本文针对工业生产中对特定工件的识别与定位问题,对基于三维激光扫描点云数据目标识别算法与定位方法进行了研究,主要研究的内容如下:1)分析了本文课题的时代意义,并对激光扫描技术和基于点云的物体识别方法的发展现状做了介绍,引出本文基于激光点云的物体识别与定位问题解决方案。1)基于激光扫描深度图的数据特点,对临近点提取与图像分割问题做相关研究,提出了条件K临近点的概念和搜索方法,解决了激光扫描点云的双向密度不对称给临近点提取带来的问题。同时利用深度图的有序拓普信息加速了欧几里得分割方法。2)本文识别方法的总体思路是首先对工件的主平面边缘进行提取,然后在此基础上完成识别与定位。边缘提取在使处理数据的数量级减小的同时,保留了用于识别与定位的有效信息。本文在传统的随机采样一致拟合平面的方法的基础上进行改进,提出了效率更高的基于随机点局部法向的RANSAC算法,并与全局最小二乘法结合,实现了工件主平面的快速准确的提取。最后综合主平面信息和基于扫描线法提取的边缘,得到工件主平面的边缘特征。并在此过程中根据边缘的性质来进行遮挡关系判定。3)最后,基于提取到的特征边缘本文提出了分层的递进式的识别算法,并在识别过程中给出用于ICP精确定位的初始位姿。递进式识别算法由三层构成,复杂度依次递增,其中第一层为第二层的基础,每一层算法都有较大的可能完成识别任务,仅在识别任务未完成时启动下层算法。在第一层提出一种快速计算点云中最远点对的算法,以此来表达工件的尺寸特征。第二层以第一层为基础,以最远点对为参考,以距离与夹角的对应关系构建特征。第三层以所有点对的相对关系作为特征进行识别。三种方法在处理问题的复杂度上为递进的,采用分层递进的识别策略使得识别效率更高。