摘要
本文提出了一种名为EfficientPose的新方法，用于6D物体姿态估计。该方法具有高精度、高效率，并可在广泛的计算资源下实现良好扩展性。此外，该方法能够在单次推理中同时完成多个物体与实例的2D边界框检测及其完整的6D姿态估计，从而避免了传统方法在处理多物体时带来的显著运行时间增长问题。现有方法通常首先检测2D目标（如关键点），再对每个物体单独求解PnP（Perspective-n-Point）问题以获得其6D姿态，这一流程在多物体场景下效率较低。为此，我们进一步提出一种针对直接6D姿态估计方法的新型数据增强策略，称为6D增强（6D augmentation），以提升模型性能与泛化能力。在广泛使用的6D姿态估计基准数据集LineMod上，EfficientPose仅使用RGB输入即实现了97.35%的ADD(-S)指标新纪录，同时保持端到端推理速度超过27 FPS。得益于对多物体与多实例的内在处理能力，以及融合的单次推理2D目标检测与6D姿态估计架构，该方法在处理多达八个物体的场景下仍可实现超过26 FPS的端到端运行速度，使其在众多实际应用场景中极具吸引力。代码将公开发布于：https://github.com/ybkscht/EfficientPose。