随着互联网技术的不断成熟和人工智能技术的飞速发展,智能化和自动化的机器人在现代化生产中的应用越来越广泛。为保证机器人能够智能化地完成工作任务,引入计算机视觉系统就显得很有必要。对于机器人操作系统而言,要准确的完成对物体的识别以及后续的抓取操作,首要一点就是要先从场景中对目标进行定位识别和姿态估计。相对于二维图像识别而言,三维点云识别因为增加了深度(depth)信息,是目前机器视觉的研究热门。本文分析了目前三维物体识别的发展趋势,重点研究了基于Kinect的三维物体识别及姿态估计的若干关键技术,利用Kinect传感器来进行RGB-D点云的采集,并通过局部特征匹配的方法对场景中的目标物体进行识别和姿态估计,可分为场景点云获取、模型三维重建、三维目标识别以及姿态估计四个算法模块,具体工作包括:1.场景三维重建:针对深度图像中存在的噪声和空洞点,首先基于Kinect传感器获得场景深度图像和彩色图像,然后引入双边滤波算法对深度图像上的孔洞和噪声进行去除,最后对深度图像和彩色图像进行了配准,得到了质量较好的场景三维点云。2.模型三维重建:首先利用Kinect Fusion场景重建算法对目标物体所在场景进行全方位的三维重建,然后通过点云后处理将其中的目标物体提取出来,从而实现模型全方位三维重建,并建立模型库。3.三维目标识别:对场景点云和模型点云进行了均匀采样并提取了关键点,建立了关键点的SHOT局部特征描述子,利用Kd-tree搜索匹配点对,引入了3D霍夫投票算法对伪对应对进行去除,从而实现目标准确识别。4.姿态估计:利用ICP算法对已识别目标的刚性变换矩阵进行计算,最终获得目标的姿态参数。最后搭建了实验平台,对所提算法进行了测试和验证,实验结果证明了本文算法的可靠性。