Differential 6-DOF Pose Estimation with Provable First-Order Immunity to Camera Calibration Errors

📄 arXiv: 2608.04673v1 📥 PDF

作者: Yueqiang Zhang, Liang Deng, Yi Zhang, Baoqiong Wang, Wenjun Chen, Shuixin Pan, Yulan Guo, Qifeng Yu

分类: cs.CV, cs.RO

发布日期: 2026-08-05

备注: 16 pages, 15 figures

🔗 代码/项目: GITHUB

💡 一句话要点

提出一种差分6自由度姿态估计方法以解决相机标定误差问题

🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱七：动作重定向 (Motion Retargeting) 支柱八：物理动画 (Physics-based Animation)

关键词: 六自由度估计 相机标定 运动估计 机器人技术 计算机视觉 深度学习 鲁棒性 图像处理

📋 核心要点

  1. 现有的3D-2D方法在估计相机姿态时对外部标定误差非常敏感，尤其是在微运动场景中表现不佳。
  2. 本文提出的差分姿态估计方法通过图像位移和3D控制点直接恢复平台运动，避免了独立的绝对姿态估计。
  3. 实验结果显示，单目求解器在0.5像素图像噪声下的旋转均方根误差为10.09弧秒，翻译均方根误差为3.70毫米，显著优于传统方法。

📝 摘要（中文）

准确的六自由度（6-DOF）运动估计对于机器人操作、自动化系统和结构位移监测至关重要。传统的3D-2D方法在每个时间点独立估计绝对相机姿态，并通过相机与平台的外部参数恢复平台运动，这使得它们对外部标定误差非常敏感，尤其是在微运动情况下。本文提出了一种差分姿态估计方法，直接从帧间图像位移和已知的3D控制点中恢复平台运动。通过对透视投影方程进行差分、使用深度不变近似以及在SE(3)上建模运动，该方法避免了独立的绝对姿态估计，并支持单目和多相机系统。我们证明了平移外部误差完全抵消，而旋转误差则引入由标定误差、运动幅度和观测几何决定的有界扰动。通过广泛的合成和真实世界实验，建立了6-DOF平台微运动估计的新状态，超越了代表性的PnP和广义PnP方法在准确性、标定鲁棒性和计算效率上的表现。

🔬 方法详解

问题定义：本文旨在解决传统3D-2D方法在相机标定误差下的敏感性问题，尤其是在微运动场景中，现有方法的准确性受到严重影响。

核心思路：通过差分透视投影方程，利用深度不变近似，直接从图像位移中恢复平台运动，避免了对绝对姿态的独立估计，从而提高了鲁棒性。

技术框架：该方法包括三个主要模块：1) 图像位移计算，2) 运动建模在SE(3)上，3) 误差分析与校正。通过这些模块，系统能够有效处理不同相机配置下的运动估计。

关键创新：最重要的创新在于证明了平移外部误差的完全抵消特性，以及旋转误差的有界扰动，这在现有方法中并未得到充分探讨。

关键设计：在设计中，采用了五个控制点的配置，并通过深度不变近似来简化计算，确保了在低噪声条件下的高效性和准确性。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，单目求解器在0.5像素图像噪声下的旋转均方根误差为10.09弧秒，翻译均方根误差为3.70毫米，运行时间为0.34毫秒；双目求解器的旋转均方根误差为10.58弧秒，翻译均方根误差为3.91毫米，运行时间为0.27毫秒，均显著优于传统PnP方法。

🎯 应用场景

该研究的潜在应用领域包括机器人操作、无人驾驶汽车、增强现实和结构监测等。通过提高6-DOF运动估计的准确性和鲁棒性，该方法能够在复杂环境中实现更可靠的导航和操作，具有重要的实际价值和广泛的应用前景。

📄 摘要（原文）

Accurate six-degree-of-freedom (6-DOF) motion estimation is essential for robotic manipulation, autonomous systems, and structural displacement monitoring. Conventional 3D-2D methods estimate absolute camera poses independently at each time and recover platform motion through camera-to-platform extrinsics, making them sensitive to extrinsic calibration errors, especially for micromotion. We present a differential pose estimation method that directly recovers platform motion from inter-frame image displacements and known 3D control points. By differencing perspective projection equations, using a depth-invariance approximation, and modeling motion on SE(3), the method avoids independent absolute-pose estimation and supports both monocular and multi-camera systems. We prove that translational extrinsic errors cancel exactly, while rotational errors induce a bounded perturbation determined by calibration error, motion magnitude, and observation geometry. We also derive generic observability conditions, a Cramer-Rao lower bound, and a bias-eliminated consistent estimator, and characterize the validity limits of the approximations. Extensive synthetic and real-world experiments establish a new state of the art for 6-DOF platform micromotion estimation, outperforming representative PnP and generalized-PnP methods in accuracy, calibration robustness, and computational efficiency. With five control points and 0.5-pixel image noise, the monocular solver obtains a combined pitch-yaw rotation RMSE of 10.09 arcsec, a translation RMSE of 3.70 mm, and a runtime of 0.34 ms. The binocular solver achieves a rotation RMSE of 10.58 arcsec, a translation RMSE of 3.91 mm, and a runtime of 0.27 ms. Code will be released upon publication at https://github.com/zyoungszu/pami2026.