基于深度学习的点云特征提取方法模型有哪些

基于深度学习的点云特征提取方法模型有很多，以下是一些常见的模型：

1. PointNet：PointNet 是一个端到端的点云处理网络，可以对点云进行分类、分割和特征提取等任务。

2. PointNet++：PointNet++ 是 PointNet 的扩展版本，可以对局部区域进行特征提取，并且可以对不同分辨率的点云进行处理。

3. PointCNN：PointCNN 是一种基于卷积神经网络的点云特征提取方法，可以对点云进行分类、分割和检测等任务。

4. DGCNN：DGCNN 是一种基于图卷积神经网络的点云特征提取方法，可以对点云进行分类、分割和检测等任务。

5. PointConv：PointConv 是一种基于卷积神经网络的点云特征提取方法，可以对点云进行分类、分割和检测等任务。

6. KPConv：KPConv 是一种基于卷积神经网络的点云特征提取方法，可以对点云进行分类、分割和检测等任务。

以上模型都是目前比较流行的点云特征提取模型，每种模型都有其优缺点，使用时需要根据具体场景选择合适的模型。