PointNet++阅读笔记

最新推荐文章于 2025-04-18 09:52:43 发布
最新推荐文章于 2025-04-18 09:52:43 发布
阅读量2.5k 收藏 8
点赞数 3
CC 4.0 BY-SA版权
分类专栏： 论文笔记 深度学习 三维物体识别 文章标签： 点云 三维物体识别 深度学习 PointNet
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/pikachu_777/article/details/82993153
PointNet++通过引入局部特征提取解决了PointNet仅考虑单点特征的问题，尤其适用于非均匀分布的点云数据。它采用多层级结构，每个层级包括采样、分组和PointNet层，提取点之间的相关性。文中详细探讨了Multi-scale grouping (MSG)和Multi-resolution grouping (MRG)两种非均匀采样方法，并在分割任务中应用了FCN相似的skip link结构，以结合高层全局特征和底层细节信息。此外，通过使用曲面距离替代欧式距离，PointNet++能处理非刚体变换的物体识别任务。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

PointNet++阅读笔记

​ pointNet使用对称函数整合全局信息，解决点的无序性问题，然而从单点使用mlp的特征提取，到max pooling进行全局特征整合，最终得到的特征，都只是从一个点上提取的，没有考虑点和点之间的相关性特征。

​ pointNet++就在此基础上，提取了局部相关性的特征，这种局部特征被认为是距离尺度空间所展现的性质，比如点的密度信息。文章不仅仅局限于欧式空间，mesh网格上的流形距离等也可以使用，这样，网络不仅对刚体变换的物体能够更准确的分类，还能学习到非刚体变换的物体特征（如站立的喵和蜷缩的喵）。同时，设计了层级的特征提取结构，并提出了MSG/MRG结构，适应非均匀分布的点云数据。

img

​ 文章设计了层级结构，每一级提取多个邻域范围的点集，使用pointNet作为特征提取结构。这样，pointNet类似于卷积核，提取的点集类似于卷积划过的图像窗口，类似于感受野。3D点云上的深度学习就如同2D cnn一样，能够提取局部相关性特征。随着层级加深，感受野增大，特征点数目变小。（但是本文并没有像point CNN一样，提出随着特征点减少，每个特征点的维度要加深）。

单层级结构

​ 每一个level都需要选择多个邻域点集，分别对其提取特征。对于一个level，输入Nx(C+D)的特征，输出N’x(C’+D)。每个level的处理过程分为以下三个步骤：

1.Sampling layer

​ **用于选取各点集的中心点。**选取方法为FPS，即先选一个点，然后选在当前尺度标准下离他最远的点，再迭代选离已有点集最远的点。这样从点集的n个点钟选出m个中心点，与随机选相比，能够更好的覆盖整个点集。并且感受野与空间密度相关。

