点云深度学习方法

深度学习点云数据处理主要涉及：

分类(Classification)、分割(Segmentation)、目标检测（Object Detection）、实例分割(Panoptic Segmentation)、配准(Registration)、点云重构(Reconstruction)。

论文：Deep Learning for 3D Point Clouds: A Survey中将方法进行分类

其中主要方法可以分为：基于多视图、基于点、基于体素、融合方法

1、基于点的方法

1.1    pointnet、pointnet++、pointnext方法等

1.2   卷积的方法：pointconv、kpconv、自注意力网络模型(point transformer)

1.3   图方法：DGCNN

2、基于体素的方法

2.1   voxlnet：网格划分后，提取网格内特征，之后进行卷积实现目标检测

2.2   VOtr：自注意力机制应用到体素检测中

3、多视图方法

将多个视图点云投影至2D，作为训练数据，利用卷积实现目标后再投影回3D

3.1   MVCNN

参考文章：【综述】三维点云深度学习算法综述,sota pointcloud - yeyan的文章 - 知乎
https://zhuanlan.zhihu.com/p/631205455