一种基于局部几何轮廓和全局结构保持的点云分类/分割方法

本发明公开了一种基于局部几何轮廓和全局结构保持的点云分类/分割方法，首先分别从空间距离和特征空间角度提取点云的局部与全局邻域关系图，其中，空间距离计算和k‑近邻算法精确捕捉点云数据中复杂的几何和语义信息，增强了特征提取的准确性和鲁棒性，同时，邻域关系图自扩散机制进一步强化了点云表面轮廓的特征扩散，以充分利用局部几何轮廓信息，提高了局部结构的表达能力，然后，从局部邻域关系图、全局邻域关系图中分别提取出局部特征和全局特征，送入特征融合模块中，利用交叉注意力机制有效地融合局部特征与全局特征，自适应地强化关键信息，从而提升分类和分割的精度，这一融合方法使得分类/分割输出头能够更加精准地捕捉不同尺度的特征，提高了对复杂点云数据的处理能力，使得其根据输入的融合特征生成准确的分类/分割结果，显著提升了分类/分割精度。