简介
作者在先前的研究中提出了Pointnet，此论文是Pointnet的改进版Pointnet++。提出改进的理由是因为Pointnet无法很好地捕捉由度量空间引起的局部结构问题，由此限制了网络对精细场景的识别以及对复杂场景的泛化能力。
Pointnet的基本思想是对输入点云中的每一个点学习其对应的空间编码，之后再利用所有点的特征得到一个全局的点云特征。这里欠缺了对局部特征的提取及处理，比如说点云空间中临近点一般都具有相近的特征，同属于一个物体空间中的点的概率也很大，就好比二维图像中，同一个物体的像素值都相近一样。
再者现实场景中的点云往往是疏密不同的，而Pointnet是基于均匀采样的点云进行训练的，导致了其在实际场景点云中的准确率下降。
Pointnet++就上述提出了改进，解决了两个问题
1：如何对点云进行局部划分
2：如何对点云进行局部特征提取
上述两个问题其实是相关联的。
来源：https://blog.csdn.net/sinat_37011812/article/details/81945050
翻译：https://blog.csdn.net/weixin_40664094/article/details/83902950