三维点云学习（5）3-Deep learning for Point Cloud-PointNet++

三维点云学习（5）3-Deep learning for Point Cloud-PointNet++

强烈推荐 PointNet的深刻理解

PointNet++示意图

可分为 Encoder、 Segmentation、Classification三部分

Encoder

PointNet++ 的核心部分在于 set abstraction
step1：FPS 最远采样
step2: Grouping Radius Neighbos + random sampling 或者 KNN 确保每个簇里的点数相同，使得GPU可以并行计算
step3: PointNet 注意：输入MLP的信息为：位置信息(d)+额外属性(Ci-1),需要对group里的每个点进行标准化

目的：参考CNN的方法，不断通过Encoder 将点的数量减少，提高感知域，最终提取全局特征点

MSG

MRG

插值

鲁棒性

加入 DownSample 可以很大程度提高PointNet的鲁棒性

PointNet 和 PointNet++对比

PointNet 和 PointNet++预处理