【三维深度学习】PointNet++（三）：多尺度分组MSG详解

本文为博主原创文章，未经博主允许不得转载。
本文为专栏《python三维点云从基础到深度学习》系列文章，地址为“https://blog.csdn.net/suiyingy/article/details/124017716”。

        上 一节详细介绍了PointNet++点云分类。PointNet++通过SA模块对原始点云进行采样分组，如果只是采用单一半径尺度和固定采样点数，那么分组内的点云会受点云密度的影响。如果点云过于稀疏，那么小半径尺寸无法将稀疏的点云进行分组，从而无法提取到稀疏点云的特征。在单一尺度分组的PointNet++结构中，第一层的SA分组半径最小，后续SA层都是基于前一层进行的，那么如果第一层没有提取到特征，那么后续也无法提取到相应稀疏点云的特征。为了解决这个问题，PointNet++作者提出了多尺度分组策略（Multi-Scale Group, MSG），本文将介绍MSG的实现方式。GitHub地址为GitHub - yanx27/Pointnet_Pointnet2_pytorch: PointNet and PointNet++ implemented by pytorch (pure python) and on ModelNet, ShapeNet and S3DIS.。 

        文中涉及到PointNet的地方请参考上一篇文章的详细介绍