论文阅读-位姿估计-SE3-Nets Learning Rigid Body Motion using Deep Neural Networks

SE3-Nets Learning Rigid Body Motion using Deep Neural Networks(1)
- 输入：三维点；系统输入（如推力）；
- 输出：三维点

该论文只针对三维点云输入（RGBD等），来求解每帧中目标物体的刚体变换关系（SE(3), pose)。

在这些深度学习框架的位姿估计问题中，旋转都使用旋转向量（3维度）的方式。

以及需要分割的个数(?提前知道个数，最大个数吧？),得到各个分割块的pose（随后可以根据pose将点云转换过去）
SE3-NETS learn to segment effected object parts and predict their motion resulting from the applied force.

作者认为之前的物理模型（非深度模型）虽好，但依赖的是精准的观测量和基于此的精准的预测，而人是靠直觉、模糊的预测来行动的。而之前的基于物理

1.流程和网络架构

如图：

作者的网络分为两个部分：
1.Encoder部分输入点云，同时用一个全连接网络来接收控制输入，结果