基于动态图注意力的多尺度网络的零件表面点云分割方法

本发明提供基于动态图注意力的多尺度网络的零件表面点云分割方法，包括建立零件表面点云数据集；确定由编码器、解码器和分割头组成并用于零件表面点云分割的多尺度网络模型及其损失函数，并训练多尺度网络模型；获取待测的零件表面点云数据，并导入已训练好的多尺度网络模型中，得到相应的分割类别；其中，编码器包括依序设置的最远点采样层、动态图分组层、位置嵌入层、注意力聚合层和特征更新层；该编码器采用了k近邻算法构建动态图并实现动态分组，且通过注意力聚合机制从动态图中学习点对之间关联性来实现权重分配。实施本发明，能解决现有点云分割方法中深度学习模型在特征聚合方面存在区块不合理、聚合方式单一的问题。