pointnet分割自己的点云数据_PointNet：深度学习在3D点云分类与分割上的应用

大家好！我是【AI 菌】，一枚爱弹吉他的程序员。我热爱AI、热爱分享、热爱开源！ 这博客是我对学习的一点总结与思考。如果您也对 深度学习、机器视觉、数据结构与算法、编程 等感兴趣，可以关注我的动态，我们一起学习，一起进步~

我的博客地址为：【AI 菌】的博客

我的Github项目地址是：【AI 菌】的Github

资源传送门：

原论文地址：PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation

开源项目地址：TensorFlow1.0实现 、PyTorch1.0实现

文章目录

1. PointNet简介

2. 提出背景

3. 网络结构

4. 模型的特点

5. 理论分析

6. 性能与效果

1. PointNet简介

点云是一种重要的几何数据结构。由于其格式不规则，大多数研究人员将这些数据转换为规则的三维体素网格(Voxel)或图像，以便于通过深度学习中的卷积操作进行权值共享、优化kernel参数等。但是，这会使得数据变得不必要的庞大，并导致一些问题。

PointNet，由斯坦福大学的Charles R. Qi等人在CVPR2017上发表，是一个端对端的神经网络，可以直接将点云数据作为输入，通过学习，实现对3D点云数据目标的分类与分割。

PointNet的效果很好，并且对输入的扰动等具有很好的鲁棒性，它的表现性能达到了当时最先进的水平。

PointNet的三个重要应用方面：

<