通过3D高斯溅射（3DGS）提升5D苹果姿态估计的注释

orchard中的自动化任务因环境变化大和遮挡问题而具有挑战性，其中一个挑战是苹果姿态估计，关键点（如黄果）常常被遮挡。最近发展的姿态估计方法不再依赖这些关键点，但仍需它们进行注释，这使得注释过程具有挑战性和耗时。鉴于上述遮挡问题，同一 fruit在不同图像中的注释可能存在冲突和缺失。可以采用新型3D重建方法来简化注释并扩大数据集。我们提出了一条新型管道，包括3D高斯溅射重建orchard场景、简化注释、将注释自动投影到图像中，以及训练和评估姿态估计方法。通过我们的管道，仅需105次手动注释即可获得28,191个训练标签，减少了99.6%。实验结果表明，使用遮挡率$\\leq95$的水果标签进行训练效果最佳，在原始图像上获得中性F1分为0.927，在渲染图像上为0.970。调整训练数据集大小对模型性能（F1分数和姿态估计精度）影响较小。发现最不遮挡的水果位置估计最佳，随着遮挡加剧，估计效果恶化。还发现所测试的姿态估计方法无法正确学习苹果的方向估计。