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