局部特征融合模块(Local feature aggregation，LFA)包括两个主要部分：局部空间位置编码（Local position encoding，LPE）模块及双自注意力池化特征增强（Dual self-attention pooling，DSP）模块。将局部邻域内的空间位置编码与特征集合相连接，通过DSP模块进一步细化特征描述，最后经过求和池化得到中心点新的特征向量。

1.1.1 空间位置编码

一般来说，不同的物体结构在空间位置上是相关联的，因此在提取个尺度点云的空间分布特征有助于区分不同类型物体的结构。本文算法根据局部空间内相邻点的相对位置关系，对采样点及其特征向量进行编码。给定一个采样点及其特征向量，通过相邻点的相对空间位置获取局部几何信息，有助于网络有效地学习复杂的局部几何结构。首先采用Knn算法获取采样点P_i的k个最近邻点及其特征向量（本文k为16），对邻近点的空间位置关系进行编码。