基于点云位置编码和多模态特征融合的三维模型分类方法

本发明提出一种基于点云位置编码和多模态特征融合的三维模型分类方法。目前三维模型分类方法存在对各点之间的联系关注不够的问题。针对上述问题，本发明提出一种结合点云的相对位置编码、DRCNN(Dual‑Ring Convolutional Neural Network)、MVCNN(Multi‑view Convolutional Neural Network)的点云分类模型。本发明首先通过点云的相对位置编码感知局部邻域特征变化，再输入DRCNN得到点云的全局特征。然后，通过MVCNN提取多视图特征对点云表示进行补充。本发明的优点在于，该方法更有效地探索点云与多视图之间的相关性，生成更具判别性的多模态特征，两者结合改善了三维模型分类的性能。