---
title: "姿態估計（Pose Estimation）"
slug: pose-estimation
language: zh-TW
source: https://aiterms.tw/terms/pose-estimation
updated_at: 2026-06-23
tags: [電腦視覺, 深度學習, AI應用]
ipas_term: false
---

# 姿態估計（Pose Estimation）

確定人體或物體在三維空間中的位置和方向，通常輸出關鍵點（如關節位置）的坐標。

## 完整說明

姿態估計是確定人體或物體在空間中的方向和位置的技術。對於人體，通常涉及識別骨骼關鍵點（如肩、肘、膝蓋）的位置。對於物體，包括估計其旋轉角度和位移。姿態估計應用於體育分析、健身監測、虛擬現實、機器人控制等領域，是人機互動和場景理解的重要基礎。

## 常見問題

### 為什麼 3D 姿態估計比 2D 困難這麼多？

因為深度信息本質上丟失在二維投影中。相同的 2D 姿態（如肘在圖像中的位置）可能對應許多不同的 3D 姿態（肘可能離相機近或遠）。這是個根本的幾何歧義。2D 姿態估計只需預測圖像平面的坐標，相對簡單。3D 估計必須消除這種歧義，通常需要額外信息：多視圖（多個相機角度）、時間序列（視頻中的幀間一致性）、人體運動學約束（身體骨骼長度、關節活動範圍）。即使有這些，精度仍受限。

### 熱力圖方法和迴歸方法各有什麼優缺點？

熱力圖方法優點：保留空間結構信息，對遮擋和模糊更魯棒（可以從周圍區域推斷）；輸出是概率分佈，可以估計置信度；缺點是分辨率受限（通常是輸入的 1/4 或 1/8），無法達到亞像素精度。迴歸方法優點：可以直接輸出亞像素坐標，理論上更精確；缺點：丟失空間信息，容易過擬合到訓練數據中的特定關鍵點；對遮擋敏感，無法從上下文推斷被遮擋的關鍵點。實踐中，混合方法（先用熱力圖定位大致位置，再用細化網絡迴歸精確坐標）通常最優。

### 物體姿態估計中的「6D 姿態」是什麼意思？

"6D 姿態"指六自由度的姿態參數：三個平移（X、Y、Z 位置）+ 三個旋轉。平移確定物體在空間中的位置（相對於相機或世界坐標系），旋轉確定物體的方向。例如，一個咖啡杯的 6D 姿態可能是「位置 (1.2, 0.5, 0.8) 米，旋轉繞 Z 軸 45 度」。6D 姿態完整地定義了物體在三維空間中的狀態，足以進行精確的機器人操作。注意，有些應用只需要 3D 旋轉（忽視位置），有些只需要位置（忽視旋轉），但完整的 6D 信息最通用。

---

來源：https://aiterms.tw/terms/pose-estimation
快查頁：https://aiterms.tw/terms/pose-estimation
最後更新：2026/06/23
深度解說：https://aiterms.tw/learning/what-is-pose-estimation