1.基于傅立叶变换的谱域图卷积3D点云分类方法，其特征在于，包括以下步骤：利用G‑PointNet网络模型对输入的原始点云进行几何采样处理：通过设置一个角度阈值V，将点的邻域夹角值大于角度阈值V的点划分至几何特征区域G且将剩余的点划分至其它区域T，对两个区域内的点云分别进行均匀采样获得各区域几何采样后的点云；

将各区域几何采样后的点云构建一个无向图，基于Dynamic KNN局部图构造方法引入一个扩张率E，选择性地每隔E个近邻点云建立一个局部几何图，以得到多个局部几何图；

利用基于傅立叶变换的谱域图卷积方法对各局部几何图进行谱域图卷积，获得多个池化后的图局部特征并通过G‑PointNet网络模型得到全局特征进行分类，获取得到分类结果；

其中，所述利用基于傅立叶变换的谱域图卷积方法对各局部几何图进行谱域图卷积，具体为：输入一个局部几何图G＝(V，ε)，其中V，ε分别表示相应的节点集与边集，μ，ν∈V表示图中的节点，(μ,ν)∈ε表示图中的边；

定义局部几何图的拉普拉斯矩阵L＝D‑A，其中，A表示图的邻接矩阵，其内元素Ai,j＝Aj,i，用于表示图中节点的连接情况的矩阵；D表示图的度矩阵，其内元素Di,i＝∑jAi,j，节点的度表示与该节点相连的边的数量；

归一化得到拉普拉斯矩阵，表示为 其中In是单位矩阵，并进行特征分解为一组拉普拉斯特征向量U＝(u1,u2,...un)；

将分解的拉普拉斯矩阵特征向量作为一组基，则将局部几何图作为输入x并进行傅里叶变换为 T为矩阵的转置；获取卷积核hθ(Λ)的傅里叶变换对角矩阵形式，以得到谱域中的傅里叶变换卷积，再将傅里叶变换卷积进行逆变换，最终得到谱域图卷积输出。

2.根据权利要求1所述基于傅立叶变换的谱域图卷积3D点云分类方法，其特征在于，所述方法得到的谱域图卷积输出公式为：T

y＝σ(Uhθ(Λ)Ux)

其中，y为谱域图卷积的输出；x为输入的局部几何图，σ()为激活函数relu。