摘要

本文提出了一种从单张RGB图像中估计物体连续六自由度（6-DoF）姿态（3D平移和旋转）的新方法。该方法结合了卷积网络（ConvNet）预测的语义关键点和可变形形状模型。与以往的研究不同，我们对物体是否有纹理或无纹理持不可知态度，因为卷积网络可以从可用的训练图像数据中学习到最优表示。此外，该方法既适用于实例级别的姿态恢复，也适用于类别级别的姿态恢复。实验结果表明，所提出的这种方法在背景杂乱的情况下，无论是实例级别还是类别级别的场景，都能准确地恢复6-DoF物体姿态。对于类别级别的物体姿态估计，在大规模PASCAL3D+数据集上展示了最先进的精度。