6D姿态估计作为增强现实,自动驾驶,机器人抓取等领域的关键技术之一,是一项极具挑战性而又基础的任务。现存的方法大多依赖于深度图像或迭代调优来追求先进的结果。然而,深度图像的获取成本高,迭代调优过程严重影响模型实时性。本文研究在不需要任何迭代调优过程的条件下,利用单目RGB图像进行实时的高精度的6D姿态估计。基于向量场表示的姿态估计方法能自然地解决目标遮挡问题并实现最先进的性能。该类方法利用不可微分的霍夫投票策略定位2D关键点,导致训练过程中忽略了关键点与像素点之间的距离对定位精度造成的严重影响。本文提出先验距离增强损失（Prior Distance Augmented Loss,PDAL）来提升向量场表示的质量和关键点定位的精度。CNN通常采用通道联合或矩阵求和的方式,实现浅层外观特征和深层语义信息的互补,这可能限制模型的表征潜力。因为浅层特征图包含大量具有干扰性的背景信息,深层次特征图嵌入的语义信息对多任务学习的重要性也不同。本文提出一个轻量级的自适应融合注意力模块（Adaptive Fusion Attention Module,AFAM）来实现精细的多层次特征融合。利用PDAL和AFAM,本文构建一个基于自适应融合的先验距离增强网络（Adaptive Fusion Prior Distance Augmented Network,AF-PDANet）来完成姿态估计任务。现有基于对应关系的方法难以实现联合训练,限制了姿态估计的潜力,而没深度图像的支撑下,基于整体预测方法的性能不佳。本文基于向量场表示实现一个可联合训练的基于空间概率分布的姿态估计网络（Spatial Probability Distribution Pose Estimation Network,SPD-PENet）。其针对AF-PDANet的改进主要包括两个可微分组件:利用向量场表示定位关键点的空间概率分布层（Spatial Probability Distribution Layer,SPDLayer）;基于隐式微分实现Pn P几何寻优的不确定性驱动BPn P（Uncertainty-driven Backpropagating Pn P,UD-BPn P）。SPD-PENet能充分发挥方向向量表示处理目标遮挡的能力和联合训练的优势。为了验证上述方法的有效性和实时性,本文在LINEMOD,OCCLUSION和YCB-Video等数据集上分别进行了广泛的实验。实验结果表明,本文的方法能获得显著的性能收益和先进的结果,并且在处理目标遮挡时更具鲁棒性。此外,本文的方法完全能满足实时性任务的要求。