基于特征融合和注意力机制的物体6D姿态估计算法

作者：高维东; 林琳^*; 刘贤梅; 赵娅

来源：计算机技术与发展, 2023, 33(12): 92-100.

• 物体6D姿态估计
• 深度学习
• 特征融合
• 注意力机制
• 跳跃连接

针对物体6D姿态估计易受目标物体的弱纹理和小体积特性、复杂背景、遮挡的影响，提出一种结合特征融合和注意力机制的物体6D姿态估计算法。首先，在RGB图像特征提取网络的首个卷积块中加入卷积注意力模块，提升弱纹理小物体的区域显著度；其次，在基于编解码结构的RGB图像特征提取网络中引入基于卷积注意力模块的跳跃连接，有效地将编码阶段的颜色、纹理等细节外观特征融合到解码阶段的姿态语义特征中，弥补姿态语义特征缺乏细节外观特征的问题；然后，使用通道注意力模块改进池化金字塔模块，增强目标物体可见区域与遮挡区域的联系，提升遮挡鲁棒性；最后，使用卷积注意力模块重构解码阶段输出的姿态语义特征，增强相似表面特征的区分度，从而降低外观相似物体对物体6D姿态估计的干扰。实验结果表明，该算法在Occlusion LINEMOD数据集和LINEMOD数据集上ADD(-S)指标分别达到73.4%和99.8%,与FFB6D相比，分别提升7.8百分点和0.1百分点，验证了该算法的可行性。

• 单位
  东北石油大学