一种基于融合体素的全局掩码自编码器的点云分类分割方法及系统

本发明公开了一种基于融合体素的全局掩码自编码器的点云分类分割方法及系统，属于三维点语义分割和深度学习技术领域，包括：获取并处理无标签与有标签的点云数据集，构建基于融合体素的全局掩码自编码器模型，迁移预训练得到的参数并构建下游任务模型，再用有标签数据集对模型进行微调得到最优深度网络模型，从而用于三维点云的分类或分割。本发明采用自监督学习方法，在一定程度上解决了标记数据集不足的问题，并有效改善了以往基于掩码自编码器划分局部区块导致模型低效的问题，它没有任何最远点采样和K近邻操作，而是使用全局体素特征作为预测目标，也避免了区块划分导致信息冗余的问题。