《表3 间接法的特征概括：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

3)间接法。随着目标检测技术的加速革新，尤其是BB技术在Faster RCNN（Ren等，2017）、YOLO（Redmon等，2016）、SSD（Liu等，2016）等检测器中的应用，该类方法有扩展到姿态估计领域的趋势。而3D边界盒这一立方体结构本身包含目标的部分姿态信息，因而在姿态估计任务中具有广泛应用（Kehl等，2017；Mousavian等，2017；Rad和Lepetit，2017；Tekin等，2018；Xu和Chen，2018；Manhardt等，2019），如表3所示。该类方法以目标检测网络中直接获取的2D边界盒为起始，再利用几何投影约束将2维边界点提升到3维空间，得到多种相近的姿态估计结果。Rad和Lepetit（2017）提出了BB8姿态估计网络，从3D边界框8个顶点的2D投影出发估计姿态，最后通过限制训练图像的旋转范围解决各类旋转对称的姿态估计不适定问题；Kehl等人（2017）根据几何投影关系将2D bounding box提升到3维空间的6自由度姿态，通过射影几何特性构建目标的6D姿态池，最后利用姿态池优化ICP得到精确结果，并将该方法命名为SSD-6D姿态估计网络；Tekin等人（2018）采用CNN预测输入图像各3D控制点的2D投影，并以此为表征空间，将姿态估计问题转化为N点透视法问题（Pn P problem）。这种先提取表征空间，再利用传统视觉几何计算进行姿态估计的方法可以归结为间接法。Manhardt等人（2019）提出了ROI-10D的估计方法，通过融合深度估计网络结果将2D边界框提升至3维空间，以最小化代理损失函数的方式计算姿态值。例如，Wang等人（2019）引入了归一化的目标坐标空间（normalized objeccoordinate space，NOCS）规范化表示某类目标的3D实例，形成了含有真值的姿态表征空间，通过CNN分别得到目标类标签、掩模以及NOCS的平面投影，随后得到掩模和NOCS投影相对应的两组点云，结合RANSAC（Fischler和Bolles，1981）法移除外点，应用最小二乘法计算目标姿态信息。