1.调研：目前针对3D点云的处理除了经典的Pointnet和Pointnet++外，图卷积十分适合处理点云这种非结构化数据，3D 点云具有数据量庞大、形态多样性及密度分布不均等特性，目前的大多数网络虽然都将点云的局部信息考虑进来，但还是忽略了 3D 点云中点与点之间的相关信息
2.方法：通过数据增强模块丰富每一个三维点及其邻域点的上下文语义特征来增强原始输入点的特征表现形式，以邻接矩阵的形式获取 3D 点云中的采样点，通过计算采样点中每两个点之间的余弦相似度来得到该点云的相似矩阵。接着，采用 K 近邻算法提取前 K 个最相似的点构成一个局部邻域图。最后，在这个邻域图上实现动态图卷积来获取原始 3D 点云的局部特征。