随着能源的紧缺,作为清洁能源的核能在能源占比上越来越大,服务于核电的机器人也就呼之欲出。本课题正是围绕国家自然科学基金项目“面向核电RCV的机器人自适应与高效作业方法研究”(61473113)展开的机器人三维核电工作环境建模。三维地图是将真实的三维空间转换为数字信息,以方便机器人进行识别。创建精确的三维核环境作业地图是核电机器人进行自主作业的根本,本文从建立相机视觉平台获取点运数据开始对三维模型的重建过程进行分析,对其点云数据的噪声处理、点云拼接方法进行了研究。本文的主要研究内容和取得的创新成果如下:(1)介绍了各个相机模型成像系统,并将双目相机和Kinect深度相机进行对比,选用Kinect相机作为点云获取工具,并利用Open NI驱动Kinect相机在VS2015平台上结合PCL点云库和Open CV视觉库进行相机标定处理,并对模拟机器人核电工作场景进行三维点云数据采集,最终生成场景的三维点云数据。(2)分析了点云图像存在噪声的原因,真实场景中点与点具有连续性、边缘噪声大、点云内部也存在着噪声干扰,传统的点云滤波算法无法很好的完成去噪工作,为了提高重建质量,需要对点云数据滤波进行处理。本文采用了最佳连通域对点云数据进行立方体划分来判断和去除点云模型中的离群点,计算点云数据的法向量并进行修正,最后采用改进的双边滤波对数据进行精确去噪。(3)对不同的视角下的点云数据进行拼接工作,分析了点云拼接各个步骤的基本原理,提出了点云拼接的优化策略,采用对点云数据提取特征向量点的方法,对点云模型的拼接对应点对进行精简,提高了点云粗拼接的质量,并在精确拼接过程中引入了基于曲面和距离的约束条件和平衡比例因子,提高了三维点云重建的效果和精准度。最后对本文提出的算法进行了机器人核电工作模拟场景的实验验证。实验结果表明,本文采用的改进的滤波算法和拼接算法能够有效的去除模型外部的离群点,提高点云数据的处理质量,对不同视角的点云数据得到了精确重建数据。