针对用于位姿估计的RGB-D特征提取网络规模过于庞大的问题，提出一种轻量化改进XYZNet的RGB-D特征提取网络。首先设计一种轻量级子网络BaseNet以替换XYZNet中的ResNet18,使得网络规模显著下降的同时获得更强大的性能；然后基于深度可分离卷积设计一种多尺度卷积注意力子模块Rep-MSCA(re-parameterized　multi-scale　convolutional　attention),加强BaseNet提取不同尺度上下文信息的能力，并约束模型的参数量；最后，为了以较小的参数代价提升XYZNet中PointNet的几何特征提取能力，设计一种残差多层感知器模块Rep-ResP(re-parameterized　residual　multi-layer　perceptron)。改进后的网络浮点计算量与参数量分别降低了60.8%和64.8%,推理速度加快了21.2%,在主流数据集LineMOD与YCB-Video上分别取得了0.5%与0.6%的精度提升。改进后的网络更适宜在硬件资源紧张的场景下部署。