摘要

下采样与特征提取是理解三维点云的关键步骤。现有方法受限于点云中不同区域点密度不一致的问题。本文针对下采样阶段的局限性进行了分析，并提出了一种预抽象阶段的分组窗口归一化模块（pre-abstraction group-wise window-normalization module）。具体而言，通过引入窗口归一化方法，有效统一了点云中不同区域的点密度分布；同时，采用分组策略以提取多种类型的特征，包括纹理信息与空间结构信息。此外，本文还设计了预抽象模块，以实现局部特征与全局特征之间的平衡。大量实验表明，所提出的模块在多个任务上均表现出优越性能。在S3DIS数据集（Area 5）的分割任务中，该模块在小物体识别方面表现更优，分割结果边界更加精确。例如，沙发（sofa）和柱子（column）的识别准确率分别从69.2%提升至84.4%，从42.7%提升至48.7%。整体指标方面，mIoU/mAcc/OA分别由71.7%/77.6%/91.9%提升至72.2%/78.2%/91.4%。在S3DIS上的六折交叉验证中，准确率达到了77.6%/85.8%/91.7%，在mIoU指标上比当前最优模型PointNeXt-XL（74.9%/83.0%/90.3%）提升了2.7%，达到了当前最优水平。相关代码与模型已开源，地址为：https://github.com/DBDXSS/Window-Normalization.git。