三维物体识别是计算机视觉重要分支之一。现有的三维物体识别技术主要是一个利用输入的场景图像数据得到场景特征的表达,再和数据库中存储的物体模型表达相匹配的过程,需要解决场景特征的提取和表达方法、三维物体模型的构造方法、场景特征与物体模型的匹配方法这三个重要问题。其中最为主要的问题在于场景特征与物体模型的匹配方法。物体的几何属性特征不受光照、纹理、颜色等影响,且类似于直线段等几何属性特征广泛地存在于人造物体当中。据此,本文提出了一种基于几何属性的人造物体识别方法,通过基于直线链码的直线段检测法得到场景图像的直线段特征,并与模型图像中的直线段进行匹配,进而识别人造物体。基于直线段特征的识别相对于基于点特征的识别而言具有更强的鲁棒性,且直线段的数量相对较少,因此能够降低计算的复杂度。常用的基于几何属性特征的三维物体识别方法可以分为解释树,姿态聚类法,假设验证法等几类。解释树一般较难运用于单幅图像的识别中。姿态聚类法对于噪音的敏感性较高,且搜索的代价也非常高。普通情况下,假设验证法在场景较为复杂的情况下同样具有很高的复杂度。本方法采用假设验证法,在已知模型各个平面直线段特征及位置关系的情况下,通过对于场景图像中不变性特征或者平面间所具有的不变性特征的分析,假设其中某些直线段匹配,继而得到某一平面的匹配关系,求出其单应矩阵。再将模型平面映射到场景,利用平面中直线段的匹配对假设进行验证。逐个识别所有平面。相对于传统的假设验证法,本方法将假设验证法中对于全局坐标系变换的求解分散在各个平面单应性变换的求解中,降低了求解的复杂度,因此能够快速准确地识别物体。本文给出了具有较高自动化程度的、对于具有较多直线段特征的人造物体可行的识别方法。为了验证算法的有效性,本文进行了大量实验,并在实验结果的基础上对与匹配方法做了改进。