[1] SU H, MAJI S, KALOGERAKIS E et al. Multi-view convolutional neural networks for 3D shape recognition[C], 945-953(2015).

[2] MATURANA D, SCHERER S. Voxnet： a 3D convolutional neural network for real-time object recognition[C], 922-928(2015).

[3] RIEGLER G, ULUSOY A O, GEIGER A. OctNet： learning deep 3D representations at high resolutions[C], 6620-6629(2017).

[4] WANG P S, LIU Y, GUO Y X et al. O-CNN[J]. ACM Transactions on Graphics, 36, 1-11(2017).

[5] CHARLES R Q, HAO S, MO K C et al. PointNet： deep learning on point sets for 3D classification and segmentation[C], 77-85(2017).

[6] QI C R, YI L, SU H et al. Pointnet++： deep hierar-chical feature learning on point sets in a metric spa-ce[J]. Advances in Neural Information Processing Systems, 30, 5099-5108(2017).

[7] WANG Y, SUN Y B, LIU Z W et al. Dynamic graph CNN for learning on point clouds[J]. ACM Transactions on Graphics, 38, 1-12(2019).

[8] HU Q Y, YANG B, XIE L H et al. RandLA-net： efficient semantic segmentation of large-scale point clouds[C], 11105-11114(2020).

[9] THOMAS H, QI C R, DESCHAUD J E et al. KPConv： flexible and deformable convolution for point clouds[C], 6410-6419(2019).

[10] [10] 杨军， 王连甲. 结合位置关系卷积与深度残差网络的三维点云识别与分割［J］. 西安交通大学学报， 2023， 57（5）： 182-193.YANGJ， WANGL J. Recognition and segmentation of 3D point cloud through positional relation convolution in combination with deep residual network［J］. Journal of Xi'an Jiaotong University， 2023， 57（5）： 182-193.（in Chinese）

[11] ZHAO H S, JIANG L, FU C W et al. PointWeb： enhancing local neighborhood features for point cloud processing[C], 5560-5568(2019).

[12] [12] 王江安， 何娇， 庞大为. 基于动态图卷积网络的点云分类和分割网络［J］. 激光与光电子学进展， 2021， 58（12）： 1215008.WANGJ A， HEJ， PANGD W. Point cloud classification and segmentation network based on dynamic graph convolutional network［J］. Laser & Optoelectronics Progress， 2021， 58（12）： 1215008.（in Chinese）

[13] [13] 沈露， 杨家志， 周国清， 等. 集自注意力与边卷积的点云分类分割模型［J］. 计算机工程与应用， 2023， 59（19）： 106-113.SHENL， YANGJ Z， ZHOUG Q， et al. Point cloud classification segmentation model based on self-attention and edge convolution［J］. Computer Engineering and Applications， 2023， 59（19）： 106-113.（in Chinese）

[14] [14] 杨军，李博赞. 基于自注意力特征融合组卷积神经网络的三维点云语义分割［J］.光学 精密工程，2022，30（7）：840-853. doi: 10.37188/OPE.20223007.0840YANGJ，LIB Z. Semantic segmentation of 3D point cloud based on self-attention feature fusion groupco-nvolutional neural network［J］. Opt. Precision Eng.，2022，30（7）：840-853.（in Chinese）. doi: 10.37188/OPE.20223007.0840

[15] CHEN Y J, YANG Z L, ZHENG X W et al. Pointformer： a dual perception attention-based network for point cloud classification[C], 432-449(2023).

[16] YANG Z L, CHEN Y J, ZHENG X W et al. Conditional GAN for point cloud generation[C], 117-133(2023).

[17] HU J, SHEN L, SUN G. Squeeze-and-excitation Networks[C], 7132-7141(2018).

[18] WU Z R, SONG S R, KHOSLA A et al. 3D ShapeNets： a deep representation for volumetric shapes[C], 1912-1920(2015).

[19] YI L, KIM V G, CEYLAN D et al. A scalable active framework for region annotation in 3D shape collections[J]. ACM Transactions on Graphics, 35, 1-12(2016).

[20] [20] 兰红， 陈浩， 张蒲芬. 集图卷积和三维方向卷积的点云分类分割模型［J］. 计算机工程与应用， 2023， 59（8）： 182-191. doi: 10.3778/j.issn.1002-8331.2112-0412LANH， CHENH， ZHANGP F. Point cloud classification and segmentation model based on graph convolution and 3D direction convolution［J］. Computer Engineering and Applications， 2023， 59（8）： 182-191.（in Chinese）. doi: 10.3778/j.issn.1002-8331.2112-0412

[21] ZHAO H S, JIANG L, JIA J Y et al. Point transformer[C], 16239-16248(2021).

[22] [22] 梁正友， 蔡俊民， 孙宇， 等. 结合残差动态图卷积与特征强化的点云分类［J］. 广西师范大学学报（自然科学版）， 2023， 41（5）： 37-48.LIANGZ Y， CAIJ M， SUNY， et al. Point cloud classification based on residual dynamic graph convolution and feature enhancement［J］. Journal of Guangxi Normal University （Natural Science Edition）， 2023， 41（5）： 37-48.（in Chinese）

[23] WU W X, QI Z A, LI F X. PointConv： deep convolutional networks on 3D point clouds[C], 9613-9622(2019).

[24] YAN X, ZHENG C D, LI Z et al. PointASNL： robust point clouds processing using nonlocal neural networks with adaptive sampling[C], 5588-5597(2020).

[25] XU Y F, FAN T Q, XU M Y et al. SpiderCNN： deep learning on point sets with parameterized convolutional filters[C], 90-105(2018).

[26] HAN X F, JIN Y F, CHENG H X et al. Dual transformer for point cloud analysis[J]. IEEE Transactions on Multimedia, 25, 5638-5648(2022).

[27] LIN Z H, HUANG S Y, WANG Y C F. Convolution in The Cloud： learning deformable kernels in 3D graph convolution networks for point cloud analysis[C], 1797-1806(2020).