通过单个 RGB 图像进行实时机器人姿态估计的端到端流程，无需已知机器人状态，并达到了领先水平的 12 倍速度提升。

Feb, 2024

使用深度神经网络处理机器人 RGB 图像，实现不需要离线校准的单帧相机位姿估计

Nov, 2019

利用 RGBD 图像估算 3D 人体姿态，通过关键点检测器和深度信息实现 3D 提升，在真实环境下通过学习演示框架指示服务机器人模仿人类教师的操作，超越了单眼调色板和深度姿态估计方法的性能。

Mar, 2018

本文提出了一种机器人抓取系统，使用单个外部单目 RGB 摄像头作为输入，在不同的神经网络的协同作用下模拟抓取各种家庭物品的过程。

Aug, 2020

提出了一种基于多视角视野的实时视觉系统，可以从单个 RGB-D 视角提出三维物体姿态建议，并且根据多个视角的姿态估计和非参数占用信息积累这些姿态估计，从而对接触的多个已知对象进行一致的、不相交的姿态估计。应用于实时机器人应用程序中，只使用机载 RGB-D 视觉，机械臂可以精确而有序地拆卸复杂的物体堆放，展示了其准确性和鲁棒性。

Apr, 2020

使用经济可扩展的实际到合成数据的生成以及姿态估计器等最新组件，我们建立了一个代表性的 6D 姿态估计流程，并在实际的零件排序过程中对汽车零件进行了评估。通过分析发现，训练后的 6D 姿态估计器的性能有所改善，但不满足行业需求。我们揭示了造成这种情况的原因是估计器无法提供可靠的姿态不确定性，而不是提供充分准确的姿态。在此背景下，我们进一步分析了基于 RGB 和 RGB-D 的方法与通过合成数据引起的领域差异的比较，并发现它们对此具有不同的脆弱性。

Sep, 2023

本研究提出一种名为 Cas6D 的级联框架，该框架对六自由度物体姿态进行少样本学习的估计，使用自监督预训练 ViT 积累鲁棒特征、用特征金字塔进一步精炼姿态和借助离散化姿态搜索范围和渐进式缩小姿态搜索范围的特性克服了 6DoF 姿态估计中的一些常见失败模式。该研究表明，相较于 OnePose ++ 和 Gen6D，在 32-shot 设定下，Cas6D 在 LINEMOD 和 GenMOP 数据集上的定位精度分别提高了 9.2％和 3.8％（Proj-5）。

Jun, 2023

用 RGB-D 参考图像的 2.5D 形状、现成可微分渲染器以及 DINOv2 预训练模型提取的语义线索为基础，无需标记和训练，提出了一种新颖的可推广的三维相对姿态估计方法，通过渲染与对比新的 RGB 和语义地图，实现了只需单个 RGB-D 参考图像可用于未见过的对象的姿态估计。

Jun, 2024

本文提出了一种离散连续的旋转回归公式来解决对称物体旋转不确定性问题，并通过点聚集向量来检测物体位置，并在 LINEMOD 和 YCB-Video 基准测试中得到比现有方法更好的表现。

Feb, 2020

本文介绍了一种名为 Deep-6DPose 的端到端深度学习框架，可以从单个 RGB 图像中同时检测、分割并恢复目标实例的 6D 姿态。实验表明，Deep-6DPose 比目前基于 RGB 的多阶段姿态估计方法更快，并且在标准的姿态基准数据集上显示出与现有方法相当的好的效果。

Feb, 2018