点云数据处理：深度学习PointNet++
利用深度学习处理的目：以每个点及其特征作为输入，找到学习函数，得到我们感兴趣的信息，对输入的点进行目标识别与分割。
深度学习处理方法：PointNet及PointNet++
缺点：均在全局使用了MaxPooling，只能够保留局部或者全局最明显的特征信息，但是相对不是很明显得信息往往能够很大的帮助网络进行语义分割。
特点：方法引入局部特征变换，将点云局部特征转换到球领域卷积模式下，使用多层感知机（MLP）来对每个点的局部特征进行处理和聚合，其输出表示当前点特征并反映周围点的信息，通过迭代高层特征聚合的过程，PointNet可以逐渐聚合全局信息，并将其编码为点的特征表示。
其中PointNet方法参考http://t.csdnimg.cn/cTXJt
原文地址：https://blog.csdn.net/weixin_43899239/article/details/141822379
免责声明：本站文章内容转载自网络资源，如本站内容侵犯了原著者的合法权益，可联系本站删除。更多内容请关注自学内容网（zxcms.com）！