1.一種基于全流雙向融合網(wǎng)絡(luò)的6d位姿估計(jì)方法，其特征在于，該方法包括以下步驟：
2.根據(jù)權(quán)利要求1所述的基于全流雙向融合網(wǎng)絡(luò)的6d位姿估計(jì)方法，其特征在于，在所述步驟s3中，所述的使用最大池化和多層感知機(jī)整合壓縮外觀特征fri，得到集成的外觀特征fr2p，具體通過以下公式計(jì)算得到：
3.根據(jù)權(quán)利要求2所述的基于全流雙向融合網(wǎng)絡(luò)的6d位姿估計(jì)方法，其特征在于，在所述步驟s3中，所述的將點(diǎn)云特征fpoint和集成的外觀特征fr2p連接，通過mlps獲取融合的點(diǎn)特征具體通過以下公式計(jì)算得到：
4.根據(jù)權(quán)利要求1所述的基于全流雙向融合網(wǎng)絡(luò)的6d位姿估計(jì)方法，其特征在于，在所述步驟s3中，使用最大池化和多層感知機(jī)整合壓縮幾何特征fpj，得到集成的點(diǎn)特征fp2r，具體通過以下公式計(jì)算得到：
5.根據(jù)權(quán)利要求2所述的基于全流雙向融合網(wǎng)絡(luò)的6d位姿估計(jì)方法，其特征在于，在所述步驟s3中，所述的將圖像特征frgb和集成的點(diǎn)特征fp2r連接，得到融合的圖像特征具體通過以下公式計(jì)算得到：
6.根據(jù)權(quán)利要求3或5所述的基于全流雙向融合網(wǎng)絡(luò)的6d位姿估計(jì)方法，其特征在于，在所述步驟s3中，在進(jìn)行特征雙向融合時(shí)，將提取到的rgb圖像特征和點(diǎn)云特征進(jìn)行有效融合，通過內(nèi)參矩陣將像素級特征與點(diǎn)級特征關(guān)聯(lián)；利用最近鄰插值算法調(diào)整xyz圖尺寸，確保特征像素與3d坐標(biāo)的對應(yīng)關(guān)系。
7.根據(jù)權(quán)利要求1所述的基于全流雙向融合網(wǎng)絡(luò)的6d位姿估計(jì)方法，其特征在于，在所述步驟s4中，特征ffr表示為：
8.根據(jù)權(quán)利要求1所述的基于全流雙向融合網(wǎng)絡(luò)的6d位姿估計(jì)方法，其特征在于，在所述步驟s4中，當(dāng)所述估計(jì)對象是非對稱對象時(shí)，姿態(tài)估計(jì)的損失量定義為在實(shí)際姿態(tài)下從物體模型中采樣的點(diǎn)與由預(yù)測姿態(tài)轉(zhuǎn)換的同一模型上的對應(yīng)點(diǎn)之間的距離，具體公式為：
9.根據(jù)權(quán)利要求1或8所述的基于全流雙向融合網(wǎng)絡(luò)的6d位姿估計(jì)方法，其特征在于，在所述步驟s4中，當(dāng)所述估計(jì)對象是對稱對象時(shí)，將姿態(tài)估計(jì)的損失定義為最小化估計(jì)模型方向上的每個(gè)點(diǎn)與真實(shí)模型上最近點(diǎn)之間的距離，具體公式為：
10.根據(jù)權(quán)利要求1所述的基于全流雙向融合網(wǎng)絡(luò)的6d位姿估計(jì)方法，其特征在于，在所述步驟s5中，所述估計(jì)對象整體損失函數(shù)通過估計(jì)對象的位姿估計(jì)損失函數(shù)與置信度分?jǐn)?shù)結(jié)合形成，該估計(jì)對象整體損失函數(shù)l的計(jì)算公式為：