三维物体识别是计算机视觉的一项重要内容,在计算机辅助图形设计、集成电路设计、机器人路径规划、数字化城市、医疗诊断以及军事目标识别等诸多领域中具有潜在的、巨大的应用价值和广阔的应用前景。三维物体识别技术大致可以分为特征提取和模型匹配两个步骤,本文在国家自然科学基金项目(No.60273099)—“基于广义条件骨架的三维图形识别新方法研究”的资助下研究其中三维图形特征提取的问题。图形的骨架保留了图形的拓扑及形状特征,十分适用于识别系统,本文的主要内容就是研究具有更优越性能的图形骨架算法。本文首先介绍了三维物体的识别过程,概述了各模块的研究现状。其中详细讨论了特征提取模块,并引出了本文的主要研究内容—骨架。接着分类介绍了当前的主要骨架算法,讨论了各类算法的优劣性,通过比较,选择基于距离变换的骨架算法作为本文的研究重点。分析了距离变换与骨架的密切联系,回顾了当前距离变换算法的研究现状,着重分析了一种适用于n维图形处理的降低了复杂度的精确距离变换算法。接下来研究了生成三维体素模型的问题。首先介绍了生成三维体素模型的必要性,然后提出了一种将三维图形由网格模型转换为体素模型的算法,这样使得基于距离变换的骨架算法能够推广应用到三维领域。本文的算法是针对本文工作具体设计的,因此算法设计的简单高效,精度可控制,能准确地将由多边形构造的表面模型转换成由体素构造的实体模型,输出的结果可作为多种三维图形处理方法的输入数据。然后,本文提出了一种基于距离变换的多尺度连通骨架算法。传统的基于距离变换的骨架算法不能保证骨架的连通性,需要引入鞍点解决连通问题。这类算法复杂度高,不够准确,并且会引入伪骨架点,同时鞍点的定义很难推广到三维,限制了传统算法的发展。本文提出的新型算法,在图形内根据距离变换的约束,由骨架种子点开始以单像素宽度逐点生长出各骨架分支,逐点生长保证了连通性。同时该算法的骨架生长过程是骨架由粗到精的演变过程,能够方便地实现骨架的多尺度控制。且骨架结果能够方便地构造出骨架树及树描述符,为识别系统中的应用提供更<WP=4>强大的支持。最后,对全文的工作进行了总结。