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

PointNet是由Charles R. Qi、Hao Su、Kaichun Mo和Leonidas J. Guibas于2017年提出的点云深度学习网络，发表在CVPR 2017上。该网络直接处理原始点云数据，不需要将点云转换为体素或多视图，使用对称函数（最大池化）解决点云的无序性问题，能够实现点云的分类和分割任务。PointNet设计简洁、计算效率高，能够处理大规模点云数据，适用于3D物体识别、场景理解、机器人感知等多种场景。该论文是3D深度学习领域的经典论文，被引用超过10000次，对后续的点云深度学习研究产生了深远影响。