摘要
本文介绍了点卷积神经网络（Point Convolutional Neural Networks, PCNN）：一种将卷积神经网络应用于点云的新框架。该框架由两个算子组成：扩展算子和限制算子，用于将点云函数映射到体素函数及反之亦然。通过扩展-限制机制，点云卷积被定义为欧几里得体素卷积的拉回。点云卷积在计算上具有高效性，对点云中点的顺序不变，对不同的采样和变化的密度具有鲁棒性，并且平移不变，即在所有点处使用相同的卷积核。PCNN推广了图像卷积神经网络，并允许将其架构轻松适应于点云环境。在三个主要的点云学习基准测试中，PCNN的表现显著优于其他竞争性的点云学习方法，以及大多数处理更具信息量的形状表示（如表面和/或法线）的方法。