图像分割是图像处理领域的重点研究内容和难点之一，是图像分析、识别前的重要环节，其应用领域有很多，如在智能移动机器人的场景理解应用中就起着重要的作用。图像处理的相关研究重要前提又需要有好的图像数据，随着三维视觉传感技术的发展，使得同步获取场景的图像信息和三维信息成为可能。传统灰度级图像分割的基本理论可以推广到空间场景的三维图像分割中，三维图像分割方法可充分考虑图像像素数据在图像信息和空间位置上的相关性，比传统二维图像或三维数据具有更高的准确率和可靠性，所以基于三维视觉的图像分割成为新的研究热点，并有着巨大的应用潜力和需求。平面是机器人运动三维场景的重要组成，所以对三维空间中的平面特征检测也就成为移动机器人导航、工业机器人三维场景识别和测量等领域的重要研究内容。进行该研究的重要前提是获取空间场景的三维图像信息，通过研究比较，本文采用Kinect摄像机来获取空间场景三维视觉信息，基于其同时获取的场景三维信息和对应点的彩色信息实现三维场景的平面特征检测。本文首先基于三维空间平面特征几何模型，提出一种空间平面特征检测的方法。该方法基于三维摄像机获取的三维点云图像，依据主成分分析法（PCA）和k-近邻搜索，进行区域平面检测，并进行实验验证。其次，针对该方法存在的问题，为提高平面特征检测的准确性，对该方法进行改进，即为降低三维传感器自身性能和环境因素造成的测量干扰，在平面特征检测中引入非线性滤波算法，对三维数据进行去噪处理；为减少过分割现象，对初步拟合平面区域进行合并、小区域删除与点后校验等处理，这些措施有效改善了三维平面分割效果。为降低基于三维信息的平面分割的局限性和模糊性，本文进一步提出了基于彩色图像信息和三维信息的平面特征检测算法。方法首先基于二维彩色图像K-means聚类进行区域目标分割，并结合基于三维信息的平面特征检测结果，通过引入综合判决算法处理，实现场景中平面特征区域的准确提取和分割。实验结果表明方法具有较好的准确性和鲁棒性。