Superpoint-graph的思想， 对点云进行预先的分割，分割为几何类似的面片。
同时利用RGCN 少量监督信息，对大规模点云进行语义分割。
Super-point graph:
Large-scale Point Cloud Semantic Segmentation with Superpoint Graphs http://arxiv.org/abs/1711.09869
by Loic Landrieu and Martin Simonovski (CVPR2018),
从手工设计特征聚类，到建图，利用手工设计的特征进行几何分割。然后再建立超点图。
Learned superpoint graph： 通过学习的方式得到特征 ，建立超点图。
Point Cloud Oversegmentation with Graph-Structured Deep Metric Learning https://arxiv.org/pdf/1904.02113.
方法比较复杂，实现起来比较困难。 有源代码，但是依赖的项目比较多，需要linux。
基于传统的方法：
PCL 欧式聚类
Python 上也有pcl库