Pointnet++结构记录

对于上篇提到的pointnet，虽然很好的完成了对点云特征的提取，但只是简单的将所有点连接起来，只考虑了全局特征，丢失了每个点的局部信息。

 

进而pointnet++模型被提出，pointnet++的整体思想就是：首先选取一些比较重要的点作为每一个局部区域的中心点，然后在这些中心点的周围选取k个近邻点（欧式距离的近邻）。再将k个近邻点作为一个局部点云采用pointnet网络来提取特征。

 

 

网络结构依然维持清晰的风格

采样层：
采样层在输入点云中选择一系列点，由此定义出局部区域的中心。采样算法使用迭代最远点采样方法（FPS）。

FPS: 先随机选择一个点，然后再选择离这个点最远的点作为起点，再继续迭代，直到选出需要的个数为止

归类层：
目的是要构建局部区域，进而提取特征。思想就是利用临近点，并且论文中使用的是neighborhood ball，而不是KNN，是因为可以保证有一个fixed region scale，主要的指标还是距离distance。

pointnet层
在如何对点云进行局部特征提取的问题上，利用原有的Pointnet就可以很好的提取点云的特征。

 

在pointnet++源码中，FPS和邻域点确定的方法都是c语言编程的并混编成.so文件，故在windows系统下无法运行，后面在安装好ubuntu以及配置好相关环境后会对源码进行进一步分析。