随着计算机控制技术和人工智能技术的高速发展,人们对挖掘机械智能化的要求也在不断提高。在实际挖掘作业过程中,挖掘工作人员需要经常面对复杂恶劣的挖掘作业环境,高强度下的持续作业,不仅给身体带来巨大的负荷,更会对整个挖掘作业流程带来一定的安全隐患。挖掘机械智能化作业使人们从手工劳作转变到机械作业,从而将人们从繁重的体力劳动中解放出来,极大地提高了工作效率。而挖掘机械三维环境辨识技术更是在挖掘机械智能化自主作业过程中发挥了重要作用,是挖掘机械自动控制和自主运动的基础。为此,本文设计了一套智能、高效、实时的挖掘机械三维环境辨识系统。通过对挖掘机械作业场景实时扫描处理,实现对挖掘目标与运载目标以及障碍物的可靠辨识。在论文完成的过程中做了如下工作:搭建了智能挖掘机械三维环境辨识系统硬件平台,包括环境感知设备的选择、旋转台与电机的选型以及硬件电路的连接。编写了智能挖掘机械三维环境辨识系统软件,介绍了系统所需的编程环境和开发工具,设计了基于CUDA的GPU并行计算方法。提出了智能挖掘机械作业场景三维点云数据的区域分割方法,采用逐层分割的思想对扫描到的挖掘作业场景三维点云数据进行分割。首先,计算挖掘作业场景三维点云数据的几何特征,并对主成分特征进行提取。其次,将挖掘作业场景数据按特征值大小分为面性点、线性点和点性点三类。然后,构建主成分特征球,在此基础上采用Meanshift聚类算法对面性点法向量进行聚类,并用DBSCAN聚类算法按空间位置进一步分割,且对这两种方法进行了优化。再后,设计基于空间区域片段法向量方向和位置高程的最终地面提取方法。最后,对剩余作业场景三维点云数据进行区域分割。提出了智能挖掘机械作业场景三维点云数据的物体分类方法。首先,通过对标准挖掘目标和运载目标建立数学模型,将分割后的空间区域片段与标准模型相匹配,实现对两者稳健辨识。其次,对剩余挖掘作业场景数据通过构建随机森林模型分类器进行分类辨识,进一步将障碍物等从实际场景中准确识别出来。最后,为便于工作人员调试与分析,设计了基于OpenGL的人机交互图形界面。