关于物体位姿估计方法的总结，及其对应的论文

参考1：https://blog.csdn.net/dsoftware/article/details/97955570
参考2：基于单张RGB图像的三维物体重建和位姿估计_王凯祺
总体：
根据输入数据源，可以分为基于RGB，RGBD，点云的方法；
也可以分为传统方法，深度学习方法；
还可以分为基于关键点对应，直接回归，像素投票，模板匹配的方法。
一、基于对应的方法：
解决思路：我们已知目标物体在自身坐标系下的3D点，需要找到一种匹配方法，使得目标物体在当前相机坐标系下的一些关键点，与其在自身坐标系下的一些3D点，进行匹配，进而求出位姿。
1）2D-3D：如果输入的是2DRGB图像，可找到2D像素点和3D物体点之间的对应，进而使用PnP算法计算；
2）3D-3D：如果输入的是3D点云，则可以使用3D特征描述符寻找输入点云中3D点和已有完整物体3D点之间的对应，使用最小二乘法获得6D位姿；
两类输入都可以使用局部配准方法如ICP进行优化。

深度学习方法求物体的姿态：
1）2D深度学习方法：输入数据源为2D的RGB图片
直接回归6D姿态的PoseCNN: https://github.com/yuxng/PoseCNN（基于模板匹配的方法）
直接预测3D在2D投影点的Tekin et al.: https://github.com/Microsoft/singleshotpose（基于对应点的方法）
使用每个2D像素投票得到关键点2D投影的PVNet：https://github.com/zju3dv/pvnet（基于投票的方法）
2）3D深度学习的方法：