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