Q-REG：融合表面曲率的端到端可训练点云配准
计算机视觉与模式识别
2023-09-29 v1
摘要
点云配准近期取得进展，若干基于学习的方法聚焦于对应匹配，因此仅针对该目标优化。在对应匹配的学习步骤之后，它们以类 RANSAC 框架评估估计的刚体变换。尽管这是这些方法不可或缺的组件，其阻碍了完全端到端训练，使最小化位姿误差的目标未被满足。我们提出新颖方案 Q-REG，利用丰富几何信息从单一对应中估计刚体位姿。Q-REG 将鲁棒估计形式化为穷举搜索，从而启用端到端训练，同时优化对应匹配与刚体位姿估计两个目标。我们在实验中证明 Q-REG 对对应匹配方法具有无关性，且在仅用于推理与端到端训练时均提供一致改进。其在 3DMatch、KITTI 与 ModelNet 基准上确立了新的 SOTA。
引用
@article{arxiv.2309.16023,
title = {Q-REG: End-to-End Trainable Point Cloud Registration with Surface Curvature},
author = {Shengze Jin and Daniel Barath and Marc Pollefeys and Iro Armeni},
journal= {arXiv preprint arXiv:2309.16023},
year = {2023}
}