Python——点云数据增强

点云数据增强，顾名思义，是一种数据增强方式，也常常作为一种检测模型鲁棒性的方法。总结一下有以下几种方式：旋转，加噪声，降采样，不同程度的遮挡等

1. 降采样
   在论文中常使用最远点采样和随机采样，功能实现简单，具体体现在PointNet等代码中只是一个超参数。
2. 高斯噪音
3. 延坐标旋转
   高斯噪音和旋转的代码参考博客：点云 数据增强(Data Augmentation)：方法与python代码
4. 增加离群点
   通常对实际场景中的点需要进行离群点滤波，用来训练模型，但是，增加离群点反而可以测试模型的鲁棒性。