三维目标的姿态估计能够获得目标的姿态信息,支撑对目标的精细操作和动作识别,在机器人操控、自动驾驶、增强现实中都有着重要的应用。目前,机器人、自动驾驶汽车等已经能够在空间中对目标进行很好的定位,但如果需要和环境中的目标进行交互,目标姿态估计是必需的技术,也是目前研究的热点之一。本文通过深入分析后发现目前姿态估计存在以下问题:（1）无纹理目标、遮挡缺失目标提取特征困难;（2）对于多维特征融合利用不够充分;（3）可形变目标姿态估计准确率不高等。针对上述问题,本文以类别级三维目标姿态估计算法研究及实现为研究课题,提出了一种面向类别的三维目标姿态估计方法,并将其应用于基于增强现实的姿态估计任务中。首先,本文采用基于关键点的类别级目标分层表示方法来解决类别级目标姿态表示方法的问题,分层的表示方式使得其能够很好地适应刚性目标和可形变目标。基于所提出的类别级分层表示方法和姿态估计网络,本文提出了基于关键点类别级刚性目标姿态估计方法,其能够很好的解决目标遮挡和缺失、多维度特征融合以及类别级的刚性目标姿态估计问题。实验结果表明,该类别级刚性目标姿态估计方法的准确性优于其他类别级刚性目标姿态估计网络。然后,在刚性目标姿态估计的基础上,提出了基于关键点的类别级可形变目标姿态估计方法以解决可形变目标姿态估计问题。该方法在类别级刚性目标的姿态估计网络和基于关键点的分层坐标空间表示的基础上,扩展了网络结构,使其在预测目标6D姿态的基础上能够预测可形变目标的连接参数和连接状态。实验结果表明,该类别级可形变姿态估计方法在准确性和鲁棒性上相较于现有方法有所提升。最后,为了进一步验证算法在增强现实图像中的有效性,本文设计了一个基于增强现实的姿态估计系统,其能够很好的生成视觉上可接受的增强现实数据并对其中的目标进行姿态估计。