三維CNN：收集一些最近的3d卷積網絡PointNet++

        PointNet++是在PointNet上作出了改進，考慮了點雲局部特徵提取，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，按必定的規則輸入點雲數據，通過一層層地計算，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，這兩個轉換矩陣能夠在深度學習過程當中保持點雲數據的空間不變性。

根據論文裏所說，圖中的input transform是一個3*3的矩陣，做爲深度學習的一個參數存在。而feature transform因爲維數較大（64*64），因此文中採用了正交約束的方法限制這個矩陣，從而使優化能夠快速收斂。

         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：

        輸入數據的標準化工做，輸入一個梯級表示模型。

        從一點開始（能夠是密度最高點，也能夠隨機選取），做爲已選集合，使用測地線判斷離已選集合最遠點，而後更新已選集合，再次添加新的集合最遠點，這樣無論得到多少個點，都意味着模型的稀疏點表示。隨着點集的增長，模型的表示愈來愈精確。

        劉洪森同窗對此網絡進行了改進，暫時尚未仔細Get他的進展。