解则晓， 李美慧

(中国海洋大学工程学院，山东 青岛 266100)

随着数字扫描技术及计算机技术的不断发展，测量数据的处理也引起人们的广泛关注。点云数据是最常见的测量数据之一，因其较好的对复杂形状的描述能力、简单的存储格式、易于处理等特点广泛应用于逆向工程[1]、城市建设[2-3]、文物保护[4-5]等众多领域。其应用的基础大多在于基于点云的三维物体识别工作，即从扫描获得的测量点云数据中识别分离出目标物体，同时估计出物体位置和姿态。机器人对环境的感知[6]、无人驾驶汽车对周边车辆的识别[7]等，都有赖于三维物体识别。三维物体识别也因此成为计算机视觉领域中的研究热点[8-10]。

自从人工智能于1956年在Dartmouth大学问世以来，已经形成了一系列理论和方法[11-14]。机器学习是人工智能的一个分支，简单地来说，机器学习就是通过算法，使得机器能从大量已知的数据中学习其固有的规律，从而对未知的、新的样本做出智能识别或某种预测。20世纪80年代末Rumelhart和McCelland领导的科学家小组提出了误差反向传播算法，引起了机器学习发展的第一次浪潮，从此掀开了基于统计模型的机器学习的帷幕。2006年，深度学习的提出，充分展示了多层神经网络的优越性，人工神经网络发展进入了新的黄金时期，机器学习的发展被推向另一个高峰。

目前，基于局部特征、整体特征的特定物体识别己经有很多研究成果，但是随着数据量的增大，目标物体环境的复杂程度增加等问题的出现，需要高效性、通用性、鲁棒性较强的识别系统。……