随着自动驾驶和机器人技术等实际应用的发展，人们越来越关注对3D点云的理解。虽然深度学习在基于图像的任务上取得了显著的成功，但深度神经网络在处理大量、非结构化和噪声的三维点时仍面临着许多独特的挑战。为了展示深度学习在理解三维点云方面的最新进展，本文从几个不同的方向(分类、分割、检测、跟踪、流量估计、配准、增强和补全)，以及常用的数据集、指标和最新性能，总结了该领域最近显著的研究贡献。

https://www.zhuanzhi.ai/paper/e4ae936bed62e851d27089c9ddbe985e