3D detecton Charles Qi 分享pointnet与pointnet++的思路(2018.08)

前言

3D的几种表达形式

前人利用3D点云特征学习大多基于手工制作

pointnet主要思路

点云的表达，唯一性，因此借用对称函数g()，但特征函数会使点云数据的特征丢失，所以首先使用h()将数据冗余


**解决了几个挑战：无序点 **
挑战二：点云旋转保证分类结果鲁棒性

pointnet应用于分类框架

应用于segmatation框架

segmatation看作将每个点claasification, 因此增加了将global feature与点对应起来

pointnet++

在每一个局部的点云使用pointnet，在把这些局部的结果整合，最后的结果，点云少了，但每个点所对应的特征区域多了

参考论文

视频来源：
https://www.youtube.com/watch?v=Ew24Rac8eYE&list=PLHTMyyk0r_EziCiuutsR77V-GqbuGjl8j&index=4&t=11s

参考：
https://blog.csdn.net/tumi678/article/details/80539075