来源：期刊VIP网 时间：
作者：田晟;熊辰崟;龙安洋;
单位：华南理工大学土木与交通学院;
摘要：城市道路场景的点云数据量巨大、类别分布不平衡且密度极不均匀，导致现有的点云分类方法难以满足高精度分类的需求。为了解决现有PointNet++网络对局部特征提取不充分的问题，本文充分考虑场景的上下文信息和点之间的全局依赖性，构建融合上下文信息的PointNet++点云分类网络模型。首先，基于注意力机制设计局部特征聚合模块，通过动态地融合邻域点特征以充分捕获局部信息。其次，考虑现有的分类模型不能顾及上下文信息，导致复杂场景下的分类性能受限，本文构建上下文感知模块和双注意力模块，从多个维度提取上下文信息，进一步增强特征的表达能力。实验结果表明：改进模型在大型点云数据集下具有更高的分类精度及更强的泛化性能(总体分类精度在Oakland和Paris公开数据集上分别为98.70%和96.84%),更适用于大规模点云分类。
关键词：点云分类;;PointNet++;;局部特征;;注意力机制;;上下文信息;;城市道路
基金资助：广东省自然科学基金(2020A1515010382,2021A1515011587)
