3D 형상 특징 학습은 산업계와 학계에 중요한 역할을 한다. 최근 객체 검출 및 객체 분할과 같은 특징 이해 작업이 크게 발전하고 있다. PointCNN은 3D 데이터베이스 기반 객체 분류를 위한 우수한 신경망 중 하나이다. 본 논문은 F-PointNet과 PointCNN 융합 아키텍처를 기반으로 포인트 클라우드에 대한 객체 검출 알고리즘을 설계했다. 먼저 2D 이미지 객체 검출 모델을 사용하여 객체 2D 영역을 추출하고 포인트 클라우드 데이터에 매핑하여 객체의 후보 영역을 얻는다. 그다음 PointCNN 알고리즘에 의해 후보 영역의 3D 타겟 마스크가 예측된다. 마지막으로 마스크를 사용하여 3D 객체를 검출한다. PointCNN에서 추출한 마스크가 원래 F-PointNet 보다 3D 객체를 인식하기 쉽다는 것은 많은 실험을 통해 증명되었다.