PointNet++网络详解
一、PointNet++改进思想
关于PointNet可以参考前一篇文档。
前文中已经提到，PointNet并没有做局部特征提取，而是通过最大池化层获取全局的信息。这与当前主流的网络不符。在CNN中，有着感受野的概念，通过不断卷积获得的高维特征点对应着低层的一个区域。而在PointNet中，则没有这种局部特征融合的机制。
针对PointNet的不足，PointNet++应运而生。
PointNet++相较于PointNet，主要有以下几个改进项：
针对点云图点对数量的不规则，采用最远点采样选取其中的N个点，既能保证每个数据能够有相同的形状，也能让其尽可能保留多的信息量。
通过构建球形搜索区域，获取子区域的点对，实现局部特征提取
提取多尺度特征，对不同子区域的特征进行提取与聚合。
提出基于距离差值的分层特征传播算法，将局部特征上采样传播给在特征融合过程中丢失的点中。
下面我们针对这些改进项进行一些比较细致的分析。
注：B表示batch；N表示num；C和D都表示特征维度(C是xyz)。
二、最远点采样FPS算法
最远点采样能够对全局点进行采样，在保 ...
