基于点线组合的三维姿态估计问题的新凸方法，使用统一的二次约束二次问题并通过 Shor 松弛法将其放松为半定规划，可以优雅地处理点和线的混合配置并在不确定的情况下恢复有限数量的解。实验结果表明，该方法不仅具有灵活性，而且结果与最好的现有方法相符。

Jul, 2019

我们提出了一种应用于二维运动的相机受限的 PnP 算法，通过降低搜索空间的维度，提高了性能，并减少了姿态估计的模糊度。该算法使用几何标准找到一个近似解，并通过迭代进行预测的优化。我们将该算法与现有的三维 PnP 算法在一般和共面点配置的情况下进行了比较。

Dec, 2023

该论文提出了一种名为 EPro-PnP 的概率 PnP 层，用于在端到端位姿估计中输出 SE (3) 流形上的位姿分布，该原理统一了现有方法并类似于注意力机制， 成功地将 PnP 方法与任务特定的领袖之间的差距缩小，从而提高了 LineMOD 6 自由度位姿估计和 nuScenes 3D 对象检测的性能。

Mar, 2022

本文提出了一种用于 3D 物体检测的 PnP 基于深度学习和概率密度的可微分神经网络层，通过最小化 KL 散度来学习 2D-3D 点匹配权重，实现了端到端的姿态估计和精准的物体定位。

Mar, 2023

在本文中，我们提出了一种基于旋转 - 平移解耦估计的新型三视图位姿求解器，该方法通过考虑观测的不确定性并使用 Levenberg-Marquardt（LM）算法高效求解旋转估计，以及通过精心设计的稳健线性平移约束，来准确估计旋转和平移，实验结果表明该方法相较于基于三基数张量的经典方法和最先进的双视图算法，在室内外环境中提高了旋转和平移的准确性。

Mar, 2024

本论文提出了一种统计上最优解决视角 - n - 点（PnP）问题的解决方案，该方案能够考虑观测的不确定性。该方法具有鲁棒性，可以适用于任意中心相机模型，并且具有实时处理能力。

Jul, 2016

该研究提出了一种基于端到端学习的盲 PnP 求解器，利用最近的优化问题微分研究结果将几何模型拟合集成到学习框架中，包括 Sinkhorn、RANSAC 和 PnP 算法，可有效地实现全局定位和三维场景点的快速估计

Jul, 2020

本研究提出一种基于 1 点 RANSAC 的高效姿态估计方法，利用地面对象假设和 2D 对象边框作为附加观察来实现姿态计算，以实现最快的性能，并采用分层的鲁棒性估计方法来优化估计结果。在合成和实际数据集中的实验表明所提出的方法具有优越性。

Aug, 2020

本文提出了一种深度 CNN 模型，该模型能够同时解决 6 自由度绝对摄像机姿态和 2D-3D 对应关系，通过全局特征匹配模块和分类模块实现了对无先验知识的 2D-3D 对应关系的盲目 PnP 问题的有效解决。

Mar, 2020

我们提出了一种估计已标定图像对之间相对位姿的方法，通过综合利用点、线及它们在混合方式下的重合情况。我们研究了这些数据模态可以共同使用的所有可能配置，并回顾了文献中可用的最小求解器。我们的混合框架结合了所有配置的优点，在具有挑战性的环境中实现了稳健准确的估计。此外，我们设计了一种方法，可以联合估计两幅图像中的多个消失点对应，并进行了包括所有相关数据模态的束调整。各种室内外数据集上的实验证明我们的方法优于基于点的方法，在可比速度下将 AUC@10° 提升了 1-7 个点。解算器和混合框架的源代码将公开发布。

Sep, 2023