《FlowNet3D》（CVPR2019）--直接从点云中估计场景流

暴走兔学习了CVPR 2019的论文：《FlowNet3D: Learning Scene Flow in 3D Point Clouds》，为了更好的理解该论文（年纪大了容易忘），在此做个总结性的阅读笔记，争取言简意赅、简单粗暴地描述出论文作者们所作的工作，如果能对相关研究方向的小伙伴有借鉴意义，那就更好了。不喜勿喷，直接移步就好了~

项目地址：https://github.com/xingyul/flownet3d

一句话介绍：

FlowNet3D----是一种点云的端到端的场景流估计网络，能够直接从点云中估计场景流。

  输入：连续两帧的原始点云；

  输出：第一帧中所有点所对应的密集的场景流。

  如图所示：

  flownet3d网络为第一帧中的每个点估计一个平移流向量，以表示它在两帧之间的运动。

FlowNet3D架构

如图所示（图是从论文截的，试了几次也不知道怎么去掉博客水印，抱歉啊），该模型具有三个关键模块,分别为：

(1)点特征学习(point feature learning)-- 作用：分层点云特征学习。