移动机器人在现代人类的生产和生活中扮演着重要的角色。对于提高人类生活智能化以及生产效率有着很大的帮助。云计算技术是计算机领域的一次革命性的进步,本文将云计算与移动机器人系统相结合,设计了机器人云计算系统,实现了场景识别在云端运算的功能。本文首先介绍了 ROS机器人操作系统、iRobot机器人以及装载在机器人上的Kinect、IntelNUC等设备,分析了云计算架构的特点以及开源的云计算管理平台项目Openstack及其组件。基于Openstack构建了机器人云计算环境,结合ROS操作系统的Topic功能,在云端用两台实例接收机器人端发送来的图像数据。第一台云实例用于实现场景识别算法的运算,对图像信息进行处理;第二台云实例用于网页端场景图像的显示以及网页端对机器人的控制。在机器人云计算系统的基础之上,本文研究了场景识别相关的HOG、Canny边缘检测以及PHOG等算法。通过分析,本文先采用Canny边缘检测算法进行图像边缘提取,再用PHOG算法提取图像的PHOG特征。在提取特征之后,本文对支持向量机(SVM)的理论进行了研究,采用了一对一(1-a-1)的方法对场景进行分类。此外,本文利用自主构建的数据库进行SVM模型训练,然后完成了真实场景的识别,实验结果表明,识别效果优于用国外的场景数据库进行训练之后的识别。考虑到灯光和光照等因素会对Kinect采集到的场景深度信息造成缺失,本文对场景的深度图进行了修复。本文基于方向点与几何哈希的概念,利用三维场景的点云信息进行了三维场景识别算法的研究。在对该算法在机器人系统上运算的可行性进行分析之后,决定采用亚马逊AWS的G2.2xlarge实例来完成三维场景识别实验。实验证明,三维场景识别算法的识别准确率高于基于PHOG与SVM的二维场景识别算法。最后,对所做的研究工作进行了总结,并对后期的研究工作进行了展望。