物体识别问题一直是机器人视觉领域的一个重要的研究课题,尤其是室内场景下的物体识别更是近年来发展的一个重要方向。本文以一个基于马尔科夫假设的迭代贝叶斯概率模型为基础,通过计算物体在两种状态下的概率,最终实现室内场景中变动物体的识别。本文以两组三维点云数据的匹配为切入点,对如何实现点云数据的空间配准和空间对齐进行分析。在考虑了数据处理的精度和速度两方面因素后,采用了SURF匹配和ICP匹配相结合的方法,对存在较大偏差的两幅场景进行空间配准,并对匹配后的实验效果进行了对比分析。实现边缘对准后通过提平面算法,并基于区域扩张的平面拟合方法来找到场景中的最大平面,将相应的点云数据进行标记。为了解决桌面物体的重构问题并尽量提高算法的计算速度,本文采用空间分割的方法将点云投射到空间栅格中,构建点模型和面元模型来实现物体重构。之后通过面元的合并来减少面元之间的空洞和重叠区域,实现场景重构的优化。为了实现对物体变动状态的判断,采用了基于马尔科夫假设的迭代贝叶斯公式对概率模型进行转换,并分别采用高斯分布、泊松分布和均值分布联合计算不同状态下的概率值。最后应用马尔科夫随机场原理,基于面元及其邻域面元信息进行优化处理,最终实现三维场景下变动物体的识别。通过对实验结果及数据的分析,验证了本文方法的有效性。