用于物体 6D 位姿估计的基本坐标空间

基于摘要分析。本文研究计算机视觉与机器人中的物体 6D 位姿估计，重点处理对称物体引起的对应关系歧义；提出 fundamental coordinate space（基本坐标空间），将相机空间与物体坐标空间之间的一对多对应转化为一对一对应，以简化对应关系学习。 方法首先通过一套流程确定物体的基本坐标空间，再使用基于坐标的注意力网络，预测相机空间与该空间之间的稠密对应。网络通过基于注意力操作的融合模块，在物体周围任意查询点整合几何与纹理信息。其核心思路是先改变对应关系的表示空间，再学习对应，而不是直接拟合对称性带来的多解关系；基本坐标空间的具体构造、对称性处理方式及训练目标尚未验证。 作者报告，在 T-LESS 和 NOCS-REAL 的物体 6D 位姿估计评估中，相对其所比较的既有最佳方法，T-LESS 上的 ARMSSD 提高 1.4 个百分点，NOCS-REAL 上的 5°5 cm 指标提高 6 个百分点。摘要未提供具体对照模型、绝对分数、数据划分及指标计算细节，因此这些增益仅能在原论文相应协议下解读，不能跨数据集直接比较。实验协议、消融及统计信息尚未验证。 摘要提供了代码仓库，但代码可运行性、依赖、预训练权重及复现配置尚未核查。本文的直接研究对象是视觉几何中的物体位姿估计，并非神经信号建模；现有材料未建立其坐标空间机制与 EEG/BCI 瓶颈的具体对应关系，因此不提出迁移效果判断或复现实验建议。