3D点云认知和PointNet算法解读

【唐宇迪】3D点云应用领域分析

【唐宇迪】3D点云pointnet算法解读

点云文件格式举例：modelnet40_normal_resampled：其中txt文件中，一行有六个点：前三个点代表的是x,y,z。后三个点代表的是Nx，Ny，Nz，法向量。

点云任务：

分类任务；部件分割；场景分割等。

点云的特点：

• 无序性：只是点而已，排列顺序不影响结果。

• 近密远疏的特性：扫描与视角不同导致。
• 非结构化数据，直接CNN有点难。
• 要解决的任务就是如何对点云数据进行特征提取。

---

能不能省掉那些预处理操作而直接利用点云呢？

• 当下深度学习的核心思想就是一条龙服务（End2End）。

---

PointNet基本出发点：

1、由于点的无序性导致，需要模型具有置换不变性。

;

比如：加法运算，乘法运算，求最大最小值。

2、直接利用Max函数（简单粗暴）：