西安 710021；

关键词：三维点云;注意力机制;图神经网络;多尺度特征融合

基金：辽宁省应用基础研究计划项目(No.2022JH2/101300203；No.2023JH2/101300148)资助。

为了增强基于深度学习的三维点云分类模型对全局特征的建模能力,提高模型的泛化性能,在PointNet的基础上,提出了基于图神经网络和注意力机制融合的点云分类模型。首先,将提取的特征分别通过增加通道注意力模块和空间注意力模块,使模型更加关注全局上下文信息,抑制噪声信息,减少冗余参数,增强对全局特征的建模能力；其次,通过在多尺度球半径内进行不同K值最近邻搜索对编码的输入特征进行构图,既减小了图的规模,降低训练开销,又使模型学习不同层级的特征表示；最后,通过图卷积神经网络汇聚邻域信息,更新节点特征,并将不同图卷积神经网络层输出特征进行相加,融合多层级特征,提高分类准确率。本文在公用数据集 ModelNet40上进行训练与测试,其总体分类准确为886,优于通用的3DShapeNets、VoxNet、ECC、PointNet模型,证明了模型在点云分类上的优越性。

来源：2024年第8期

《激光与红外》期刊编辑部

查看激光与红外杂志2024年第8期