本文提出SO-Net，一种适用于无序点云的深度学习排列不变架构。SO-Net通过构建自组织映射（Self-Organizing Map, SOM）来建模点云的空间分布。基于该SOM结构，SO-Net在单个点与SOM节点上进行分层特征提取，并最终以单一特征向量表示输入点云。通过执行点到节点的k近邻搜索，可系统性地调节网络的感受野。在点云重建、分类、物体部件分割及形状检索等识别任务中，所提出的网络性能与现有最先进方法相当或更优。此外，由于该架构具有良好的并行性和结构简洁性，其训练速度显著快于现有的点云识别网络。项目代码已开源，可在以下网址获取：https://github.com/lijx10/SO-Net