利用卷积神经网络学习并预测二维图像中三维物体的姿态信息,提出一种基于李代数的三维物体姿态表征方式。为了仅利用二维图像来准确预测三维姿态信息,采用李群和李代数将三维物体姿态分解为平移和旋转向量,姿态向量表征方式满足神经网络反向传播时要求的可微分条件,提高了训练效率。首先,通过RGBD相机获取三维物体的真实坐标信息,然后利用旋转矩阵和平移矩阵来描述物体的三维坐标,运用李代数将旋转矩阵和平移矩阵转化为对应向量,使用卷积神经网络回归对应的坐标向量来预测三维姿态信息。相比其他同类算法,本方法提升了三维物体姿态预测的准确性,提高了算法的测试速度。