DPOD：6D Pose Object Detector and Refiner——自我总结

论文概观：
目标：3D对象的检测以及从RGB图像中恢复6D位姿
方法：DPOD（dense pose object detector）密集对象位姿检测器，在输入图片和已知3D模型中去估计密集的多类2D-3D对应图，基于对应图，利用PnP和RANSAC计算6D位姿
优势：可以同时基于合成数据和真实数据

介绍（说明）：
最近估计位姿的一些手段：

名称	简介
SSD6D	合成数据+Manhardt（优化器）+ICP优化+depth，基于细化视点的6D位姿扩展2D对象检测器的想法，缺点：较慢且不精确
AAE（Augmented autocoders）	合成数据
YoLo6D	真实数据，等价于YoLo+BB8，没有优化
poseCNN	真实数据，DeepIM（优化器），估计对象mask，分别估计对象中心T和用四元数回归R进行位姿的估计
PvNet	真实数据，回归像素，基于关键点的假设，再利用PnP算法估计位姿，优势：处理occlusion
iPose	分割，3D坐标回归，位姿估计
BB8	三阶段&#x