簡介
作者在先前的研究中提出了Pointnet，此論文是Pointnet的改進版Pointnet++。提出改進的理由是因為Pointnet無法很好地捕捉由度量空間引起的局部結構問題，由此限制了網絡對精細場景的識別以及對復雜場景的泛化能力。
Pointnet的基本思想是對輸入點雲中的每一個點學習其對應的空間編碼，之后再利用所有點的特征得到一個全局的點雲特征。這里欠缺了對局部特征的提取及處理，比如說點雲空間中臨近點一般都具有相近的特征，同屬於一個物體空間中的點的概率也很大，就好比二維圖像中，同一個物體的像素值都相近一樣。
再者現實場景中的點雲往往是疏密不同的，而Pointnet是基於均勻采樣的點雲進行訓練的，導致了其在實際場景點雲中的准確率下降。
Pointnet++就上述提出了改進，解決了兩個問題
1：如何對點雲進行局部划分
2：如何對點雲進行局部特征提取
上述兩個問題其實是相關聯的。
來源：https://blog.csdn.net/sinat_37011812/article/details/81945050
翻譯：https://blog.csdn.net/weixin_40664094/article/details/83902950