基于图卷积和多层特征融合的点云分类方法

Abstract

为了解决现有的深度学习点云分类方法对局部特征挖掘不充分的问题并提升不同层级特征融合的质量，提出一种基于图卷积和多层特征融合的点云分类方法。首先，构造K邻域图，在此基础上利用改进的边缘函数提取更细粒度的边特征，并使用基于注意力机制的聚合方法获取更具代表性的局部特征。然后，通过多层特征融合模块调整中间特征的通道权值，引入残差连接融合不同层级的特征，加深网络层之间的信息传递。在标准公开数据集ModelNet40上的实验结果表明，相比其他点云分类方法，所提方法的分类性能更好，总体分类精度为93.2%，并且具有较强的鲁棒性。