복잡한 배경과 약한 텍스처 조건에서 6D 객체 자세 추정 정확도가 제한되는 문제를 해결하기 위해, 본 논문에서는 불확실성 인지 자세 추정 프레임워크를 제안한다. 먼저, 특징 추출 단계에서 인코더-디코더 구조에 다중 스케일 수용 영역 강화 모듈을 도입하여 서로 다른 컨볼루션 스케일과 확장 비율의 컨텍스트 정보를 융합함으로써 네트워크의 약한 텍스처 대상에 대한 다중 스케일 표현 능력을 향상시킨다. 다음으로, 픽셀 단위 신뢰도 인지 투표 메커니즘을 설계하여 키포인트 밀집 단위 벡터 필드 예측 결과에 대한 신뢰도를 모델링하고, 키포인트 투표 과정에서 픽셀 기여도를 적응적으로 가중하여 키포인트 위치 지정의 견고성을 향상시킨다. 마지막으로, 키포인트 위치 지정 결과의 불확실성을 자세 계산 과정에 명시적으로 도입하여 불확실성 인지 PnP 자세 추정 프레임워크를 구축함으로써 노이즈 키포인트가 자세 추정에 미치는 영향을 완화한다. LineMOD, Occlusion LineMOD 및 YCB-Video 데이터셋에서의 실험 결과, BB8, DenseFusion, PoseCNN 등 다양한 방법과 비교하여 제안된 방법이 자세 추정 정확도에서 유의미한 향상을 이루었으며, 평균 거리(ADD) 지표가 평균 약 7% 향상되었고 복잡한 배경과 약한 텍스처 장면에서 우수한 견고성을 보였다. 실험 결과는 본 방법의 효과성과 복잡한 장면 적응 능력을 충분히 검증하였다.

물체 자세 추정; 키포인트 위치 지정; 픽셀 단위 신뢰도 투표; 불확실성 인지; PnP 자세 해석