物体定位和识别是智能服务机器人实现智能作业的基础,也是机器视觉领域的研究热点之一。经过几十年的研究,物体定位和识别已经取得了丰硕的成果,但在基于3D数据的环境感知方面仍有很大的进步空间。本文以浙江大学智能系统与控制研究所智能务机器人ZJU-Cyber为研究平台,研究智能服务机器人基于3D数据的物体定位与识别问题,本文的主要研究成果包括：1、提出并实现了一种基于RGB-D数据的物体定位算法。将物体定位问题转换为点云分割问题,首先通过改进的RANSAC算法提取环境中的平面,接着利用基于RGB-D数据的区域增长算法实现物体点云的分割,最后利用物体点云信息获取其位姿实现物体定位。2、设计并实现了基于背景滤除的改进的物体识别算法。以SIFT作为特征提取符,利用bag-of-words模型实现对物体的描述。同时结合手臂的能动性,基于物体定位结果获取物体清晰图像,并利用点云映射滤除背景干扰,高效的实现了物体识别。3、提出一种基于部件的几何语义特征和结构关系的3D物体类别识别方法。对采用最小包围盒点云分割算法得到的部件,采用Spinlmag作为几何特征描述符,并利用pLSA生成模型进行部件几何语义特征概率描述。同时,通过各个部件相对于整个物体的体积比、方位角和中心距离信息的高斯模型表示,实现对物体部件之间结构关系的描述。最后,采用能量函数,根据部件类别的几何语义相似度和结构关系的相似度,计算未知类别物体与模型的总体相似度。实验验证了算法的可行性和有效性。