标题：REGTR：带有transformer的端对端点云对应
作者：Zi Jian Yew,Gim Hee Lee
文稿整理：流苏
1.摘要
最近将学习的方式引入点云配准中取得了成功，但许多工作都侧重于学习特征描述符，并依赖于最近邻特征匹配和通过RANSAC进行离群值过滤，以获得姿态估计的最终对应集合。在这项工作中，我们推测注意机制可以取代显式特征匹配和RANSAC的作用，从而提出一个端到端的框架来直接预测最终的对应集。我们使用主要由自注意力和交叉注意力的transformer层组成的网络架构并对其训练，以预测每个点位于重叠区域的概率及其在其他点云中的相应位置。然后，可以直接根据预测的对应关系估计所需的刚性变换，而无需进一步的后处理。尽管简单，但我们的方法在3DMatch和ModelNet基准测试中取得了一流的性能。我们的源代码可以在https://github.com/yewzijian/RegTR.
2.引言
刚性点云配准指找到对齐两个点云的最佳旋转和平移参数的问题。点云配准的通用解决方案流程如下：1）检测关键点，2）计算这些关键点的特征描述符，3）通过最近邻匹配获得假定的对应关系，4）通常使用RANSAC以稳健的方式估计刚性变换。近年来，研究人员将学习的方式应用于点云配准，这些工作中有许多侧重于学习特征描述符，也有包括关键点检测，且最后两个步骤通常保持不变，因为这些方法仍然需要最近邻匹配和
