以PointCNN中的\(\mathcal{X}-Conv\)为例，此处做个引子带出来卷积的方法。
\(\mathcal{X}-Conv\)来鹅城只为两件事：

• 对每个代表点周围的点特征做集成。
• 在隐空间对输入做重排去除输入顺序的影响。

Abstract

点云分析是一件很有挑战性的事情，因为不规则点中隐含的形状很难捕捉。在本文中提出了RS-CNN，即关系形状卷积神经网络，他将规则网格CNN扩展到不规则结构中，用于点云分析。RS-CNN的关键是从关系中学习，例如点之间的集合拓扑约束。具体地说，