6DoF Object Pose from Semantic KeyPoints——自我理解

目的：从RGB图片中估计6d位姿
方法：首先利用图片集训练网络对图片纹理的感知，将可变模型（基于外观的概率或统计模型）和由卷积网络预测的语义关键点结合，然后利用语义关键点推测类内的形状变量，相机位姿是由弱透视或全方位的相机模型模型化，通过最大化参数化可变模型和2d语义关键点的几何一致性进而估计6d位姿。
贡献：第一，上面的方法；第二，无需任何位姿初始化就能在混乱场景中精确定位6d位姿

手段：主要三个步骤：对象检测，关键点定位，位姿优化
A.关键点定位
网络名称：‘stacked hourglass’
网络结构：RGB图片（输入）——>热度图集（输出）代表关键点的可信度，由前一部分和后一部分组成，前者输出中间热度图，后者输出优化后的热度图。
B.位姿优化
PnP：容易受闭环和错误检测影响
Ours：用一个易变形的模型去匹2d检测
说明：每个对象使用3D CAD模型＋注释的关键点来生成一个形状易变的模型，第p个关键点在3D模型上的定位由S表示

B0是初始值ÿ