场景分割应用于智能机器人就属于人工智能领域的一个典型范例。而人工智能是研究使用计算机来模拟人的某些思维过程和智能行为（如学习、推理、思考、规划等）的学科，主要包括计算机实现智能的原理、制造类似于人脑智能的计算机，使计算机能实现更高层次的应用。而场景分割就可以使智能机器人在分割的结果上，自己控制自己，实现机器的独立思考，分析场景。从而获取三维空间内的位置信息等信息元素，合理的场景分割可以是机器不断的自主学习，进而适应更多更复杂的环境。

场景分割的实现需要借助外设传感器来获取所需要的信息，这些传感器包括光学传感器、热血传感器、温度传感器等。其中现今比较常用的设备便是激光雷达。激光雷达能够直接获得场景的三维信息，因此根据点云数据得到的场景分割结果能够较好的分割出场景中的独立物体，有利于进一步分析各物体的特性。一些激光雷达还能够提供更加准确的和多样的参数数据，丰富的数据使数据处理的效果更加理想，从而对智能设备就能够实现更加精准的操纵。

随着科学技术的发展和计算机及高新技术的广泛应用，数字立体摄影测量也逐渐发展和成熟起来，并且相应的软件和数字立体摄影测量工作站已在生产部门普及。激光雷达所使用的激光本身具有非常精确的测距能力，其测距精度可达几个厘米，而LIDAR系统的精确度除了激光本身因素，还取决于激光、GPS及惯性测量单元(IMU)三者同步等内在因素。随着商用GPS及IMU的发展，通过LIDAR从移动平台上（如在飞机上）获得高精度的数据已经成为可能并被广泛应用。这些高精度的数据为科学实验、环境理解提供了充足的保障，为人工智能提供了广阔的发展前景及空间。

1．2  国内外研究现状

1．3  论文主要工作和结构安排

1.3.1  论文主要工作

本篇论文主要论述“基于面阵激光雷达的场景分割”，据此，确立该论文的主要工作分为两部分：第一部分，利用已有的面阵激光雷达收集场景的位置信息、深度信息，采用OpenGL对采集的数据进行显示，显示结果与实物场景进行对比，观察是否相同。第二部分，对第一部分采集的数据进行预处理，因为仪器本身也是有缺陷的，比如：采样时出现的噪点等。再对预处理后的数据应有领域算法对场景进行分割，最终完成分割后的场景显示。

1.3.2  论文结构安排

本篇论文共分为四章：

第一章介绍本论文的研究背景和意义、聚类算法的国内外研究现状以及本论文的主要工作和结构安排；

第二章介绍PMD面阵激光雷达、数据采集的实现以及采集数据的显示，并对本章进行总结，得出本章的阶段性成果；

第三章介绍数据预处理的方法与原理以及聚类算法的设计，最后对该章节的内容做出小结；

第四章介绍场景分割的实现以及场景分割的结果分析，小结本章，写出自己的感想。

结论部分对整篇论文进行最终的总结，并对场景分割提出展望。同时，描述自己所做设计的不足以及需待改进的地方，恳请各位老师和学友批评和指正。