来源：期刊VIP网 时间：
作者：李金栋;程朝;韩啸;张国伟;
单位：天津科技大学轻工科学与工程学院;
摘要：为了进一步提高物料分拣机械手使用的点云数据分类模型的准确率，解决Transfomer衍生模型训练速度较慢和计算资源消耗大等问题，本研究提出了结合多模态大模型和Transformer模型的双层架构模型（PointSC），实现对点云数据的高效分类。首先，将点云模型进行二维化处理。其次，利用多模态大模型对分类结果进行初步判断，将数据集分为两个训练子集：一个包含识别正确的样本的子集，另一个包含识别错误的样本的子集，后者交由Transformer模型进行训练。最后，在测试阶段，通过投票机制整合两个模型的结果以得出最终输出。通过在公开点云数据集ModelNet40上的测试表明，本研究提出的方法实现了91.69%的3D分类精度，并且相较于PointTnT、PointCLIP等模型，训练时间均显著减少。
关键词：点云;;3D分类;;Transformer