最低0.47元/天 解锁文章

200万优质内容无限畅学
PointNet 原理与架构深度解析2025.5.20
sinat_34897952的博客
05-20 1220
PointNet 是首个直接处理原始3D点云的深度学习框架，其核心设计包括通过对称函数解决点云排列无序问题、引入几何变换网络（T-Net）实现数据规范化，以及采用多层感知机（MLP）架构提取逐点特征。PointNet 通过三级特征抽象实现从低级几何到高级语义的跃迁，支持分类和分割等任务。其优势在于架构简洁、实时性能高和数据效率好，但也存在局部特征缺失、密度敏感性和计算冗余等局限。未来发展方向包括增强局部特征、多模态融合和轻量化设计，以推动3D视觉技术在自动驾驶和机器人等领域的应用。
论文阅读笔记 | 三维目标检测——PointNet++
Clichong
11-15 2276
PointNet作为直接以点云格式数据为输入的开创性网络，还存在需要改进的地方。曾经提及到，PointNet考虑到了全局性特征的方向拼接处理，但是忽视了点云局部特征的捕获。以CNN为例，通过递归性的卷积提取图像的局部特征，以实现在深层次中获得较大的感受野。那么，对于点云数据来说，也可以进行递归性提取局部特征，捕获点云的细粒度特征。为此PointNet++的主要思想就是，对点云继续局部划分然后进行局部性特征提取，随后再进行局部划分点云数据再对每个部分进行特征提取，从而实现层级性的特征提取操作。不断重复这个过程
PointNet笔记
10-19
总结PointNet的基本原理，以及实现的方法，解释论文中难以理解的部分。
PointNet++ 笔记
泊柴的博客
06-22 552
PointNet++ 笔记 1. 引言 PointNet++ 是在 PointNet 的基础上进行改进得到的。PointNet 是对点云中每一个点都学习一个空间编码 (spartial encoding, 在 GNN 中也叫做节点嵌入)，然后将所有点的特征用最大池化聚合为一个能表示点云的全局特征。从 PointNet 的网络结构上看，它并没有考虑点云的局部特征，但是根据 CNN 网络设计的成功经验来看，点云的局部结构也是相当重要的。在 CNN 中，一个好的网络结构，往往能够学习到图像的高低不同层次的特征，在
PointNet++论文学习笔记
ShuqiaoS的博客
11-05 6385
PointNet++论文学习笔记 本文记录了博主在学习论文《PointNet++: Deep Hierarchical Feature Learning on Point Sets in a Metric Space》过程中认为重要的内容。更新于2018.11.02。 文章目录PointNet++论文学习笔记综述问题描述方法 综述 之前博主学习过这篇论文的前序结构PointNet，并记录了笔记。与...
PointNet学习笔记
weixin_43489950的博客
10-31 309
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。 ...
PointNet++笔记
qq_43056684的博客
01-14 575
https://blog.youkuaiyun.com/weixin_40664094/article/details/83902950 https://blog.youkuaiyun.com/shuqiaos/article/details/83659553 https://blog.youkuaiyun.com/qq_41353493/article/details/107321803 PointNet++原文链接：https://arxiv.org/abs/1706.02413 PointNet++代码链接：https://github
pointnet pointnet++论文笔记
m0_73811793的博客
04-18 956
平均交并比。交并比（IoU，Intersection over Union）是一个衡量两个集合之间重叠程度的指标它的计算方式是将预测区域与真实区域的交集大小除以它们的并集大小。
Pointnet与Pointnet++论文笔记
weixin_48506823的博客
10-17 2198
Pointnet与Pointnet++论文笔记 近期由于课题需要，研读了Pointnet系列文章，在此总结个人心得，并结合了部分博客进行阐述，不足之处希望各位批评指正，也欢迎各位同学来进行学习交流。 论文地址：https://arxiv.org/abs/1612.00593（pointnet） 论文地址：https://arxiv.org/abs/1706.02413 (pointnet++) 1. 前言 图像数据在计算机中的表示通常编码了像素点之间的空间关系，与此不同的是，点云数据是由一组无序的点所构成
PointNet++ 学习笔记
W1995S的博客
02-03 1239
文章目录前言一、二、 前言 PointNet++主要是为了克服PointNet自身的一些缺点，其中最大的缺点就是缺失局部特征。从很多实验结果都可以看出，PointNet对于场景的分割效果十分一般，由于其网络直接暴力地将所有的点最大池化为了一个全局特征，因此局部点与点之间的联系并没有被网络学习到。在分类和物体的Part Segmentation中，这样的问题还可以通过中心化物体的坐标轴部分地解决，但在场景分割中，这就导致效果十分一般了。 一、 二、 ...
使用 PointNet 对点云进行分类：此演示展示了如何使用对 PointNet 使用深度学习的方法对点云进行分类。-matlab开发
05-31
[英语] 这个例子展示了如何训练 PointNet [1] 网络进行点云分类。点云数据由各种传感器获取，例如激光雷达、雷达、深度相机和 iPad LiDAR。这个例子在 3D 点上训练 PointNet 分类器iPad LiDAR扫描的云。由于这个例子只是为了展示如何使用MatLab实现PointNet分类器，因此训练和测试相同的点云进行分类。请使用您的数据进行更多探索。注意本示例是基于Matlab官方创建的文件 [2]。 [日本人]在本例中，3D 点云通过深度学习点云学习方法（PointNet）进行分类。 PointNet [1] 将点云作为输入并返回其类别。此示例基于 MATLAB 官方文档 [2]。 iPad LiDAR 获取的点云作为样本数据。用作训练数据和测试数据的点云存储在所谓的数据存储中，可以在不消耗大量内存的情况下高效地进行学习和验证。在这里，我们将使用我们自己的数据存储
PointNet阅读笔记
pikachu_777的专栏
10-10 2029
PointNet阅读笔记 本文开创性地提出了将深度学习直接用于三维点云数据上的方法。三维点云由于其无序性，无法直接使用卷积等操作。本文提出了对称函数解决点的无序性问题，并给出了理论证明。设计了能够进行分类和分割任务的网络结构，认为提取出的特征点是三维物体的骨架结构。 问题说明 输入一个无序点集，包含n个点，每个点是其坐标表示(x,y,z)，也可以添加其他手动提取的特征。对于分类问题，输出1*k的向...
PointNet代码阅读笔记
ssq183的博客
06-15 1029
第一步：了解数据集和数据预处理 ModelNet数据集 改数据集是由论文[3D ShapeNets: A Deep Representation for Volumetric Shapes]提出的，按照模具的类别分： 1. ModelNet[10] 包含10个类别- 每一种类别中模具的个数不等 模具的方向已经对齐 2. ModelNet[40] 包含40个类别 分为对齐之后的和未对齐的。...
pointnet++学习笔记3
yituoxiaoge_keliang的博客
06-21 993
def get_learning_rate(batch): learning_rate = tf.train.exponential_decay( BASE_LEARNING_RATE, # Base learning rate. batch * BATCH_SIZE, # Current ...
PointNet 论文阅读笔记
weixin_40671425的博客
06-09 997
摘要 点云是几何数据结构的一种重要类型。 由于格式不规则，大多数研究人员将此类数据转换为规则的3D voxel网格或图像集合。 但是，这使数据变得不必要地庞大，并导致了问题。 在本文中，我们设计了一种直接消耗(consume)点云的新型神经网络，该网络很好地考虑了输入中点的排列不变性。 我们的网络名为PointNet，为从目标分类，分割，到场景语义解析的应用程序提供了统一的体系结构。 虽然很简单，但PointNet高效且高效。 从经验上讲，它表现出同等甚至优于现有技术的强大性能。 从理论上讲，我...
PointNet++论文笔记
lzn025的博客
03-12 496
说明： 1.此乃本人阅读论文过程中所记录的笔记，由于本人水平有限，难免会出现遗漏重点或表述不清等问题，请各位见谅。同时希望各位指出我的问题，让我发现问题所在，谢谢大家Thanks♪(･ω･)ﾉ。 2.有些用词根据原文翻译（或是直接用原文），可能语句不通畅。（毕竟我是一个六级考了五次的憨憨） 3.数据处理部分和结论分析部分没有加入，此处主要为了理清文章描述方法的处理流程。 论文题目：PointNet++: Deep Hierarchical Feature Learning on Point Sets in
pointnet++tensorflow2
最新发布
07-05
- **PointNet 系列论文阅读笔记**：许多博客文章详细解析了 PointNet++ 的设计思想，并提供了伪代码或框架建议。 - **TensorFlow 官方文档**：了解如何构建自定义层和模型可以显著提升模型实现的灵活性。 ---
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值