针对6D位姿估计在处理弱纹理物体时面临配准精度低的问题,提出一种自适应融合多模态特征的6D物体位姿估计方法。首先,基于RGB-D图像标定目标物体,利用球形邻域对由深度信息得到的点云进行划分,增强特征提取中捕捉细节信息的能力;其次,通过新增物体表面法线强化几何属性,实现对目标几何信息的补充;然后,对提取到的目标颜色、几何和法向三分支特征通过自适应特征融合策略进行高维度融合,实现特征间的优势互补;最后,利用回归函数得到目标位姿参数,并以高置信度像素的预测位姿作为初始估计,迭代学习不断优化以获得最终位姿,实现精确的6D位姿估计。为验证所提方法的有效性,实验结果表明,相比DenseFusion方法在LineMod数据集上的平均ADD(S)结果提升3.1%;在YCB-Video数据集上的平均AUC和ADDS<2cm结果分别提升2.7%和1.5%,有效提高复杂背景下弱纹理物体位姿估计的鲁棒性。