基于三维图像的场景重构和感知算法具有广泛的应用场景,能够为自动化系统提供关于工作空间的先验参考信息,相关算法和应用的研究希望建立一个能够自动对场景进行重构和分析以得到关于场景对象的类别、位置、姿态等视觉属性的系统。由于三维图像数据具有数据维度高、规模大、采样不均匀等特性,围绕三维图像展开的算法研究非常具有挑战性,三维场景重构和感知算法的稳健性、计算效率和可行性是该项研究目前存在的关键难题。以此为出发点,本文主要研究内容和贡献包括:(1).为了对三维图像进行抽象描述,首先对三维图像的特征提取算法进行了研究,分析了现有的特征描述符算子存在的缺陷,并提出使用指数权重系数和双线性投票机制优化的高效稳健的特征描述符提取算法;(2).研究了基于特征匹配和最近点迭代法的多视角场景三维图像融合算法,用于建立关于场景三维信息的完整描述;(3).针对经典的基于特征分类的三维数据点标注算法存在的算法效率低、实时性差的问题,提出了一种高效的降维处理算法,将三维图像映射到二维空间中进行处理,然后快速还原场景对象的位置、姿态等信息;为了解决经典三维点云模型在处理大规模三维图像数据及其语义标签时存在的结构性差、效率低的问题,提出一种扩展性强、冗余度低、支持高速并发访问的分布式结构化点云模型用于存储三维点云图像数据及扩展信息。(4).结合全自主焊接机器人项目现场试验,研究三维场景重构和感知算法的综合应用,首先研究了高精度三维测量系统的设计、搭建和工程实践调优等问题,然后使用高效的场景感知算法对焊接现场的工件信息进行实时检测和提取;为了整合算法功能接口,本文设计了一套用于三维图像处理算法仿真和应用程序开发的软件平台。本文提出的方法均经过实验仿真和工程现场调试验证了有效性,主要体现在:(1).改进的特征描述符算子在保证描述能力的同时显著提升了计算效率;(2).降维处理的场景感知算法能够实时地获取三维场景中的对象信息;(3).分布式结构化三维点云图像模型支持实时生成和高效解析,其I/O性能明显优于经典点云图像模型。