Para abordar el problema de la limitación en la precisión de la estimación de la pose 6D de objetos bajo condiciones de fondos complejos y texturas débiles, este documento propone un marco de estimación de pose con percepción de incertidumbre. Primero, en la fase de extracción de características, se introduce un módulo de mejora de campo receptivo multiescala en la estructura codificador-decodificador, que mediante la fusión de información contextual de diferentes escalas de convolución y tasas de dilatación mejora la capacidad de representación multiescala de la red para objetos con texturas débiles. Segundo, se diseña un mecanismo de voto consciente de la confianza a nivel de píxel para modelar la confianza de los resultados de predicción del campo vectorial unitario denso de puntos clave, y se aplican pesos adaptativos a la contribución de los píxeles durante el voto de los puntos clave para mejorar la robustez de la localización de puntos clave. Finalmente, la incertidumbre de los resultados de localización de los puntos clave se introduce explícitamente en el proceso de resolución de pose, construyendo un marco de estimación de pose PnP consciente de la incertidumbre para mitigar el impacto de puntos clave ruidosos en la estimación de pose. Los resultados experimentales en los conjuntos de datos LineMOD, Occlusion LineMOD y YCB-Video muestran que el método propuesto mejora significativamente la precisión de la estimación de pose en comparación con diversos métodos como BB8, DenseFusion, PoseCNN, con una mejora promedio de aproximadamente el 7 % en la métrica de distancia media (ADD), y exhibe buena robustez en escenarios de fondos complejos y texturas débiles. Los resultados experimentales validan plenamente la eficacia y la capacidad de adaptación a escenarios complejos de este método.

estimación de pose de objetos; localización de puntos clave; voto de confianza a nivel píxel; percepción de incertidumbre; resolución de pose PnP