最新的位姿估计工具箱，对应文献为：Very Fast Solution to the PnP Problem with Algebraic Outlier Rejection。PnP问题是计算机视觉中非常基础的经典问题，可以用来测量目标的三维位置姿态。

Learning a Deep Network with Spherical Part Model for 3D Hand Pose Estimation

openpose1.5.1（2019年）中训练好的身体数据。openpose中的批处理文件下载速度极慢，且容易中断。下载后将此文件解压放在openpose根目录下的\models\pose\body_25文件夹中。

CMU Multi-PIE人脸数据库包含超过750,000张337人的图像，这些图像在五个月内最多可​​记录四次。受试者在15个视点和19个照明条件下成像，同时显示一系列面部表情。此外，还获得了高分辨率正面图像。总的来说，数据库包含超过305GB的面部数据。 资源包括PIE照明子集（1154张人脸灰度图，32*32）和三个Pose05、Pose07、Pose09子集（分别包括3332张、1629张、859张人脸灰度图，64*64）。

摄像机外参数标定（位姿估计 pose estimation）的经典文章和代码 EPNP

tf-pose-estimation-master-韦访源码分析带注释.zip

论文+翻译+PPT+代码+动画视频 PoseCNN：A Convolutional Neural Network for 6D Object Pose Estimation in Cluttered Scenes； 机器人与现实世界进行交互时，对已知目标的6D姿态估计至关重要。由于对象的多样性，以及由于对象之间的杂波和遮挡而导致场景的复杂性，使得该问题具有挑战性。本文介绍了一种用于6D目标姿态估计的新型卷积神经网络PoseCNN。PoseCNN通过在图像中定位物体的中心并预测其与摄像机的距离来估计物体的三维平移。通过回归到四元数(w,x,y,z)表示来估计物体的三维旋转。

CVPR2018的论文翻译。学习计算机视觉的同学需要看论文的可以下载学习，共同进步啊

Realtime Multi-Person 2D Pose Estimation using Part Affinity Fields 中文版，帮助想研究此论文的朋友节省时间

用于快速制作虚幻4官方骨骼文件T-pose的动画文件，个人博客有说明