随着人类航天技术水平的不断发展,火星探测取得了丰硕的研究成果。而探测器的自主地质分析是远程环境下需要重点解决的技术问题。通过自动检测识别场景中的岩石,有选择性的针对个别岩石进行采样分析,可以有效地勘察地区的地质概况,从而最大限度地提高工作效率。在岩石检测的问题上,火星场景中的岩石由于长时间的沙尘覆盖,导致部分岩石与地表颜色相近难以区分,同时火星探测器获取的影像会受到光照条件以及拍摄条件等问题的影响,而且传统的目标检测大都是基于图像处理的方法,在火星场景下仅基于图像难以具有良好的检测效果。因此本文针对火星的岩石场景,提出了结合三维点云信息进行图像分割的方法,优化了场景中岩石对象的检测提取。对于提取出的岩石对象,使用支持向量机算法进行类别预判。主要工作有:1.使用双边滤波对图像进行去噪预处理,并通过mean-shift算法对影像进行聚类分割,简化图像信息。通过滤除地面点获取岩石的三维点信息,并利用岩石三维信息和影像像素的对应关系,将获取的岩石点云投影到影像空间获得对应的可视化图像。2.获取上述两种图像的梯度信息,通过扩展极小值方法提取标记图像并进行融合。将融合的标记图像用于标记分水岭分割算法对图像进行进一步的分割处理,使用求解分割区域外接最小矩形的方式对图像进行裁剪,得到场景内所包含的岩石图像部分。3.对获取的岩石图像进行图像增强处理,然后利用灰度共生矩阵、ULBP特征、小波变化等方法求得图像特征,并构建SVM分类器。通过对实际的样本数据的训练与检测,得到岩石类别判定结果。实验结果表明,本文所提出的结合影像与三维点云数进行图像分割与提取的方法能够有效应用于火星场景中的岩石检测,同时基于SVM的分类方法实现了岩石类别的预判目的。