PointNet++是在PointNet上做出了改進，考慮了點雲局部特征提取，從而更好地進行點雲分類和分割。
先簡要說一下PointNet:
PointNet，其本質就是一種網絡結構，按一定的規則輸入點雲數據，經過一層層地計算，得出分類結果或者分割結果。其中比較特殊的地方在於兩個轉換矩陣（input transform & feature transform）的存在，根據文中所說，這兩個轉換矩陣可以在深度學習過程中保持點雲數據的空間不變性。
根據論文里所說，圖中的input transform是一個3*3的矩陣，作為深度學習的一個參數存在。而feature transform由於維數較大（64*64），所以文中采用了正交約束的方法限制這個矩陣，從而使優化可以快速收斂。
PointNet：PointNet Deep Learning on Point Sets for 3D Classification and Segmentation .
簡介：PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation-論文解讀
PointNet++：PointNet++: Deep Hierarchical Feature Learning onPoint Sets in a Metric Space
簡介：PointNet++閱讀筆記
注意事項：
輸入數據的標准化工作，輸入一個梯級表示模型。
從一點開始（可以是密度最高點，也可以隨機選取），作為已選集合，使用測地線判斷離已選集合最遠點，然后更新已選集合，再次添加新的集合最遠點，這樣不管獲得多少個點，都意味着模型的稀疏點表示。隨着點集的增加，模型的表示越來越精確。
劉洪森同學對此網絡進行了改進，暫時還沒有仔細Get他的進展。