用于三维点云分割和分类的高分辨率特征网络

作     者：朱骏杰 刘东峰 

作者机构：广东工业大学信息工程学院 

出 版 物：《广东工业大学学报》 (Journal of Guangdong University of Technology)

年 卷 期：2025年

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

基　　金：广东省自然科学基金资助项目(2024A1515012058) 

主　　题：多尺度特征 三维点云处理 高分辨率 特征融合 早期阶段 

摘      要：多尺度特征在点云领域的密集预测任务中至关重要。当前三维点云处理技术主要依赖编码器-解码器框架，通过主干网络提取并融合多尺度特征。然而，这些方法通常采用延迟融合策略，导致特征集成不足。为解决这一问题，本文提出了HRFN3D(High-resolution Feature Network for 3D Point Cloud)模型，一种专为点云分类和分割任务设计的高分辨率特征网络。HRFN3D通过创新性的关系学习模块，在早期阶段进行特征融合，促进低分辨率高语义点与高分辨率低语义点的交互，使高分辨率点在早期阶段就保留高语义信息，优化后续特征学习。在后期，结合不同池化策略生成全局特征向量，并与原始点特征拼接，既保留细节，又增强全局特征的代表性。实验结果显示，HRFN3D在Shape Net Part数据集上将类平均交并比和实例平均交并比分别提升了2.2个百分点和0.9个百分点，并获得了最佳实例平均交并比86.3%；在Model Net40数据集上，以4.3 M的参数量实现了91.5%的最高类平均精度。这些结果验证了HRFN3D在多尺度特征处理中的有效性。