點云分割（熱門方向1）

分割對象，相同對象歸于一種顏色

點云補全（基礎(chǔ)條件）

缺少一部分點，補全這部分

點云生成

基于深度學(xué)習(xí)將無人機圖像做出3D點云

點云物體檢測（熱門方向2）

通過點云檢測物體。傳統(tǒng)任務(wù)能做的，點云都能做

點云配準(zhǔn)

從兩個角度拍攝的圖像，可以通過點云配準(zhǔn)合成一張圖像

點云存儲數(shù)據(jù)格式(正方向、反方向）

獲取點云數(shù)據(jù)

點云數(shù)據(jù)要解決的問題

PointNet

PointNet用到的是Max這個公式

先對每個點進行升維（例如從3維到1024維）在做max

PointNet基本架構(gòu)

劃紅線的部分為不需要的部分（后續(xù)實驗發(fā)現(xiàn)這些部分并不是必需的）

第一層的x3代表每個點都有3個特征，其余的也一個意思

PointNet問題

每一個點都是自己取特征，沒有與其他點進行一個融合

PointNet++是PointNet的升級，基本方法沒變，但對于局部關(guān)系考慮進去了

在10000個點中，先找100個中心點，再指定半徑

選取的中心點應(yīng)盡可能覆蓋到整個圖

分組

要求每個簇內(nèi)點的數(shù)量為N，如果點不夠，假設(shè)為x個點，則將簇內(nèi)離當(dāng)前中心最近的點n次，n為N-x。如果多了，則剔除掉里中心點遠的那些，知道數(shù)量保持為N

可以選擇不同半徑大小的簇，將最終不同半徑的特征拼在一起

128為中心點數(shù)量，16為簇內(nèi)點數(shù)，6為特征數(shù)量

比PointNet多了個采樣和分組

1、在pytorch中強調(diào)channel first

4、8是batchsize，64是每個簇的特征，128是簇的數(shù)量

4、在512的中心點里選半徑

分類問題

d是位置信息

分割問題

不足：

改進：

MSG：選取不同的半徑，拼接在一起

MRG：當(dāng)前層特征和上一層特征拼在一起

MSG效果較好