算法结构
原理解析
已知：
N个点，每个点的信息x,y,z。
MLP:全连接网络，输入层，隐藏层，输出层。
原理：
（1）第一步 MLP
对每个点进行MLP操作，即：3–>MLP(3,C1)–>C1其中C1是MLP的输入和输出维度，此时这个点的特征数由原来的3编程了C1 。
将点云的每个点都经过以上操作，得到：N3–>MLP(3N,C1)–>NC1
小结：内个点的特征由3变成了64。
（2）第二步 Max Pool
将MLP得到的结果进行max pool操作，max pool的目的是为了：pointNet网络改变点的输入顺序不会影响最终输出的结果。
MLP得到的结果可以看作是NC1的矩阵，max pool操作是对NC1矩阵的C1列进行max操作，得到1C1的矩阵。即NC1–>1C1 。
小结：max pool 是pointNet的算法核心。mean或min也能做到但max更好。
（3）分类器
将max pool的结果经过一个分类器，得到最后的分类结果，pointnet网络的作用是点云的分类。分类器一般用MLP网络来实现。
算法概括：pointNet = shared MLP + max pool
