原文首发于微信公众号「3D时间工坊」——基于机器学习随机森林方式的姿态识别算法
传统视觉基于特征点和参考坐标系的思想对物体进行姿态识别，这种方式对物体本身形状和颜色特征要求较高，对一些较为复杂的物体则不能很好工作，本文使用机器学习（随机森林）方式并通过颜色和深度特征对物体进行姿态识别。1. 训练数据的采集
由于是基于像素级的训练，所以需要每个像素都需要标签，这个标签包括每个像素所属的类别以及对应的三维空间坐标。
a.标签如何获取呢？可以首先利用传统的设备计算出某类物体和相机的真实姿态，计算出真实姿态就可以通过物体的二维图像计算出相对应的三维坐标。然而在实际计算三维坐标时需要把训练的物体分割开来，这样可以避免背景等一些不相关物体的干扰，通过对分割后的图像进行姿态运算，可以得出分割图像中每个像素的三维坐标。
由于是在像素级进行训练与预测，通常一幅图像中的某个物体由大量像素组成，所以在实际训练的时候不需要太大的样本（样本过多的话需要在训练数据上花费很长时间），不过要尽量包含各个姿态下的数据，这样模型才能尽可能的准确，一般100张图像（对每类物体来说）即可。
b.每个像素的features？
