Deep learning techniques for point cloud tasks: a review

Xiaona Song

doi:10.1007/s10489-025-06854-y

Deep learning techniques for point cloud tasks: a review

2025-09-30

0

PRE

AI

DOI：10.1007/s10489-025-06854-y

原文链接

原文求助

摘要

En 中文

作为一种表示3D场景的重要手段，点云在计算机视觉、自动驾驶、机器人交互和城市建模等多个领域得到了广泛应用。尽管深度学习在二维图像领域取得了显著成功，其应用于三维点云也正逐步受到关注。然而，点云数据的非规则和无结构特性在将这些深度学习算法应用于3D表示时带来了诸多挑战。为促进未来研究工作，本文聚焦于与点云相关的三项基本任务：分类、目标检测和语义分割。它系统地回顾了与这些任务相关的深度学习算法的当前发展状况。通过整理和分析现有文献以及来自公开可用数据集的实验结果，本文比较了不同方法的优势，同时也指出了它们的局限性。最终，它总结了在推进点云深度学习算法过程中遇到的技术挑战，并概述了该领域内潜在的进步方向。

Keyword:

Point cloud

Deep learning

Classification

Object detection

Semantic segmentation

Deep learning techniques for point cloud tasks: a review

摘要

期刊

机构