pointnet笔记（2）

1.对于part segment部分，要对照着文章附录C中的PointNet Segmentation Network部分以及Figure9来理解思路和代码

2.同为hdf5格式的train dataset和test dataset，包括三部分内容，分别是data（2048，2048,3）、label（2048,1）以及pid（2048,2048）。

train函数中，train_one_epoch以及evl_one_epoch都有num_data = len(cur_label)，之前只想着点的个数是2048，没太弄清楚另一个维度上的2048是什么意思，现在理解另一个2048应该是指点云的个数。就是说总共有2048块点云，每块（片？不知道哪个量词合适）点云上有2048个点，把每块点云都可以归类为16个category中的一类，每块点云都有自己的label，label的2048指的就是数据集中的点云块数。同时还要对这些点云中总共的2048*2048点进行单点识别（per-point classification），也就是点云的分割。

data表示的是所有2048块点云中总共包含的2048*2048个点的坐标值。pid表示的是所有2048*2048个点的part_cat，说明了每个点所在的区域。（part_cat_num = 50，16个category总共有50个part）

3.生成hdf5文件的方法：对.pcd格式点云进行采样，之后在保存为hdf5文件格式

4.part_segment的train函数里，作为菜鸟初学者的我，还有点不太明白为什么要先对test dataset进行测试，之后再进行训练。