三维CNN：收集一些最近的3d卷积网络PointNet++

        PointNet++是在PointNet上作出了改进，考虑了点云局部特征提取，从而更好地进行点云分类和分割。

先简要说一下PointNet:

PointNet，其本质就是一种网络结构，按必定的规则输入点云数据，通过一层层地计算，得出分类结果或者分割结果。其中比较特殊的地方在于两个转换矩阵（input transform & feature transform）的存在，根据文中所说，这两个转换矩阵能够在深度学习过程当中保持点云数据的空间不变性。

根据论文里所说，图中的input transform是一个3*3的矩阵，做为深度学习的一个参数存在。而feature transform因为维数较大（64*64），因此文中采用了正交约束的方法限制这个矩阵，从而使优化能够快速收敛。

         PointNet：PointNet Deep Learning on Point Sets for 3D Classification and Segmentation .

         简介：PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation-论文解读

      

         PointNet++：PointNet++: Deep Hierarchical Feature Learning onPoint Sets in a Metric Space

         简介：PointNet++阅读笔记   

        

          

注意事项：

        输入数据的标准化工做，输入一个梯级表示模型。

        从一点开始（能够是密度最高点，也能够随机选取），做为已选集合，使用测地线判断离已选集合最远点，而后更新已选集合，再次添加新的集合最远点，这样无论得到多少个点，都意味着模型的稀疏点表示。随着点集的增长，模型的表示愈来愈精确。

        刘洪森同窗对此网络进行了改进，暂时尚未仔细Get他的进展。