1.一种基于3D视觉的药盒姿态估计方法，其特征在于，所述方法包括以下步骤：

1)图像采集和图片归一化，制作PASCAL VOC数据集；

2)制作求取单应矩阵所用的模版；

3)模型训练；

YOLOv3网络采用误差平均作为loss函数，loss函数如下：式中，1MaxIOU＜Thresh表示预测边框中与真实对象边框IOU最大的那个，1t＜128000表示前

128000次迭代计入误差， 表示该边框负责预测一个真实对象，λ是不同类型误差的调节系数；

在avg低于0.01之后，avg为平均loss，停止模型训练，输出训练好的权重文件，完成YOLOv3卷积神经网络的模型训练；

4)目标定位

通过加载YOLOv3训练好的权重文件进行目标定位，获取bounding box位置信息；

bounding box预测公式如下：

其中，bx，by，bw，bh是预测边框的中心和宽高，Pr(object)*IOU(b,object)是预测边框的置信度，即对预测参数to进行σ变换后作为置信度的值，pw，ph是先验框的宽和高，tx，ty，tw，th是要学习的参数，分别用于预测边框的中心和宽高；

5)通过目标框定位坐标依次分割药盒；

6)通过步骤2)的模板，通过特征匹配求取单应矩阵；

7)姿态计算

由相机中心透视模型得像素坐标系到相机坐标系的转换关系如下：其中(u,v)为像素坐标，u0、v0为图像坐标系原点的像素坐标，fx、fy为相机内参，ZC是通过RGB‑D相机获取的坐标深度，设像素坐标系中通过单应矩阵获取的四个角点顺序为p1、p2、p3、p4，YOLOv3目标定位框中点坐标与药盒平面中点重合，记为p0，则pi＝(ui,vi)i＝0，1，2，

3，4代入式(3)得pi点在相机坐标系下的坐标记为设向量 平面法向量记为

则

对获取的平面法向量构造C＝An+η，用最小二乘法优化获取最优平面法向量n移至p1点，根据药盒边固有的垂直关系，则向量 向量 法向量n构成物体坐标系，记为坐标系{A}，则坐标系{A}相对于相机坐标系{C}的描述为：则药盒坐标系相对于相机坐标系的描述为：