Um das Problem der begrenzten Genauigkeit der 6D-Objektpose-Schätzung unter komplexen Hintergründen und schwacher Textur zu lösen, schlägt dieser Artikel einen unsicherheitsbewussten Pose-Schätzungsrahmen vor. Zunächst wird in der Merkmalextraktionsphase ein Modul zur Verstärkung des mehrskaligen Rezeptivfeldes in die Encoder-Decoder-Struktur eingeführt, das durch die Fusion von Kontextinformationen unterschiedlicher Faltungs- und Dilatationsraten die mehrskalige Repräsentationsfähigkeit des Netzwerks für schwach texturierte Objekte verbessert. Zweitens wird ein pixelgenauer vertrauensbewusster Abstimmungsmechanismus zur Modellierung der Vertrauenswürdigkeit der Vorhersagen des dichten Einheits-Vektorfeldes der Schlüsselpunkte entwickelt und die Beitrag der Pixel bei der Schlüsselpunkte-Abstimmung adaptiv gewichtet, um die Robustheit der Schlüsselpunkte-Lokalisierung zu erhöhen. Schließlich wird die Unsicherheit der Schlüsselpunktergebnisse explizit in den Pose-Lösungsprozess eingeführt, wodurch ein unsicherheitsbewusster PnP-Pose-Schätzungsrahmen entsteht, der die Auswirkungen von verrauschten Schlüsselpunkten auf die Posen-Schätzung vermindert. Experimentelle Ergebnisse auf den Datensätzen LineMOD, Occlusion LineMOD und YCB-Video zeigen, dass die vorgeschlagene Methode im Vergleich zu verschiedenen Methoden wie BB8, DenseFusion, PoseCNN die Genauigkeit der Pose-Schätzung deutlich verbessert und den durchschnittlichen Distanzmaß (ADD) um etwa 7 % erhöht sowie eine gute Robustheit in Szenarien mit komplexen Hintergründen und schwacher Textur zeigt. Die experimentellen Ergebnisse bestätigen die Wirksamkeit und Anpassungsfähigkeit der Methode an komplexe Szenarien.

Objektpose-Schätzung; Schlüsselpunkterkennung; pixelgenaue vertrauensbewusste Abstimmung; Unsicherheitsbewusstsein; PnP-Pose-Lösung