论文题目：Single-Stage 6D Object Pose Estimation
论文地址：在公众号「3D视觉工坊」，后台回复「6D对象姿势估计」，即可直接下载。
摘要: 最新的6D姿态估计框架首先依靠深度网络在3D对象关键点和2D图像位置之间建立对应关系，然后使用基于RANSAC的Perspective-n-Point（PnP）算法的变体。但是，此两阶段过程不是最佳的：首先，它不是端到端可训练的。第二，训练深层网络依赖于替代损失，该损失不会直接反映最终的6D姿态估计任务。
在这项工作中，本文介绍了一种直接从对应关系中回归6D姿势的深度架构。它为每个3D关键点输入一组候选对应关系，并说明每个组内对应关系的顺序无关紧要的事实，而各组（即3D关键点）的顺序是固定的。本文的体系结构是通用的，因此可以与现有的对应关系提取网络一起使用，从而生成单阶段6D姿态估计框架。本文的实验表明，这些单阶段框架在准确性和速度方面始终优于两阶段框架。
一、简介最新的方法遵循两个阶段的范式：首先使用深层网络在3D对象点与其2D图像投影之间建立对应关系， 然后使用基于RANSAC的Perspective-n点（PnP）算法来计算6个位姿参数。这种范例虽然有效，但存在一些弱点。首先，用于训练深度网络的损失函数不会反映真实的目标估计，但会编码替代任务，例如将检测到的图像投影的2D误差最小化。但是，这种误差与姿势精度之间的关系不是一对一的。如图1（a）所示，对于最新框
