物体位姿估计 · 2018 · CVPR · CCF A
YOLO 风格单阶段网络同时检测物体并回归 3D 包围盒顶点投影，再用 PnP 求姿态，强调实时多物体推理。
研究方向
物体位姿估计
任务层级
Instance-level
物体设定
Seen objects
输入模态
关键依赖
Reading Notes
用于快速判断论文定位、问题设定、核心方法、实验结论和是否值得精读。
当前还没有写入正式笔记。后续可用读论文流程生成 Markdown 后放到上方路径，详情页再渲染为正式内容。
预留内容结构
Related Papers
2026 · CVPR
3PT 用两个面向 2D/3D object-centric understanding 的 Transformer 统一检测、分割和 6DoF pose，通过连续 object representation refinement 和渲染特征对齐，在 BOP-H3、BOP-Industrial 与 BOP-Classic 上实现零样本跨物体感知。
2026 · AAAI
研究针对 PnP-based 和 end-to-end 6DoF pose pipeline 的 backdoor attack：在训练数据中注入具有 3D 结构的 trigger，并修改 pose label，使模型在干净输入上保持正常、触发时输出受控错误姿态。
2026 · ICRA
方法用 violation-implicit loss 把物理约束违规纳入优化，联合估计自由运动未知凸刚体的 pose trajectory 与 cuboid / 20 顶点 polytope；再以局部 MLE 的 observed / Fisher information 计算 EIG 选择下一次触碰。仿真 cuboid 5 次动作后 EIG 稳定低于 4 mm，真实 Trifinger 第 5 步显著优于随机；边界是凸几何、局部最优、多次初始化和触觉 / 本体误差。
