《表2 直接法的特征概括：单幅图像刚体目标姿态估计方法综述》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《单幅图像刚体目标姿态估计方法综述》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注:“-”表示无该主干网络介绍。

2)直接法。大多数姿态估计的深度学习方法都属于直接计算的方法，依靠深度CNN提取原始图像特征，然后将特征图送入专门构建的姿态估计分支、目标类估计分支和语义分割分支等，最终得到图像中各目标实例的姿态信息。如表2所示，直接法主要有分类和回归两种方法。分类是对目标模型进行高粒度离散视图采样，形成离散的真值姿态空间，比对观测图像与真值图像的一致性，将姿态估计问题转化为图像分类问题（Gupta等，2015；Su等，2015；Poirson等，2016），其中，Gupta等人（2015）以CNN进行姿态粗分类，再以最小化重投影误差与真值模型进行配准；Su等人（2015）训练CNN在合成图像上进行视点姿态分类；Poirson等人（2016）基于SSD检测器直接在多个离散化BB网格上检测目标估计姿态，将姿态估计问题转化为姿态分类问题。但是，此类方法存在估计精度不高、依赖姿态优化环节和视图采样数量随目标实例数量不断增长等不足。回归是利用回归计算的思想，以损失函数最小化的方式多次计算，回归至真值，将姿态估计问题转化为姿态回归问题（Kendall等，2015；Schwarz等，2015；Xiang等，2017；Corona等，2018；Do等，2018；Li等，2018；Manhardt等，2018）。其中，Kendall等人（2015）在Goog Le Net（Szegedy等，2015）网络基础上改进并提出了Pose Net姿态估计网络，通过SFM（structure from motion）完成对数据集真值姿态的自动标注，以CNN回归计算未知姿态；Schwarz等人（2015）利用CNN提取彩色图像和着色深度图像特征，然后由支持向量机回归估计目标姿态；Xiang等人（2017）在计算光流网络Flownet（Dosovitskiy等，2015）的基础上，提出Pose CNN姿态估计网络，通过CNN提取的卷积特征，分三路分别获取目标类信息、位置信息和姿态信息，以回归计算的方式，采用四元数的形式表示和估算姿态；Corona等人（2018）通过12面体视图采样后，应用CNN分两路计算目标姿态和分类目标对称排序，以softmax回归视图相似性得分，得到最佳姿态；Do等人（2018）在卷积神经网络VGG（Simonyan和Zisserman，2014）为主干框架的基础上，引入基于目标分割网络Mask R-CNN（He等，2017），增加第三分支直接解耦计算姿态，以李代数表示回归旋转；Li等人（2018）应用CNN提取特征，直接解耦计算旋转和平移，并使用重投影误差最小化回归计算最佳姿态并将提出的方法命名为DeepIM姿态估计网络；Manhardt等人（2018）已知初始估计值，利用Inception V4（Szegedy等，2017）模块，结合新的视觉损失函数，通过对准目标轮廓，训练CNN回归更新目标姿态，且其旋转姿态以四元数的形式表示。