原创 52CV 2025-07-16 13:58 江苏

关注公众号，发现CV技术之美

本篇分享 ICCV 2025 论文Deterministic Object Pose Confidence Region Estimation，提出6D位姿置信区间估计的直接法。

在自动驾驶、机器人操作、增强现实等安全关键领域，精确感知三维物体的位置和姿态（6D位姿）至关重要。然而，仅提供单一的最优位姿估计，在面对视觉模糊等情况时无法保证系统的可靠性，甚至可能引发灾难性后果。因此，对位姿估计进行不确定性量化，即提供一个能以特定概率包围真实位姿的“置信区间”，已成为学术界和工业界的前沿方向。

当前主流的置信区间估算方法严重依赖于随机采样，这一过程不仅计算效率低下，而且生成的置信区间往往过于宽泛（体积过大），极大地限制了其实际应用价值。为解决这些挑战，国防科技大学图像测量与视觉导航团队提出了一种高效的确定性6D位姿置信区间估计方法。

该方法摒弃了耗时的采样过程，首先通过神经网络直接回归关键点的概率分布，然后利用归纳保形预测（Inductive Conformal Prediction）将其校准为具有用户指定覆盖率的2D关键点置信区间。核心创新在于，团队借助隐函数定理（Implicit Function Theorem），将2D关键点置信区间确定性地、直接地传播到6D位姿空间，生成紧凑的椭球置信区间。

实验结果表明，该方法在保证相近的真实位姿覆盖率的前提下，推理速度提升超过33%，并且生成的置信区间体积大幅度缩小——旋转置信区间体积最多减小99.9%，平移置信区间体积最多减小99.8%。该工作为高可靠性、安全关键应用的落地提供了坚实的技术支撑。

Abstract

本文提出了一种位姿置信区间估计的直接法。对于用户，只需要自定义覆盖率，其后算法能生成以指定覆盖率覆盖位姿真值的6D位姿置信区间，并且能够输出紧凑的位姿置信区间。

本文的贡献与创新点如下：

提出了一种基于 ICP (归纳保形预测) 的方法来预测关键点置信区域，该方法依赖于对高斯关键点分布的确定性回归。

利用 IFT (隐函数定理)，将关键点置信区域直接传播到6D位姿中，同时保持了与采样方法相当的位姿覆盖率。

提出了全面的度量标准来评估估计出的位姿置信区域。

Method

本文提出的确定性位姿置信区间估计流程如图2所示，主要包含三个核心步骤。给定输入图像(a)，方法首先回归关键点的二维高斯分布(b)；随后通过归纳保形预测校准得到2D关键点置信区间(c)；最后，通过基于隐函数定理的确定性传播，高效地得到紧凑的6D位姿置信区间(d)。

1. 确定性关键点回归 (Keypoint Deterministic Regression)

不同于计算和存储开销大的热力图方法，本文采用一种高效的回归模型，直接预测图像中每个语义关键点的二维高斯分布参数（均值和协方差矩阵）。这种方式直接对关键点位置的不确定性（Aleatoric Uncertainty）进行建模。

2. 归纳保形预测与置信区间校准 (Conformal Prediction & Calibration)

为了使预测的置信区间具有严格的统计保障，本文采用归纳保形预测（ICP）框架。该框架利用一个校准数据集，计算出一个非符合性分数阈值。对于新的测试图像，该阈值可以确保生成的2D关键点置信区间（一系列以预测均值为中心，以协方差和阈值为半径的圆形区域）能够以用户预先设定的概率（例如）覆盖所有真实的关键点位置。

3. 基于隐函数定理的确定性传播 (IFT-based Deterministic Propagation)

这是本文的核心创新。团队摒弃了传统的随机采样，利用隐函数定理（IFT）来解析PnP求解器中6D位姿（输出）相对于2D关键点（输入）的雅可比矩阵。这个雅可比矩阵建立起了输入和输出不确定性之间的映射关系。随后，根据不确定性传播理论，将2D关键点的协方差矩阵（代表2D置信区间）通过该雅可比矩阵，“确定性”地、直接传播为6D位姿的协方差矩阵。这个6D协方差矩阵最终定义了一个紧凑的椭球体，作为最终的旋转和位移置信区间。

此外，本文还提出了一套更完善的评估指标，不仅评估位姿精度和覆盖率，还首次将置信区间的体积作为关键衡量标准，以更全面地评价不确定性量化方法的性能。