点云深度学习

---

参考博客：https://www.cnblogs.com/Libo-Master/p/9759130.html

研究背景

我们周围的世界是三维，三维研究可以让机器更好地感知周围环境。有效的三维特征表示是实现点云配准、三维模型重建、三维形状检索、场景语义分割等视觉任务的基础。

三维数据表示

Point Cloud

Polygonal meshes

Volumetric

Multi-View Images RGB(D)

现有三维形状深度特征表示方法：

基于手工特征的方法

基于投影图像的方法

基于三维体素的方法

基于原始数据的方法

随着三维成像传感器的发展与普及，三维研究得到越来越多的关注，特别是针对大规模点云的特征学习。

点云是一种不规则的数据，具有以下特点：

• Unordered→network needs to be invariant to N! permutations of the input set
• Interaction among points→needs to be able to capture local structures from nearby points
• Invariance under transformations