近年来,智能机器人配备RGB-D相机作为其视觉感知系统已经成为一种新的趋势。物体识别作为其视觉系统的重要功能之一,长期以来一直是研究人员关注的难点。其主要原因在于实际环境(如桌面、货架物体堆放等)中的众多不确定性:其中单一视角下,由于堆放造成的物体间相互遮挡、表面信息丢失等问题直接影响了识别和位姿计算的正确率和精确度。针对这一局限性,前人利用机器人的可移动能力提出了主动物体识别的概念,即通过增加视角解决遮挡问题。然而,实际运用中机器人需要大范围运动,并且视角的选择往往受到环境的约束。对此,本文提出一种基于机器人-环境交互的主动识别系统,其核心思想在于利用智能机器人配备的机械臂整理堆放的物体,以达到主动搜寻、识别的目的。具体地,我们通过场景分析判断物体间的相互遮挡关系,同时识别出需要被移动物体。然后利用机械臂改变物体位姿从而增加被遮挡物体的可视表面,进一步提升物体识别的准确率。本文重点关注场景分析部分,其中主要工作包括以下三点:1.提出一种基于三维点云的场景分割方法。首先将输入点云预处理剔除距离较远和背景点云。然后对剩余物体点云过分割形成超体元作为分割算法的基本元素。第三步根据法向量聚合超体元获得物体表面曲面块,随后利用图分割方法并分析物体表面的两种物理特性将曲面块合成物体假设。最后对物体边界,被隔断物体和敞口容器进行优化得到最终分割结果。我们利用标准数据库对算法的有效性和先进性进行验证。2.提出利用深度图的物体间遮挡关系的判断方法。其目的在于通过在深度图中寻找物体的前景边界点和阴影点,将上述分割后的物体假设点云分为:未被遮挡而表面信息完整的遮挡物体和被遮挡造成信息缺失的物体。在本主动识别系统中,我们只识别和移动遮挡物。3.提出一种综合运用点云全局特征和局部特征的物体识别及位姿计算方法。该方法结合两者优势:利用全局特征识别物体的优势在于计算特征和识别速度快,而利用局部特征来弥补其是对物体位姿估计不准确的缺点。同样,我们对所提出的方法在标准数据库中进行了验证。最后,为了验证本文提出的主动识别系统的有效性,我们在实际环境中搭建了实验平台,其中包括建立实际物体三维模型。实验证明,本文所提出的主动物体识别系统进一步开发了智能机器人对环境认知能力。