SOE-Net：一种用于点云场景识别的自注意力和方向编码网络

我们解决了从点云数据中进行位置识别的问题，并引入了一种自注意力和方向编码网络（SOE-Net），该网络充分探索了点之间的关系，并将长距离上下文融入到点级别的局部描述符中。在PointOE模块中，每个点的局部信息从八个方向被捕获，而自注意力单元则用于捕捉局部描述符之间的长距离特征依赖关系。此外，我们提出了一种新的损失函数，称为困难正样本困难负样本四元组损失（HPHN quadruplet），其性能优于常用的度量学习损失函数。在多个基准数据集上的实验表明，所提出的网络在当前最先进的方法中表现出色。我们的代码已公开发布在 https://github.com/Yan-Xia/SOE-Net。