智能机器人环境视觉感知是机器人自主理解不确定作业环境,灵活操作复杂目标物体的重要环节之一。研究智能机器人的环境视觉感知方法需要解决机器人周边环境物体种类识别以及目标物体空间状态感知等重要科学问题。机器人三维视觉技术和机器学习技术为机器人环境视觉感知问题提供了可行的解决思路。本文围绕如何利用机器学习技术提高智能机器人环境视觉感知能力课题着重对以下问题展开了研究:针对机器学习模型信息提取能力分析问题,研究了机器人三维视觉数据的机器学习过程数学建模方法,用于改进智能机器人环境视觉感知方法中的机器学习模型数据信息提取能力;针对智能机器人三维形貌数据种类识别问题,研究了基于机器学习的机器人环境物体三维形貌类别信息提取方法,用于提升机器人环境物体种类识别的准确率和识别速度;针对智能机器人目标物体空间状态感知问题,研究了基于机器学习的机器人目标物体空间状态感知方法,用于改进机器人对多种复杂特征目标物体空间状态感知的精度和实时性。以下为本文主要研究及创新成果:(1).基于虚拟模板假设的三维数据机器学习过程建模方法。针对三维数据机器学习模型信息提取能力分析方法缺失问题,提出了一种基于虚拟模板和随机变量建模的三维数据信息提取过程建模方法,实验分析表明该方法能够指导三维数据机器学习模型的设计。(2).基于卷积网络的智能机器人环境物体种类识别方法。针对机器人环境物体种类识别方法准确率低,识别速度慢问题,提出了一种基于张量各向异性卷积的物体种类识别模型和一种基于点云卷积的物体种类识别模型,实验表明本文提出的方法提高了环境物体识别的速度和准确性,可从40种可能类别中准确识别未知物体。(3).基于前馈映射的智能机器人目标物体空间状态感知方法。针对机器人目标物体空间状态感知方法无法处理多种复杂目标,空间状态计算精度低,处理速度慢,目标物体识别准确度低的问题,提出了采用非监督机器学习对目标物体空间状态进行计算的方法。实验表明该方法能以高精度高鲁棒性识别目标物体并完成目标物体空间状态的感知。(4).机器人手眼视觉检测系统平台和线结构光扫描测量平台。搭建了实验平台对本文提出的机器人环境物体种类识别和目标物体空间状态感知方法进行了实验验证与分析。本文的研究结果已应用于改进机器人手眼系统抓取目标刚体姿态检测方法和列车车轮踏面半径测量方法。