随着机器人技术的高速发展,移动机器人可以完成越来越多的作业任务。移动机器人应用范围扩展到工厂生产、室外搬运、军事勘察、交通运输等各个方面。移动机器人具备自主搬运作业能力的关键在于识别出目标物体尺寸和方位信息。目前,物体尺寸和方位识别方法主要有两大类:以图像信息为主和以三维点云信息为主,本文主要研究基于三维点云的物体尺寸和方位识别。基于三维点云信息的物体尺寸和方位识别算法的主要难点是如何根据场景的不同选择合适的传感器,并利用不同传感器的特点采用合适的算法构建物体的三维点云结构和如何从混有地面和周边环境信息的三维点云数据中提取物体信息,以及采用什么策略来准确识别物体尺寸和方位。针对室内抓取搬运场景中规则方形箱式物体,采用RGB-D相机采集物体的单视角三维点云信息,提出一种基于三维点云欧氏聚类和RANSAC(随机采样一致性)边界拟合的物体尺寸和方位识别算法。首先,采用点云截断、体素滤波降采样和离群点移除算法对数据进行预处理,然后根据相机外参进行物体与地面点云的分割,采用基于K-D树的快速聚类算法进行物体与物体之间的分割,接着采用向地面投影的方法将分割后的物体点云进行处理。经过投影后,三维点云变为二维点云,方形箱式物体二维点云中的边缘处点云密度高于其他位置,采用RANSAC算法对边缘点云进行直线拟合,确定物体轮廓结构并进行物体尺寸和方位的识别。拟合出的直线能够近似物体边缘点云分布的期望均值,受物体边缘点云噪声的影响较小。实验表明该算法精度较高、速度较快、鲁棒性好,可用于移动机器人室内环境下对方形物体的抓取和搬运作业等领域。室内场景下,为了解决单帧点云视野有限,不足以观测到待操作物体的整体结构的问题,提出一种基于机器人运动中多视角点云信息融合的方形箱式物体尺寸和方位估计方法。首先借助RGB-D相机中的RGB图像信息,采用同时定位与建图算法将机器人移动过程中的关键帧位姿进行估计和存储,根据关键帧位姿可以得出关键帧点云位置,然后将所有的点云拼接到统一坐标系下,便可将目标物体的完整结构构建出来。接着,从构建出的混有环境信息的三维点云中去除地面信息,得到目标物体点云信息。最后由于物体点云信息更加丰富,改善了原有的基于RANSAC算法的物体边缘直线拟合物体轮廓的方法,确定物体的几何尺寸和方位信息。通过实验证明,本文提出的方法精度较高、鲁棒性好。针对室外环境下不规则放置的汽车物体搬运作业需求,提出一种识别待搬运汽车宽度和摆放方位的方法。由于RGB-D相机室外受太阳光干扰较大,本文采用不受室外太阳光干扰的三维激光传感器,先采用基于ICP的激光定位建图算法构建整个环境的三维点云地图,然后从点云地图中分离出目标汽车点云,最后将汽车点云向地面投影。由于汽车点云不是标准的立方体形状,本文采用基于优化的方法估计汽车的轮廓,根据估计出的轮廓信息确定汽车的宽度和方位。实验证明该方法在室外环境下对识别汽车的宽度和摆放方位识别效果较好。