本研究提出了一种解决 3D 物体检测和姿态估计中本质的模糊性的方法。对于每个物体实例，我们预测多个姿态和类别结果，以估计由对称和重复文理所产生的特定姿态分布。当视觉外观唯一识别出一个有效姿态时，分布将崩溃为单一结果。我们展示了我们的方法的好处，不仅提供更好的姿态模糊解释，而且在姿态估计方面也具有更高的准确性。

Dec, 2018

提出了基于关键点的对象级 SLAM 框架，能够为对称和非对称对象提供全局一致的 6DoF 姿态估计。通过利用来自 SLAM 的相机姿态信息，提供对对称对象上跟踪关键点的 先验知识 -- 确保新的测量结果与当前 3D 场景一致。实验表明，该方法在 6DoF 对象姿态估计方面具有竞争性能，并以实时速度运行。

May, 2022

该论文提出了一种称为 CosyPose 的方法，能够从一组待定相机视图的场景中，准确地恢复多个已知对象的 6D 姿态，并且能够处理对象的对称性，不需要深度测量，还能自动还原场景中的物体数量，并解决了通过解决对象级捆绑调整问题实现对全局场景的细化。

Aug, 2020

本文提出一种基于分割的 6D 姿态估计框架，使用关键点检测获取局部姿态预测，并根据置信度预测将这些姿态候选融合成可靠的 3D-to-2D 对应关系，从而在多个低纹理物体相互遮挡的情况下获得最优姿态估计，其采用简单且高效的架构实现实时性能。

Dec, 2018

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

本文在单目 SLAM 框架中嵌入了实时深度学习的目标检测器，将普通物体表示为四面体，进一步细化物体重建，检测附加平面标志并建模为独立地标志，可大幅提高系统的定位性能和语义地图的丰富程度。

Sep, 2018

本论文提出了一种使用全局推理的新型全连接 CRF 方法来生成位姿假设池，相较于基于局部推理的方法，该方法提供了超过当前难度较大的 “被遮挡物体数据集” 位姿估计最新技术的结果。

Dec, 2016

研究单视图和部分遮挡视图下获取人体的密集三维重建问题，建议通过合适的三维模型参数化人体形状和姿势，学习一种多假设神经网络回归器，约束每个假设位于合理人体姿势的流形上，并且在标准 3D 人体基准和重度遮挡版本中，该方法表现出优异的处理模糊姿态恢复的性能。

Nov, 2020

HybridPose 是一种新颖的 6D 物体姿态估计方法，利用混合中间表示来表达输入图像中的不同几何信息，包括关键点，边缘向量和对称性对应关系。

Jan, 2020

通过单个参考视图与查询图像之间的相对物体姿态估计，我们提出了一种基于假设和验证框架的新方法，并引入了一种 3D 感知验证，以衡量可靠性，证明了我们方法在相对姿态估计和处理未见过的物体时的鲁棒性。

Oct, 2023