位姿估計存在兩類主流方法，基于坐標預測的方法首先為觀測點預測其對應物體點在歸一化物體坐標系中的坐標，利用觀察坐標與歸一化物體坐標之間的對應關系，使用 RANSAC 擬合物體位姿，得益于 RANSAC 對離群點的有效移除，該方法通常能獲得更為準確與魯棒的預測，但 RANSAC 算法中的假設采樣較為耗時，其過程也不可微，無法直接針對位姿進行優(yōu)化。

基于位姿回歸的方法進行端到端可微的直接預測，能夠達到很高的運行速度，但容易產生更大的預測誤差。我們希望結合兩類方法的優(yōu)勢，建立一個端到端可微、精度與速度兼?zhèn)涞奈蛔俗粉櫹到y(tǒng)。

如下圖所示，我們的模型由位姿正規(guī)化（Pose Canonicalization）、旋轉回歸網絡（RotationNet）與坐標預測網絡（CoordinateNet）組成。

為了簡化將輸入點云坐標  映射到輸出相似變換  的學習問題，我們將前一幀位姿估計  的逆變換與輸入點云  相乘，得到位姿正規(guī)化點云 作為模型輸入，令模型輸出  中部件  的位姿  ，再間接計算  。

由時序連續(xù)性，可以推出，這意味著  中部件  總是接近正規(guī)位姿（canonical pose），  接近恒等變換，原問題的輸入與輸出被同時正規(guī)化，從而大大降低了網絡預測位姿的難度。

以位姿正規(guī)化的點云  為輸入，我們訓練旋轉回歸網絡，直接對  進行回歸，再計算原始旋轉總在恒等變換附近，直接回歸就能實現(xiàn)準確估計。

我們的方法在類級別剛性物體位姿估計數(shù)據(jù)集 NOCS-REAL275 [1]、基于 SAPIEN [3] 的類級別帶關節(jié)物體位姿估計數(shù)據(jù)集、BMVC [4] 上均超過了已有方法，以下展示部分定性結果，詳細實驗設定與定量結果請參見論文。

參考文獻

[1] He Wang, Srinath Sridhar, Jingwei Huang, Julien Valentin, Shuran Song, and Leonidas J Guibas. Normalized object coordinate space for category-level 6D object pose and size estimation. CVPR 2019.

[2] Xiaolong Li, He Wang, Li Yi, Leonidas J Guibas, A Lynn Abbott, and Shuran Song. Category-level articulated object pose estimation. CVPR 2020.

[3] Fanbo Xiang, Yuzhe Qin, Kaichun Mo, Yikuan Xia, Hao Zhu, Fangchen Liu, Minghua Liu, Hanxiao Jiang, Yifu Yuan, He Wang, Li Yi, Angel X. Chang, Leonidas J. Guibas, and Hao Su. SAPIEN: A simulated part-based interactive environment. CVPR 2020.

[4] Frank Michel, Alexander Krull, Eric Brachmann, Michael Ying Yang, Stefan Gumhold, and Carsten Rother. Pose estimation of kinematic chain instances via object coordinate regression. BMVC 2015.