局部-全局特征融合的點(diǎn)云分類和分割方法

摘要： 目前深度學(xué)習(xí)方法在處理點(diǎn)云數(shù)據(jù)時(shí)存在特征挖掘與融合不充分的問題，抑制了點(diǎn)云分類和分割的精度。針對該問題，提出一種局部-全局特征融合的點(diǎn)云分類與分割網(wǎng)絡(luò)架構(gòu)LGNet。該網(wǎng)絡(luò)首先采用局部-全局動態(tài)圖特征更新機(jī)制，以獲取更有利于點(diǎn)云分類和分割的深層特征。然后在局部特征提取階段，結(jié)合圖卷積神經(jīng)網(wǎng)絡(luò)和局部注意力機(jī)制提取雙分支局部特征，并使用設(shè)計(jì)的自適應(yīng)特征融合模塊整合特征，以獲取豐富的... （共12頁）