[Point Cloud] PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation 论文解读

PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation (CVPR 2017)

需要解决的问题：设计了一种新的可以直接处理点云，并且与点云输入顺序无关的网络，该网络模型可以用于处理物体分类、场景分割和场景语义分析。
这个问题的难点：点云格式是不规则的格式，之前有方法尝试转化成体素或者图像来分析。

Introduction

• 经典的卷积运算架构需要高度结构化的数据输入，PointNet想要处理点云和Mesh。
• PointNet可以有效提取局部和全局的特征。
• PointNet的输入是点云，输出是class标签或者每个点的分割结果。
• 每个点的基本属性就是三维的坐标，额外的属性（法向量，局部和全局的特征等）可以后续增加。
• 关键点：max pooling。
• PointNet支持刚提变换和放射变换，因此可以在运行PointNet之前增加预变换的步骤保证输入是统一标准的。

Related Work

• 点云特征，3D数据深度学习，无序集深度学习。

Problem Statement

• Easy, no math.

Deep Learning on Point Sets