激光雷达是一种可以获得目标距离像的新型传感器,通过距离像可以得到表征目标空间三维几何特征的点云,为姿态估计奠定有力的数据基础。通过目标的三维姿态信息可以获得目标的具体指向,姿态估计是目标自动识别中的重要环节。目前大部分的姿态估计算法仍处于仿真距离像阶段,对真实场景的姿态估计未见报道。基于点法向量的三维姿态估计算法中表征目标坐标系的坐标轴与真实值存在偏差,本文对其进行修正并对真实场景距离像进行姿态估计,提出一种新的姿态估计算法(OPDVA)。该算法首先分别对点法向量聚类方法和目标坐标系坐标轴进行修正,然后利用真实场景点云存在大面积近似平面区域的特点,通过随机抽样一致算法的平面模型对场景平面进行平面拟合,得到最优拟合平面的法向量即为目标坐标系坐标轴,最后通过逆运动学方程即可完成目标的三维姿态角的求解。并且利用求得的姿态信息,通过矩形包围盒法计算目标的尺寸。实验中,分别通过仿真距离像和真实场景距离像两个数据源对OPDVA算法进行验证。针对仿真距离像,其姿态估计的总体平均标准误差为0.912°,下降至PDVA算法平均标准误差的31.4%。针对真实场景距离像,采用旋转变换和重采样等技术手段,分别对比矩形包围盒法和PDVA方法进行分析可知,OPDVA算法对场景姿态估计的准确性明显优于其他两种方法,其姿态角的总体平均标准误差为0.805°,下降至PDVA算法平均标准误差的17.2%。遮挡实验表明,OPDVA算法对遮挡并不敏感。此外,真实场景中建筑物尺寸的测量误差小于1 m。本文提出的OPDVA算法较PDVA算法更加精准且具有一定的抗噪性,可进一步利用目标之间的空间姿态关系实现目标的快速搜索与检测。