课题组研究成果Rethinking Learning-based Normal Estimation on Point Clouds被计算机视觉与人工智能领域A类顶会International Conference on Computer Vision (ICCV) 2021 接受，并且收录为oral (oral 的接受率只有3%)。该研究成果共同一作为武汉大学朱润松硕士与香港大学刘缘博士，通讯作者为董震副研究员和杨必胜教授。

点云法线计算是点云处理研究领域中十分基础且重要的任务之一，广泛应用于点云配准、去噪、分类、分割、表面重建等下游任务。近来年，随着深度学习技术发展，该任务在计算精度上取得了大幅提升。通过实验分析以及理论推导，课题组发现目前广泛采用的平面、曲面拟合过程面临着诸多局限性：拟合曲面次数与真实曲面次数不一致导致欠拟合和过拟合问题，最小二乘求解对于离群点敏感等。基于此，课题组首次提出通过offset-learning策略有效地解决上述挑战，设计了点云法线鲁棒预测网络-AdaFit。该方法在目前主流的PCPNet数据集上进行了测试，定量以及定性结果显示AdaFit预测精度显著领先当前先进水平。同时在室内外真实场景数据集中对方法的泛化性以及鲁棒性进行了验证，并通过法线计算结果对去噪、模型重建等下游任务的提升进一步证明了方法的有效性和适应性。