该研究提出了一种基于关键点的物体位姿估计方法，结合RGB图像和立体视觉技术，显著提高了6D姿态估计的准确性。通过解耦姿态和尺寸估计，优化了算法性能，并在多个数据集上验证了其有效性。

该研究提出了一种基于自监督学习和SE(3)等变点云网络的物体位姿估计方法，能够在没有真值注释的情况下，从单个3D点云中进行六自由度估计，并在多个基准测试中验证了其有效性。

本文介绍了SyntheticP3D数据集和CC3D方法，结合使用可以在只有10%真实数据的情况下取得与最先进模型相媲美的物体位姿估计结果，并在使用50%真实数据时超越SOTA模型10.4%。

该研究提出了一种基于自监督学习框架和SE(3)等变点云网络的类别级别物体位姿估计方法，可在没有真值姿态注释、CAD模型和多视图监督的情况下，从单独的3D点云中进行类别级别的六自由度物体位姿估计，并在多个基准测试上验证了该方法的有效性。