複雑な背景および弱いテクスチャ条件下での6D物体姿勢推定精度の制限問題に対して、本研究は不確実性を考慮した姿勢推定フレームワークを提案する。まず、特徴抽出段階でエンコーダ-デコーダ構造にマルチスケール受容野強化モジュールを導入し、異なる畳み込みスケールと空洞率の文脈情報を融合することで、ネットワークの弱いテクスチャ対象に対するマルチスケール表現能力を向上させる。次に、ピクセルレベルの信頼度感知投票メカニズムを設計し、キーポイント密集単位ベクトル場予測結果の信頼度をモデル化するとともに、キーポイント投票過程でピクセル寄与を適応的に重み付けし、キーポイント位置決定の頑健性を高める。最後に、キーポイント位置決定結果の不確実性を姿勢解決過程に明示的に導入し、不確実性を考慮したPnP姿勢推定フレームワークを構築することで、ノイズのあるキーポイントが姿勢推定に及ぼす影響を低減する。LineMOD、Occlusion LineMOD、YCB-Videoデータセットでの実験結果は、BB8、DenseFusion、PoseCNNなどの複数手法と比較して、提案手法が姿勢推定精度を顕著に向上させ、平均距離（ADD）指標が約7％向上し、複雑な背景および弱いテクスチャのシーンにおいて良好な頑健性を示したことを示している。実験結果は本手法の有効性と複雑なシーンへの適応能力を十分に検証している。

物体姿勢推定;キーポイント位置決定;ピクセルレベル信頼度投票;不確実性認識;PnP姿勢解決