融合多分辨率特征的点云分类与分割网络

针对现有网络难以有效学习点云局部几何信息的问题，提出一种融合点云多分辨率特征的图卷积网络。首先，通过k-最近邻算法对点云构建局部图结构，以更好地表示点云的局部几何结构。其次，基于最远点采样算法提出一个并行通道分支，该分支通过对点云进行下采样来获得不同分辨率的点云，然后对其进行分组处理；为克服点云的稀疏特性，提出一种几何映射模块对分组点云执行正态化操作。最后，提出一种特征融合模块对图特征和多分辨率特征进行聚合，以更有效地获得全局特征。实验使用ModelNet40、ScanObjectNN和ShapeNet Part数据集进行评估，结果表明，提出的网络具有良好的分类与分割性能。