一种基于场景级语义三维高斯飞溅的物体姿态估计方法

本发明涉及一种基于场景级语义三维高斯飞溅的物体姿态估计方法，首先依据多视角图像构建场景级三维表示，并关联各目标物体三维高斯点的语义嵌入；接着根据查询图像，定位语言指令所描述目标物体的目标掩码区域，并通过语义匹配与三维空间聚类，提取各目标三维高斯点子集；然后通过两阶段学习引导ICP配准方法，获得目标物体的初始6D位姿；最后结合扰动下位姿渲染与相似度比较进行级联精细优化，获得目标物体在目标场景中6D位姿；本发明设计方案利用语义增强的三维高斯重建，实现开放词汇下的目标检索与实例提取，并结合语言提示与两阶段学习引导的配准及渲染精细优化，有效提升了复杂场景中遮挡与低纹理条件下的姿态估计精度。