随着计算机视觉和机器人技术的迅猛发展,基于视觉的智能机器人在军事和民用中均得到了广泛的应用。目前水果分包、零售等行业需要水果分拣机器人,本课题根据市场需求开展基于三维视觉的水果分拣机器人关键技术研究。针对水果的三维结构和表面特征主要开展基于水果特征提取与分类识别的研究,具体内容如下:首先,对点云数据进行预处理,即异常点过滤消除噪声点和基于Voxel Grid的下采样简化点云数,降低计算量;然后,对预处理后的三维模型提取出局部结构拓扑、表面凸凹度、颜色和纹理等结构与表面特征,并依据PCA投影方向对特征的不同重要度进行探索构建特征向量,降低背景、局部遮挡对特征提取的影响。经实验验证,本文算法可以高效地提取点云数据的特征。针对当前目标分类识别算法中点云数据的局部特征和全局特征的选取问题,本文将改进的DGCNN图卷积神经网络算法作为目标分类算法框架。首先将距离权重与KNNG图卷积进行自适应融合,增强采样点的有效信息,提高局部邻域拓扑结构。其次根据提取的三维特征,在DGCNN的初始网络框架基础上将网络进行细化,提高目标特征的表达能力。最后,依据Point Net的网络逻辑建立整体网络框架,完成点云目标的分割与分类。经过实验验证,本文算法识别分类率比DGCNN算法分别高出0.1%和0.6%。在算法验证阶段,将特征提取与分类识别相结合,在分拣机器人上实现对场景中目标的分拣任务。