PointNet:直接吃点云,不必先体素化
PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation
Qi et al. · 2017 · arXiv:1612.00593
基础文献 · 不轮换
2017
点云无序、稀疏,能否设计一个对排列不变、直接处理点的网络?
他们怎么做的共享 MLP + 对称聚合(max pool),再加变换不变性模块。
证据ModelNet / ShapeNet 上的分类与分割达到当时最好,且更轻。
别信太多对局部几何细节不敏感;逆向工程里 0.05 mm 级的偏差它看不见。
适用边界缺少局部邻域建模(后续 PointNet++ 补足);对密度变化敏感;不保证尺寸精度。
课堂任务用扫描点云做零件分类,再测关键尺寸,比较“分类对”与“尺寸对”的差距。
基础文献 = 这门方法的代表作,长期保留:它解释“这类方法为什么成立”,不会因为年份旧而被换掉。
© 慧之帆信息科技 · 打印时间: