点云特征提取网络

动态点云分割精度领先

引入历史节点状态增量建模，让点云特征学习在动态场景下比现有图网络更稳健、更具判别力。

Qihui, Li · Du, Qiliang · Tian, Liangfang · Yihua, Shao · Lu, Guoyu

Pattern Recognition 2026

技术优势

动态场景更稳

通过引入历史节点状态增量，网络能够捕捉时序演化，缓解现有方法对静态局部关系的依赖。

局部全局兼顾

MDRA 模块通过重建低秩特征并施加注意力，同时利用局部和全局关系，增强特征判别力。

三个基准领先

在 ModelNet40、ShapeNetPart、PCN 上均取得最先进结果，覆盖分类、分割与形状补全任务。

应用场景

• 自动驾驶感知：提供更稳健的动态点云特征，提升对快速移动物体的识别能力。
• 机器人三维视觉：增强机器人对时序点云的理解，改善交互与操作任务中的视觉感知。
• 无人机导航：利用历史状态增量建模，在动态环境中提供更可靠的实时点云特征，辅助导航。
• 三维场景理解：通过局部与全局关系联合建模，提升复杂场景的语义解析能力。