我国建筑垃圾存量较大,建筑垃圾的资源回收利用迫在眉睫。其中,固废分拣是建筑垃圾资源化中的关键技术,即对固废图像进行分割识别从而指导机器人进行分拣。但是,现有的图像分割算法并不适用于固废分拣这一特定场景。固废对象易被粉尘和垃圾碎屑遮挡,导致视觉特征严重退化。传统通过颜色和边缘信息实现分割的方法几乎失效。而融合RGB-D信息的分割算法也无法满足固废分拣的技术要求。针对上述问题,本文针对固废图像分割这一任务,提出了基于歧义区提取的固废对象分割,并在提出的算法的基础上,通过全连接条件随机场进行进一步优化。本文的主要工作成果如下:1.建立了固废数据集。数据集包括4种常见的固废物体,物体在形状和大小上存在较大差异。通过深度摄像头,采集固废的RGB图像和点云。对数据集中每一张图像进行手动标记,提供了分割的真实值。2.利用深度信息建立背景模型,并提出了一种基于歧义区提取的固废对象分割方法。该方法在提取易分割出错的歧义区域的同时,将粘连的固废对象有效地分割开。最后,通过对歧义区的再处理,进而得到高精度分割结果。3.构建全连接条件随机场模型,提出一种适用于严重退化图像的固废对象分割能量函数,在全局上实现对固废物体的分割,并通过多线程进一步优化算法效率。最后通过实验分析对比多种分割算法,在固废分割场景下,本文算法得到的分割精度和运行效率都明显优于现有的分割算法。