PointNet

定义

PointNet 是斯坦福大学 Charles Qi 等人于 2017 年提出的深度学习架构，首次实现直接以原始点云作为输入进行分类与分割，无需先转换为体素或多视角图像。

原理

点云是无序集合，网络输出必须与点的输入顺序无关。PointNet 用共享权重的多层感知机独立提取每个点的特征，再通过最大池化这一对称函数聚合成全局特征，从而保证置换不变性；辅助的 T-Net 模块预测空间变换矩阵以对齐输入。分割任务中将全局特征与逐点特征拼接后逐点预测类别。

发展

PointNet 无法捕捉局部邻域结构，同一团队随后提出 PointNet++，通过分层采样与分组实现多尺度局部特征学习，后续大量点云网络沿此方向演进。

影响

该工作开创了点云深度学习方向，被广泛应用于自动驾驶三维检测、机器人抓取和三维场景理解。