参考博客：https://www.cnblogs.com/Libo-Master/p/9759130.html
研究背景
我们周围的世界是三维，三维研究可以让机器更好地感知周围环境。有效的三维特征表示是实现点云配准、三维模型重建、三维形状检索、场景语义分割等视觉任务的基础。
三维数据表示
Point Cloud
Polygonal meshes
Volumetric
Multi-View Images RGB(D)
现有三维形状深度特征表示方法：
基于手工特征的方法
基于投影图像的方法
基于三维体素的方法
基于原始数据的方法
随着三维成像传感器的发展与普及，三维研究得到越来越多的关注，特别是针对大规模点云的特征学习。
点云是一种不规则的数据，具有以下特点：
- Unordered→network needs to be invariant to N! permutations of the input set
- Interaction among points→needs to be able to capture local structures from nearby points
- Invariance under transformations