【点云上采样】三维点云特征上采样

本文为博主原创文章，未经博主允许不得转载。
本文为专栏《python三维点云从基础到深度学习》系列文章，地址为“https://blog.csdn.net/suiyingy/article/details/124017716”。

        一维和二维数据上采样通常是通过插值的方法来增加点的个数。三维点云上采样理论上也可以通过这个方法来进行。这些上采样的方法均是增加点的数量。但三维空间中点的分布并不是很均匀，不便于定义插值点的位置。因此，本节主要是针对于点云的特征进行上采样，增加的不是点的数量，而是点的特征维度，来源于PointNet++。

         一维和二维数据上采样通常是通过插值的方法来增加点的个数。三维点云上采样理论上也可以通过这个方法来进行。这些上采样的方法均是增加点的数量。但三维空间中点的分布并不是很均匀，不便于定义插值点的位置。因此，本节主要是针对于点云的特征进行上采样，增加的不是点的数量，而是点的特征维度，来源于PointNet++。

1 点云特征上采样实现原理

        PointNet++的上采样是通过插值来实现的，并且插值依赖于前后两层特征。假设前一层的点数N=64，后一层点数S=16，那么插值的任务就是把后一层的点数插值成64。主要步骤如下：

        （1）以前一层的64个点为参考点，分别计算这64个