Este documento aborda la desafiante tarea de determinar la posición y postura de piezas metálicas delgadas a pequeña escala con superposición multiobjetivo. Para abordar este problema, proponemos un método que utiliza segmentación de instancias y una nube de puntos tridimensional (3D) para reconocer la postura de piezas metálicas delgadas con formas especiales. Investigamos el proceso de obtención de una nube de puntos objetivo única al alinear la máscara objetivo con el mapa de profundidad. Además, exploramos un método de estimación de postura que implica registrar la nube de puntos objetivo con la nube de puntos del modelo, diseñando un algoritmo de registro que combina el algoritmo de alineación inicial de consenso de muestras (SAC-IA) para el registro grueso y el algoritmo de punto más cercano iterativo (ICP) para el registro fino. Los resultados experimentales demuestran la efectividad de nuestro enfoque. La precisión promedio de los modelos de segmentación de instancias, utilizando ResNet50 + FPN y ResNet101 + FPN como redes de base, supera el 97%. El consumo de tiempo del modelo ResNet50 + FPN se reduce en un 50%. Además, el algoritmo de registro, que combina SAC-IA e ICP, logra un tiempo de consumo promedio más bajo al tiempo que satisface los requisitos para la fabricación de baterías de nueva energía.