6D pose estimation of category-level objects based on keypoint enhancement

类别级物体6维(6 Dimensions, 6D)姿态估计旨在预测来自类别已知的未见过目标实例的6D位姿和尺寸数据, 这要求模型对各种形状的物体实例具有强大的类内泛化能力. 尽管许多先前的方法都试图提高学习类内变化较大目标特征的能力, 但它们过于强调逐点稠密特征的学习或逐点坐标预测, 而缺少对目标整体几何特征和结构的学习, 导致此类方法对具有显著形状变化的未见过目标实例以及存在遮挡场景姿态估计的泛化性能较差. 为了解决此问题, 我们提出了一种基于关键点增强的类别级物体6D姿态估计方法. 该方法首先通过双模态分离跨模态注意力机制以及自适应权重融合的方式, 构建实例自适应关键点检测模块, 来学习一组稀疏关键点, 以表示实例的整体概略结构信息；其次通过自适应动态邻域构建, 线性和正弦位置编码以及多头注意力机制, 并通过条件归一化整合全局特征的方式, 构建感知特征聚合模块, 从而自适应地学习当前目标实例关键点的局部和全局特征. 关键点学习模块可以充分考虑和挖掘不同模态的信息, 以有效学习未见过实例的关键结构和概略信息. 特征聚合模块在关键点的基础上动态自适应地构建关键点局部和全局几何信息, 从而学习未见实例的几何信息, 提高对未见实例几何和结构信息的学习能力, 以及对未见目标实例姿态估计的泛化能力. 通过在REAL275和CAMERA25数据集上大量的实验结果表明, 所提出的关键点增强方法性能优异.