自动驾驶（2）PointNet++

来自 Ra1ny 发表在 自动驾驶 发表于

PointNet++是PointNet的升级版，按照++作者的说法，PointNet无法提取到局部特征，同时也不能处理点的密度不一致的问题，因此在PointNet的基础上，作者进一步丰富了网络层次。 ++主要分为三个部分：采样、分组、提特征。首先是采样，相比PointNet暴力地将原始数据点直接塞到网络里，++将原始数据点进行采样、分组，以获得最能表现各局部特征的点。 一、基本步骤 1.采样 采样的方法，叫做最远点采样（Farthest Point Sampling, FPS）。采样分为三个步骤：首先是随机采样，在刚开始的时候，随机选取一个点作为第一个点；其次是迭代选择最远点，意思是，在未选取的点中，找到一个距离已经选取的点中最远的点；最后，直到选取 N' 个点即可。 2.分组 已经选取了N'个点，将这些N'个点作为球心，选取一个值作为半径，在这个球体以内的点作为一个组。…

自动驾驶（1）PointNet

来自 Ra1ny 发表在 自动驾驶 发表于

一、点云（Point Cloud） 点云是一种3D数据，在文件里的表示方法其实就是一个一维向量：（x,y,z）,还有可能是（x,y,z,Nx,Ny,Nz）N是法向量的意思。但它实际是空间中的一点，这一点来自激光雷达（Lidar）的扫描结果（个人猜测：其实就是发射若干个激光，根据反射回来的时间来计算出距离，这样，能定位出某一点的数据坐标） 点云数据的特征：无序性、点间关联、变换下的不变性。 （1）无序性：点云数据中，每一个向量都独立地表示空间的一个点，因此不论是哪一个点先被输入，都不影响最后点云数据的整体。 （2）点间关联：点的位置表示虽然独立，但是点与点之间存在着一些关系。因为一个点及其周围的点共同组成了物体的一部分，这种关系可以被提取出作为特征。 （3）变换下的不变性：这个变换特指“刚性变换（rigid motions）” 就是说将点云整体进行平移、旋转这种只改变位置而不改变形状大小的变化。…