في هذا البحث، نقدم حلاً دقيقًا وفعالًا لتقدير الوضعية الستية من صورة RGB. جوهر أسلوبنا يكمن في أننا نحدد مجموعة من النقاط السطحية على نموذج الكائن المستهدف كنقاط مرجعية، ثم ندرب كاشفًا للنقاط المرجعية (KPD) لتحديد مواقعها. وأخيرًا، يمكن لخوارزمية PnP استعادة الوضعية الستية بناءً على العلاقة ثنائية الأبعاد-ثلاثية الأبعاد للنقاط المرجعية. يختلف أسلوبنا عن الأساليب الحديثة القائمة على شبكات CNN التي تعتمد على إجراء معالجة ما بعد التنبؤ يستغرق وقتًا طويلاً، حيث يمكن لأسلوبنا تحقيق دقة تنافسية دون أي تحسينات بعد التنبؤ بالوضعية. وفي الوقت نفسه، حققنا تحسنًا نسبيًا بنسبة 30% من حيث دقة ADD بين الأساليب التي لا تستخدم التحسين. بالإضافة إلى ذلك، نجحنا في التعامل مع الإخفاء الشديد من خلال اختيار النقاط المرجعية الأكثر ثقة لاستعادة الوضعية الستية. من أجل قابلية إعادة الإنتاج، سنقوم قريبًا بجعل شفرتنا المصدرية ونماذجنا متاحة للجمهور.