点云是一种重要的几何数据结构。由于其格式不规则，大多数研究人员通常将这类数据转换为规则的三维体素网格或图像集合。然而，这种处理方式会导致数据冗余，引发一系列问题。本文提出了一种新型神经网络，可直接处理点云数据，并充分尊重输入点集的排列不变性。该网络名为PointNet，为从物体分类、部件分割到场景语义解析等各类应用提供统一的架构。尽管结构简单，PointNet却具有高度的效率与有效性。实验结果表明，其性能达到甚至超越当前最先进的方法。理论上，我们进一步分析了网络所学习到的特征，以及其对输入扰动和噪声具有鲁棒性的原因。