従来の機上LiDAR点群深層学習セグメンテーションアルゴリズムは、地物の局所トポロジー情報を十分に活用できず、異なるスケールの特徴表現能力が弱く、小スケールのラベルセグメンテーション効果が不十分である問題に対して、本研究では局所認識強化を融合した機上LiDAR点群セグメンテーションネットワークLAE-Transformer（Local-Aware Enhanced Transformer）を提案する。まず、浅層トポロジー特徴を抽出して点群の局所幾何構造グラフを構築し、モデルの地物ディテールキャプチャ能力を強化する。次に、ダウンサンプリングと領域点結合Transformerモジュールを連結して点群の深層特徴を抽出し、マルチスケールにおけるモデルの特徴認識能力を強化する。最後に、アップサンプリング過程で動的残差接続を導入し、異なる受容野における重要情報を適応的に融合する。さらに、注意プーリングと最大プーリングに基づくハイブリッドプーリング層を構築し、情報損失の問題を補う。DALES点群データセットとLASDU点群データセットでのテストにより、本研究が提案するネットワークの全体精度（OA）と平均交差比（mIoU）はそれぞれ97.8％と80.8％、および87.2％と68.5％に達し、DALESデータセットにおけるトラック、電柱、フェンスなどの小スケールターゲットの交差比（IoU）はそれぞれ42.1％、75.4％、63.8％で、ほとんどの主流ネットワークより優れており、本研究のネットワークの機上LiDAR点群セグメンテーションにおける信頼性を検証した。

機上LiDAR点群;深層学習;セマンティックセグメンテーション;自己注意機構;局所認識強化;複雑場面;小スケールターゲット;Transformer