基于特征融合和注意力机制的物体 6D 姿态估计算法

来源：计算机技术与发展杂志2023年第12期北京时间：

作者：高维东;林琳;刘贤梅;赵娅

单位：东北石油大学 计算机与信息技术学院,黑龙江 大庆 163318 Author(s): GAO Wei-dong;LIN Lin;LIU Xian-mei;ZHAO Ya School of Computer and Information Technology,Northeast Petroleum University,Daqing 163318,China 关键词: 物体 6D 姿态估计;深度学习;特征融合;注意力机制;跳跃连接 Keywords: object 6D pose estimation;deep learning;feature fusion;attention mechanism;skip connection 分类号: TP391. 4 DOI: 10. 3969 / j. issn. 1673-629X. 2023. 12. 013 摘要: 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。

摘要：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。

关键词：物体 6D 姿态估计;深度学习;特征融合;注意力机制;跳跃连接