从PointNet到DGCNN：点云处理技术的演进与核心突破解析

最新推荐文章于 2026-07-03 12:00:58 发布

原创

最新推荐文章于 2026-07-03 12:00:58 发布 · 816 阅读

从PointNet到DGCNN：点云处理技术的演进与核心突破解析

在三维视觉的世界里，点云数据正扮演着越来越核心的角色。无论是自动驾驶汽车通过激光雷达感知周围环境，还是工业机器人进行精密零件的三维检测，亦或是数字孪生城市从海量扫描数据中重建模型，其底层都离不开对无序、非结构化的点云数据的理解与处理。与规整的二维图像像素网格不同，点云是一组在三维空间中的离散点集合，每个点包含了坐标（x, y, z），有时还附带颜色、反射强度等信息。这种数据的“无序性”和“置换不变性”（即点的输入顺序不影响其表达的几何形状），给传统的深度学习模型，尤其是为图像设计的卷积神经网络（CNN），带来了根本性的挑战。

回顾点云深度学习的早期探索，研究者们曾尝试将点云体素化（Voxelization）后使用3D卷积，或投影到多个二维视图进行处理。然而，前者往往受限于计算和内存的立方级增长，难以处理高分辨率数据；后者则不可避免地损失了三维空间的几何信息。直到2017年，PointNet的横空出世，才真正开辟了“直接处理原始点云”这条新路径，证明了深度神经网络完全有能力从无序点集中直接学习有效的特征表示。随后，PointNet++借鉴了CNN的多尺度思想，引入了层次化特征学习。而2019年提出的DGCNN（Dynamic Graph CNN）则更进一步，它将点云视为一个动态演化的图，通过捕捉点与点之间的几何关系，将点云处理推向了新的高度。

本文旨在为希望深入理解点云处理技术发展脉络的读者，梳理一条从PointNet到DGCNN的清晰演进线索。我们将不仅对比这些里程碑式模型的架构差异，更会深入剖析其设计哲学背后的核心突破点，特别是DGCNN中EdgeConv的创新思想与动态图更新机制。理解这些，不仅能帮助我们掌握当前技术的精髓，更能为未来面对更复杂的点云任务时，提供坚实的思想工具。

1. 奠基之作：PointNet与直接处理点云的范式革命

在PointNet出现之前，主流方法都在尝试将点云“规整化”以适应现有模型。PointNet的核心贡献在于，它勇敢地抛弃了这种迂回策略，选择直面点云的无序性，并设计了一个满足置换不变性的对称函数网络。

1.1 核心架构：共享MLP与全局池化

PointNet的架构异常简洁而优雅。其核心思想可以概括为：对每个点独立进行特征变换，然后通过一个对称聚合函数提取全局特征。

具体流程如下：

输入变换与特征提取：输入为 n x 3 的点云（n个点，每个点3个坐标）。首先通过一个小型网络（T-net）学习一个3x3的变换矩阵，对输入点云进行对齐，以提升旋转不变性。随后，每个点通过一系列共享权重的多层感知机（MLP）进行非线性变换。这里的“共享”至关重要，意味着同一个MLP被应用于每一个点，确保了处理过程与点的输入顺序无关。
全局特征聚合：经过多层MLP后，我们得到了一个 n x C 的特征矩阵（n个点，每个点有C维特征）。为了得到一个能代表整个点云对象的、固定长度的特征向量，PointNet使用了一个最大池化（Max Pooling） 操作。这个操作沿着点的维度（n）进行，输出一个 1 x C 的全局特征向量。最大池化是一个对称函数，其输出不随输入点的顺序改变而改变，完美满足了置换不变性的要求。
任务输出：对于分类任务，这个全局特征向量直接送入全连接层进行分类。对于分割任务，则需要点级别的预测。PointNet巧妙地将全局特征向量复制n份，与每个点之前提取的局部特征进行拼接，再通过MLP为每个点输出一个类别分数。

# PointNet核心思想的简化伪代码示意
import torch
import torch.nn as nn
import torch.nn.functional as F

class SimplifiedPointNet(nn.Module):
    def __init__(self, num_classes):
        super().__init__()
        # 共享MLP层
        self.conv1 = nn.Conv1d(3, 64, 1)  # 输入通道3，输出通道64，1D卷积等价于逐点MLP
        self.conv2 = nn.Conv1d(64, 128, 1)
        self.conv3 = nn.Conv1d(128, 1024, 1)
        # 分类头
        self.fc1 = nn.Linear(1024, 512)
        self.fc2 = nn.Linear(512, 256)
        self.fc3 = nn.Linear(256, num_classes)

    def forward(self, x):
        # x 形状: (batch_size, 3, num_points)
        x = F.relu(self.conv1(x))
        x = F.relu(self.conv2(x))
        x = self.conv3(x)  # 形状: (batch_size, 1024, num_points)

        # 全局最大池化 - 对称函数核心
        global_feat = F.max_pool1d(x, kernel_size=x.size(-1))  # 形状: (batch_size, 1024, 1)
        global_feat = global_feat.view(-1, 1024)

        # 分类
        x = F.relu(self.fc1(global_feat))
        x = F.relu(self.fc2(x))
        out = self.fc3(x)
        return out