基于超深局部聚合神经网络的点云特征提取方法及系统

本发明提供一种基于超深局部聚合神经网络的点云特征提取方法及系统，包括：基于获取点云数据信息，构建训练数据集和测试数据集；搭建深度高达120层的超深局部聚合点云特征提取网络；采用残差局部特征提取模块计算多阶段局部特征图；在特征反向传播的过程中，采用混合深度监督策略，通过动态加权交叉熵损失与均方误差损失对齐各阶段特征与真值标签及空间分布，对网络进行优化和迭代训练；将测试数据集输入训练好的点云特征提取网络，输出点云特征的语义预测结果。本发明能够构建120层深的超深局部聚合神经网络进行点云局部特征提取，实现了点云处理效率与预测分类精度的双重突破。