物体6D姿态估计技术是人工智能三维感知领域核心问题之一,旨在帮助机器更好地感知世界的三维信息,是机器人控制,自动驾驶,增强现实应用中的核心技术。近年来受到了研究人员和相关行业从业者的广泛关注。目前的方法大多利用深度卷积神经网络学习图像和物体6D姿态间的映射关系。然而这类方法依赖大量人工标注的图像数据进行学习,不仅标注成本极高,并且容易陷入对单一场景的过拟合,导致在开放环境中性能下降,在实际应用中效果较差。此外,由于实验场景与真实环境差别很大,很难评估物体6D姿态估计算法在实际应用中的有效性。本文以RGB图像为基础,研究基于面向开放、复杂场景下的物体6D姿态估计问题,聚焦于使用廉价标注数据训练网络,挖掘不依赖环境的物体姿态本质特征来解决上述问题。本文将真实情况下较易获取的标注数据划分为两种情境,一种是利用物体三维模型自动产生大量的合成图像,另一种是利用拍摄相机间的相对姿态变化作为标注信息。本文将分别在两种数据环境下研究基于深度网络模型的物体6D姿态估计算法。为了提模型升在跨域环境下的泛化能力,提出通过图卷积网络学习真实图像与合成图像中体现物体本质的共有特征,从而对姿态估计模型进行优化。在提出的物体6D姿态估计算法基础上,设计一个增强现实系统实现文物的虚实融合展示,验证了算法的有效性。具体研究内容如下:（1）提出了基于合成图像的物体6D姿态估计方法,利用物体三维模型生成大量带姿态标注的合成图像,避免复杂的人工标注过程。通过多样性图像合成方案和网络预训练策略减少领域偏移对检测性能的负面影响。并且设计了一个端到端的网络架构以完全可微方式实现关键点检测、姿态推理和姿态校准,减少了姿态估计过程的复杂度,同时提升了检测速度,并且可以直接以姿态信息作为标签对网络进行优化,提升姿态估计精度。（2）提出了基于相对姿态变化的物体6D姿态估计方法,设计了一个基于多任务学习的关键点检测和姿态估计框架。该框架使用成对的图像及其拍摄视点之间的相对变化作为训练数据,让网络自动的寻找物体上具有视觉和几何一致性的三维关键点。物体的6D姿态可以通过一个基于关键点的推理方法计算得到。视点之间的相对变换可以从图像采集设备比如照相机或者智能手机上获得,因此大大降低了标注的工作量。（3）提出了基于图卷积的深度学习物体6D姿态模型优化方法,该方法通过检测物体关键点来计算物体姿态,利用图卷积网络学习关键点之间的几何结构关系。这种几何关系是在真实图像与合成图像之间共有、不变的特征。通过在合成图像上学习这些特征,来指导网络在真实图像上的训练,从而提升网络在开放场景的跨域检测能力,减少了对人工标注数据的依赖性。（4）针对本文提出的物体6D姿态估算法进行了实际应用验证。设计了一种基于6D姿态估计技术的增强现实系统,将本文提出的方法作为姿态估计模块部署在增强现实系统中。在文物虚实融合展示的场景下验证了本文所提出的物体6D姿态估计方法和网络优化策略的有效性。