物体检测技术是协助机器人视觉系统感知、定位视野中存在的客观物体的关键技术,是机器人视觉系统完成场景理解等高层视觉任务的基础。研究并提升机器人视觉系统中的物体检测算法的性能对提升机器人的智能程度具有重要意义。本文将机器人视觉系统中的物体检测问题根据目标物体的泛化程度划分为三个层次:刚性物体检测、习得物体检测和任意物体检测。然后遵循从简单到复杂、从具体到泛化的顺序对这三类检测问题依次展开研究。针对刚性物体检测,本文结合所在课题组开发的两种机器人(火电厂用温度探头组装机器人和中国象棋对弈机器人)对物体检测的实际工程需求,提出了两种刚性物体检测算法。该两种算法已在各自的机械臂手眼系统中顺利运行。然后,本文对习得物体检测进行探究,尤其关注卷积神经网络在习得物体检测中的应用。针对具有广泛应用前景的自然场景下的二代身份证检测问题,本文提出了一种可用于端到端的习得物体检测的卷积神经网络模型。在自然场景图片中的二代身份证检测任务中,该模型在本文收集的数据集上取得了 79.51%的平均覆盖率。最后,本文对任意物体检测问题展开研究并创新地提出了基于图像分割结构化特征的任意物体检测算法。该算法在候选集容量为1000时在权威数据集PASCAL VOC2007上取得了 96.1%的检测率。在候选集容量小于100时,检测性能优于四种性能突出的经典算法。