机器人中单目 6D 物体位姿估计的挑战
本研究对基于深度学习技术路线的三种主要任务：单个物体实例级别姿态检测、类别级别姿态检测和单目物体姿态跟踪的方法进行了全面的综述，详细介绍了检测和跟踪的度量、数据集和方法，并在几个公开可用的数据集上提出了现有最先进方法的比较结果，同时提供了深入的观察和启发未来研究方向。
May, 2021
本研究全面调查了使用单眼视觉的联合物体检测和姿态估计方法的景象，包括描述符或模型以及各种估计方法和对相关数据集的特征研究，比较了基于纯深度学习的单步和多步方法和各种准确度度量。
Nov, 2018
使用无监督学习的方法进行单眼 RGB 数据下的 6D 物体位姿估计，作者训练了一个神经网络模型，通过真实 RGB-D 数据的自监督模式来提高模型的性能表现，并证明了该方法能够显著地优化模型的性能，超过了其他使用合成数据或领域适应技术的方法。
Apr, 2020
该研究提出了一种基于单个对象检查实现类别级姿态估计的方法，通过利用多视角对应关系从而为未见过的对象的姿势估计提供更精确的结果，并展示了该方法在连续学习环境下的应用。
May, 2023
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
本文介绍了一个用于增强现有的 3D 感知和 6D 物体姿态数据集的新注解和获取方法，通过机器人前向运动学、外部红外跟踪器和改进的校准和注解过程，提出了一个多模态传感器装置，据此创建了高精度的 3D 数据，有效克服了现有数据集的限制，并为 3D 视觉研究提供了宝贵的资源。
Aug, 2023
本研究调查了深度学习技术在单目视觉下的人体姿态估计方面的最新进展，针对目前各个领域应用进行了综述，并提出了未来需求的研究方向。
Apr, 2021