Aruco是用于姿态估计的一种常用标记系统。它可以通过检测标记及其角点的位置来估计相机的姿态。然而，对于高精度姿态估计，Aruco并不是最佳选择，因为它的精度受到标记尺寸和摄像机的分辨率限制。

如果你仍然想使用Aruco进行姿态估计，你可以选择合适的字典来增加精度。字典是由一组二进制码组成的，用于生成Aruco标记。不同的字典具有不同的特性，例如标记数量和大小。一般来说，字典越大，可以支持的标记数量越多，但精度可能会降低。

以下是一个使用Aruco进行姿态估计的Python代码示例：

import cv2
import cv2.aruco as aruco

# 选择合适的字典
dictionary = aruco.getPredefinedDictionary(aruco.DICT_6X6_250)

# 读取输入图像
image = cv2.imread('marker_image.jpg')

# 转换为灰度图像
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# 检测标记
parameters = aruco.DetectorParameters_create()
corners, ids, rejectedImgPoints = aruco.detectMarkers(gray, dictionary, parameters=parameters)

# 如果检测到标记
if ids is not None:
    # 估计姿态
    rvecs, tvecs, _ = aruco.estimatePoseSingleMarkers(corners, 0.05, cameraMatrix, distCoeffs)

    # 绘制标记边框和姿态
    aruco.drawDetectedMarkers(image, corners, ids)
    for i in range(len(ids)):
        aruco.drawAxis(image, cameraMatrix, distCoeffs, rvecs[i], tvecs[i], 0.1)

    # 显示结果图像
    cv2.imshow('Aruco Marker Detection', image)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

在这个示例中，我们选择了DICT_6X6_250字典，并将其传递给getPredefinedDictionary函数。然后，我们使用detectMarkers函数检测图像中的标记，并使用estimatePoseSingleMarkers函数估计每个标记的姿态。最后，我们使用drawDetectedMarkers和drawAxis函数将标记边框和姿态绘制在图像上。

请注意，上述代码中的cameraMatrix和distCoeffs是相机的内参矩阵和畸变系数，你需要根据你的相机进行适当的设置。

总之，虽然Aruco可以用于姿态估计，但对于高精度姿态估计，可能需要考虑其他更精确的方法。