摘要
点云是一种重要的几何数据结构。由于其不规则的格式，大多数研究人员将其转换为规则的3D体素网格或图像集合。然而，这种做法使得数据变得不必要的庞大，并且会引起问题。在本文中，我们设计了一种新型神经网络，该网络可以直接处理点云数据，并充分尊重输入点的排列不变性。我们命名该网络为PointNet，它提供了一个统一的架构，适用于从物体分类、部件分割到场景语义解析等多种应用。尽管结构简单，但PointNet具有极高的效率和有效性。实验证明，其性能与现有最先进方法相当甚至更优。理论上，我们对网络所学习的内容及其为何对输入扰动和损坏具有鲁棒性进行了分析。