pointnet2

收录理由

PointNet++ 是斯坦福那篇被点云研究广泛引用的论文的官方实现，当你面对的是原始三维点而非图像数据时，它依然是一个合理的起点。它覆盖了下游项目最常遇到的两类任务：对整体点集做分类，以及对点集内部的每个点做标注。仓库里除了网络本身，还附带了预训练模型、训练脚本和数据处理工具。相比最初的 PointNet，它的核心改进在于架构：像卷积神经网络处理图像那样，在局部邻域上逐层构建层次化特征，同时能应对真实三维传感器带来的密度不均匀问题，这是旧模型做不到的。做物体识别、部件分割，或者处理 LiDAR 和深度数据的人，都可以拿它当基准，用来衡量新方法的优劣。