随着RGB-D传感器技术的迅猛发展,三维数据的采集变得更加经济和简捷。但如何高效快捷地处理和应用随之日益增多的海量三维数据成为了一个迫切需要解决的挑战性问题。自动识别三维点云中的平面、球面和圆柱等几何基元,是计算机感知世界的一个基础性问题。解决该问题可以在一定程度上缓解上述挑战性问题,更重要的是可以降低计算机感知环境的难度,缩小高层语义和底层视觉特征之间的语义鸿沟,有助于使计算机像人一样来分析、感知世界。在实际应用中有助于机器人实现智能操作。因此,自动识别三维点云中的几何基元具有重要的研究意义和应用价值。以三维点云中多几何基元的识别为研究内容,从数据标注角度出发,提出了一种识别三维点云中多几何基元的能量优化框架。能量优化框架首先通过随机抽取点集,生成一组初始几何基元;其次计算几何基元的能量,标注三维点云中的点并使能量和最小;然后对点云中的标签进行优化,对几何基元的参数进行再精化;重复迭代以上步骤直至能量不再降低,最终输出标签、几何基元的内点和参数。在该框架下,分别提出了平面、球面和柱面的识别算法,合成数据和真实数据的实验证明了算法的稳定性和准确度。在此基础之上,融合了平面、球面和柱面的三种识别算法,提出了一种同时识别多种几何基元的方法,实现了对三维点云进行抽象信息提取的目的。最终,设计实现了一个识别平面、球面和柱面等多几何基元的系统。与基于Hough变换和基于RANSAC的几何基元识别方法相比本文提出的基于能量优化的多几何基元识别方法,在稳定性和准确度上更胜一筹。更重要的是,它减轻了现有方法对距离阈值和角度阈值的依赖,能自动确定三维点云中几何基元的个数,克服了现有基于能量优化的多模型拟合算法需要产生较多初始模型的局限。提高了能量优化算法的使用灵活性和适用范围。