129、点云分割：从PointNet到PointNet++的点云语义理解上周调试一个机械臂抓取场景，点云分割模型在桌面上把杯子和背景点糊成一团，我盯着TensorBoard里那团蓝绿色的点云看了半小时，最后发现是输入点云没有做归一化——坐标值直接喂进了网络，PointNet的MLP被大数值坐标直接带偏。这种问题在2D图像里几乎不会遇到，但在点云处理里，输入数据的预处理细节往往比模型结构更决定成败。今天就把从PointNet到PointNet++这条线彻底捋一遍，包括那些论文里不会写的坑。点云为什么难搞点云和图像最大的区别在于数据结构。图像是规则的网格，像素之间有天然的邻域关系，卷积核一滑就能提取局部特征。点云呢？一堆无序的三维坐标点，没有顺序，没有网格，密度还不均匀。你换一下点的排列顺序，同一个物体就变成了不同的输入张量。这让所有依赖顺序的神经网络结构直接失效。另一个问题是点云是稀疏的。一个桌面上可能只有几千个点，但场景空间是连续的，大部分区域是空的。你没法像图像那样用固定大小的卷积核去扫，因为大部分位置没有点。所以点云处理的核心挑战就两个：无序性和置换不变性。你要设计一个函数，输入是点集，输出是特征，但无论你怎么打乱点的顺序，输出必须一样。PointNet：用对称函数硬刚无序性PointNet的思路简单粗暴——既然点是无序的，那我就用一个对称函数来聚合所有点的特征。对称函数就是那种输入顺序不影响输出的函数，比如max、s