6D 位姿估计 位姿测量 常用方法总结 （适用于单目标场景）

在机器人的应用中，往往会涉及到基于视觉的 6D 位姿估计或者位姿测量的问题，现在 Pose Estimation 的论文现在非常多，也有很大的创新，不过目前SOTA的工作一般面向几个特定的数据集，比如 LineMod，YCB，T-Less等等，主要面向复杂多目标场景。而在很多应用场景中，其实只涉及对单目标物体进行位姿测量，对于这种相对简单的场景，总结一下常用的基于视觉的方法：

1. 只用RGB： 目标上贴二维码ArUco Marker，结合相机内参求目标表面二维码的 6D 位姿 （2D - 3D）
2. 只用RGB： 检测目标上的特定关键点，结合目标CAD基准模型上面对应关键点的位置，利用PnP求解目标相对基准模型的 6D 位姿 (2D - 3D)
3. RGB+Depth：在RGB图像上检测目标的特定关键点，在深度图像中读取对应关键点的深度，结合相机内参，生成目标每个关键点的 3D 位置，进而解算目标整体 6D 位姿 (3D - 3D)
4. RGB+Depth：在RGB图像分割目标区域，在深度图像中根据分割结果提取对应深度区域，结合相机内参，得到目标点云，利用CAD基准模型点云与目标点云进行ICP配准，得到目标的 6D 位姿 (3D - 3D)
5. 只用Depth：在深度图像上检测目标的特定关键点，并根据深度，结合相机内参，生成目标每个关键点的 3D 位置，进而解算目标整体 6D 位姿  (3D - 3D)
6. 只用Depth：利用深度图像生成场景的点云，对目标区域进行分割得到目标点云，利用CAD基准模型点云与目标点云进行ICP配准，得到目标的 6D 位姿  (3D - 3D)

基于关键点检测的方法 2，3，5难度在于关键点检测的准确率；基于点云配准的方法 4， 6  问题主要在于目标区域分割精度以及配准算法的时间效率；基于二维码的方法1，效率和精度都较高，而且OpenCV就有现成实现，但是问题在于这个属于接触式测量，因为需要人工贴标。

对于精度、实时性要求特别高的，非接触式的方法很难实现，因为RGB-D或者双目这种视觉传感器精度有限，而高精度的三维扫描仪的点云处理起来又会很慢，接触式的方法，比如激光跟踪仪或者动捕镜头结合对应的专用标志点，是可以实现的。