计算机工程与应用

作者：安翠娟, 庞婉圆, 伯锐翔, 丁大伟

单位：1.北京科技大学 自动化学院，北京 100083；2.中石化新星江苏华东新能源开发有限公司，南京 211800；3.北京科技大学 工业过程知识自动化教育部重点实验室，北京 100083；

关键词：点云分类,动态反冗余,跨维度注意力

基金：国家自然科学基金面上项目（62273035）。

针对点云分类中冗余信息比例高、捕捉特征关系不足的问题，设计了跨维度注意力（CDA）模块和动态反冗余（DAR）模块，将其与Transformer网络结合进行点云分类。跨维度注意力模块使通道能够以统一方式进行空间关注，在获取空间信息的同时能更好地捕捉全局特征；而动态反冗余模块通过生成通道之间的相似性矩阵，有效筛选冗余信息，解决点云中冗余信息比例较高的问题。两个模块的结合旨在整合通道和空间注意力，提升点云分类的性能。在ScanObjectNN和ModelNet40数据集上进行实验验证，在ScanObjectNN上分类准确率达到88.5%，在ModelNet40上分类准确率达到94.7%。实验结果显示，提出的网络可以排除点云冗余信息，捕捉数据多维度特征，提升检测精度。

来源：2026年第3期

《计算机工程与应用》期刊编辑部

查看计算机工程与应用杂志2026年第3期