【标题】ReAgent: Point Cloud Registration using Imitation and Reinforcement Learning

【作者团队】Dominik Bauer, Timothy Patten, Markus Vincze

【论文链接】https://arxiv.org/pdf/2103.15231.pdf

【发表日期】2021.3.28

【推荐理由】点云配准是许多3D计算机视觉任务中的一个常见步骤，例如物体姿态估计，其中3D模型与观测值对齐。经典的配准方法可以很好地推广到新的领域，但在给定噪声观测或错误初始化时失败。相比之下，基于学习的方法更健壮，但缺乏泛化能力。基于此，本文提出考虑迭代点云注册作为强化学习任务，为此，本文提出了一种新的注册智能体（ReAgent）。通过采用模仿学习来初始化其基于稳定专家策略的离散注册策略。基于提出的对齐奖励，与策略优化的集成进一步提高了智能体的注册性能。在ModelNet40（合成）和ScanObjectNN（真实数据）上将该方法与经典的和基于学习的注册方法进行了比较，研究结果表明本文的ReAgent 获得了最先进的准确性。此外，与相关方法相比，智能体的轻量级体系结构能够减少推理时间。此外，将该方法应用于真实数据上的物体姿态估计任务（LINEMOD），研究结果优于最先进的姿态细化方法。

内容中包含的图片若涉及版权问题，请及时与我们联系删除