随着智能机器人在环境感知、虚拟现实、医学诊断、自动驾驶等应用领域的不断拓展,对智能机器人环境感知和适应能力提出了更高的要求,仅拥有单一或单类传感器的系统难以满足机器人在复杂场景下的工作需求。三维点云采集系统凭借高还原度、高稳定性等优势,广泛应用于智能机器人领域。对其进行精确标定是保证其获取精确点云数据的重要前提。传统的三维点云采集系统标定方法通常对噪声和外点比较敏感,标定精度和稳定性有待进一步提高,为此,深入研究智能机器人三维点云采集系统的标定问题,对于提高智能机器人对三维场景的感知和适应能力具有重要的理论和现实意义。本文对智能机器人三维点云采集系统标定问题进行了深入研究,利用基于成功历史参数自适应差分进化(Success-history based parameter adaptation for differential evolution,SHADE)算法求解标定参数,本文主要内容包括以下三个方面:(1)简述了本文标定算法中采用的SHADE智能优化算法,包括其基本思想、遗传学背景、演变历程和数学模型等,并分析了该算法的特点及优化性能。(2)给出了一种由高精度云台与Kinect传感器所组成的三维点云采集系统的标定算法,以估计该三维点云采集系统的测量模型参数。通过分析该三维点云采集系统的测量模型,选取空间球作为标定物,利用标定球表面各扫描点到球心距离等于半径的几何约束,建立该系统测量模型参数的非线性目标函数。采用SHADE算法优化该目标函数,以估计测量模型参数。实验结果表明,所提算法对于测量模型参数的标定精度高、一致性好。(3)给出了一种由双Kinect传感器所组成的三维点云采集系统的标定算法,以估计该三维点云采集系统中两个Kinect传感器之间的位姿关系。该标定算法选取空间球作为标定物,将标定球放置于不同位置,利用两台Kinect分别获取位于不同位置的标定球的点云数据。在对不同位置标定球在两个Kinect本地坐标系下球心坐标进行联合估计的基础上,建立两个Kinect外参数的非线性目标函数,采用SHADE算法优化该目标函数以估计外参数。实验结果表明,所提算法对于两个Kinect之间外参数的估计精度高、一致性好。