Para resolver problemas de insuficiência na modelagem de restrições cinemáticas na estimação da pose de seis graus de liberdade de objetos articulares complexos, foi proposta uma metodologia de estimação de pose desacoplada e sensível às articulações. Adota-se uma estratégia de modelagem desacoplada sensível às articulações, utilizando ramos independentes que regressam separadamente a rotação e a translação do objeto, mitigando o acoplamento de erros entre eles. Com base nisso, foi projetado um mecanismo de fusão de características multimodais guiado por atenção, que modela dinamicamente a correlação entre a semântica da imagem e a geometria da nuvem de pontos, alcançando extração de características estável sob oclusão. Por fim, foi desenhado um esquema de ponderação adaptativa para equilibrar automaticamente múltiplas funções de perda, combinado com um módulo preditivo leve para regressão dos parâmetros de articulação das peças. Resultados experimentais no conjunto de dados ArtImage mostram que o método pode atingir velocidade de inferência de até 20 ms por imagem sem etapas adicionais de otimização; para objetos complexos de várias peças como gavetas, o erro de rotação se estabiliza em 1,6°; a IoU 3D da categoria óculos melhora cerca de 28%, superando a maioria dos padrões em categorias e métricas. Este framework realiza uma estimativa unificada da cinemática de cada componente a partir da perspectiva da base, garantindo consistência física e melhorando significativamente a rapidez e precisão da previsão de pose, possuindo potencial para integração em sistemas de visão robótica em tempo real.

Objetos articulares complexos;Estimação de pose de seis graus de liberdade;Desacoplamento sensível às articulações;Fusão multimodal;Ponderação adaptativa