基于局部-全局交互与结构Transformer的点云分类算法

来源：计算机应用杂志2025年第5期北京时间：

作者：陈凯, 叶海良, 曹飞龙

单位：中国计量大学 理学院，杭州 310018

摘要：针对点云分类特征提取过程中局部与全局特征提取不充分的问题，提出一种局部-全局交互与结构Transformer的点云分类算法。首先，提出双支并行的局部-全局交互框架并分别提取局部特征和全局特征，其中一支用最大池化与卷积提取局部特征，另一支用平均池化与Transformer提取全局特征。同时，考虑Transformer中位置信息的重要性，提出结构Transformer，以多次应用位置信息与当前特征的交互，进一步增强全局结构特征。最后，利用局部-全局特征进行分类，以完成点云的分类任务。实验结果表明，所提算法在ModelNet40和ScanObjectNN数据集上分别获得了93.6%和87.5%的总体准确率（OA）。可见，所提出的局部-全局交互与结构Transformer网络在点云分类任务中取得了良好的性能。

关键词：深度学习,点云分类,局部-全局交互,结构Transformer

基金资助：国家自然科学基金资助项目(62032022)