基于深度学习的物体六自由度（Six Degrees of Freedom,6Do F）位姿估计作为计算机视觉中的一个新兴研究方向,正在逐步被应用于各个领域中。本文认为将增强现实（Augmented Reality,AR）技术与建筑位姿估计结合能在建筑改造任务中发挥重要作用。在对某一区域的建筑改造时,需要考虑改造后的建筑能否与周围场景协调一致。此时建筑设计师可以在AR视角下,将虚拟3D建筑模型放入无人机航拍到的真实建筑影像下的某一特定位置中,通过将真实建筑替换成3D模型来直观的观察该3D模型是否能与周围的真实环境融合,从而达到优化建筑设计和建筑改造的目的。上述AR应用需要理解自身的环境,关键技术即为物体的6Do F位姿估计,它的目的在于估计出给定图像中的特定目标相对于相机的三维位置和三维方位,使得在AR视角下能够准确获得特定目标的三维信息。结合现有的6Do F位姿估计算法,主要存在以下几个难点:1)真实场景下的建筑难以获取精确的位姿信息,使得相关数据集匮乏;2)对于存在对称性的规则建筑,网络难以简单地通过建筑的不同表面学习不同拍摄角度下的差异特征。为了解决上述问题,本文构建了一个基于CNNs的端到端建筑6Do F位姿估计算法,用于无人机视角下的建筑位姿估计。本文的创新点和主要工作如下:（1）本文构建了一个无人机视角下的建筑6Do F位姿数据集,命名为BD3D。为了获得准确的6Do F位姿信息,本文以虚拟建筑模型作为目标,并在Unity3D虚拟引擎中利用可以模拟真实相机的物理相机来模拟无人机视角,获取了一系列的航拍建筑数据。同时,为了验证位姿估计算法在虚拟数据集上训练的有效性,本文获取了真实无人机拍摄的建筑数据用于测试。（2）本文将经典位姿估计算法Pose Net与Deep3DBox算法的Multi Bin思想进行结合,构建了一个新的建筑三维方向估计算法Mobile Net V2-Pose。对于建筑目标存在对称性,本文提出了一个世界坐标系重定位策略在数据预处理阶段对三维方向的航向角进行周期性的调整,以此来消除目标相对于相机具有朝向的特性。该策略与本文算法的结合在BD3D数据集上的结果验证了数据集和算法的有效性。（3）本文构建了一个端到端6Do F位姿估计算法YOLOv4-Mobile Net V2-Pose直接对RGB图片进行建筑目标的6Do F位姿估计。为了验证端到端算法相对于多阶段6Do F位姿估计算法的有效性,本文将世界坐标系重定位思想应用于多阶段位姿估计算法,与该算法的对比实验表明本文的端到端算法具有更好的效果。