三维点云处理（深度学习方法）综述

前言

3D视觉领域目前正蓬勃发展，针对原始三维点云数据的处理成为新的研究热点。本篇文章小小的陈述一下个人对这方面的一些理解。

三维点云处理的挑战

卷积在二维图像的处理中显示出了极大的优势，相比于人工构造feature，卷积拥有更加强大的信息描述能力，在分类、检测、分割等任务中，都具有优异的表现。自然而然的，人们开始尝试将卷积这一操作带入到三维点云中。但是却不是那么简单的，三维点云有不同于图像的数据形式：

• 点云具有稀疏性

不同于图像，三维点云在表示物体时，只有物体表面有点云数据，如果是在实际的场景下，往往只有面向雷达的一面才会有数据产生。而且限于雷达的工作原理，远处物体的点云数据更加稀疏。因而，在点云上直接进行三维卷积需要很大的计算量，而其中很大一部分资源都是在处理空数据。

• 点云具有无序性

三维空间中的点云不会像图像那样，规规矩矩的在一个个的像素点排好队，点云并没有顺序，这给处理上带来极大的困难。一个物体如果使用