في هذا العمل، نقدم طريقة جديدة تعتمد على البيانات لتقدير وضعية الكائنات بست درجات من الحرية (6DoF) من صورة واحدة ملونة ثلاثية الأبعاد (RGBD). على عكس الطرق السابقة التي تقوم بتقدير معلمات الوضعية مباشرة، نحن نواجه هذه المهمة الصعبة باستخدام نهج يعتمد على النقاط الرئيسية. بشكل خاص، نقترح شبكة تصويت هوف العميقة لاكتشاف النقاط الرئيسية الثلاثية الأبعاد للأشياء ومن ثم تقدير معلمات الوضعية بست درجات من الحرية بطريقة التوافق بالمربعات الصغرى. طريقتنا هي امتداد طبيعي للطرق التي تعتمد على النقاط الرئيسية ثنائية الأبعاد والتي أثبتت نجاحها في تقدير وضعية الكائنات بست درجات من الحرية باستخدام الصور الملونة. تتيح لنا هذه الطريقة الاستفادة الكاملة من قيود الهندسة للأجسام الصلبة مع المعلومات الإضافية عن العمق وهي سهلة للتعلم والتحسين بالنسبة للشبكة. تم إجراء تجارب واسعة لبيان فعالية اكتشاف النقاط الرئيسية الثلاثية الأبعاد في مهمة تقدير وضعية الكائن بست درجات من الحرية. كما أظهرت النتائج التجريبية أن طرقتنا تتفوق بشكل كبير على أفضل الطرق الحالية في عدة مقاييس. يمكن الوصول إلى الرمز والفيديو عبر الرابط: https://github.com/ethnhe/PVN3D.git.