刘双元，郑王里，林云汉*

（1.武汉科技大学计算机科学与技术学院，武汉 430081；2.智能信息处理与实时工业系统湖北省重点实验室（武汉科技大学），武汉 430081；3.国网电力科学研究院有限公司，南京 211106）

0 引言

环境视觉感知可分为二维（2 Dimension，2D）感知和三维（3 Dimension，3D）感知。3D 的感知可构建三维世界模型，确定场景中可见物体的3D 位姿、名称、大小、形状和颜色等信息，更符合人类对世界的感知。此外，在光照条件不好的时候，如果采用红外、激光技术提供的3D 数据可以获得比2D 图像或者人眼更好的结果。当前3D 环境感知算法可分为基于深度学习的方法和基于手工计算的方法。基于深度学习的方法虽然近几年来取得了一定的突破，然而，该技术是基于一个封闭、静态环境的，即训练数据和测试数据是来自相同的标记和特征空间；同时，其识别正确率的高低依赖于带注释/标记的训练集的多少。所以，基于深度学习的方法大多数仅应用于离线数据处理，暂时还不适用于机器人实际在线的工业应用场景［1］。然而，基于手工计算的方法通过人为设计合理的特征描述方法来表征3D点云数据，之后通过场景和模型之间的特征匹配实现正确的识别，只要能够实现有效的特征表征，即可实现较好的在线环境感知。所以，目前基于手工计算的方法在3D 视觉领域的研究和应用仍然是研究的热点。根据数据特征表征方式的不同，基于手工计算的3D环境感知又可分为基于全局特征描述子的感知方法和基于局部特征描述子的感知方法。……