随着社会的发展和人口老龄化现象的日益严峻,以及人力成本的不断提高,人们对智能服务机器人的需求越来越迫切。作为智能服务机器人的基本功能之一,物体识别一直是机器人视觉领域的一个热门研究课题。然而,由于问题本身的复杂性以及环境的不确定性,为移动机器人构建一个实时可靠的物体识别系统仍然是一项具有挑战性的任务。本文研究的出发点和最终目标就是希望能实现一个这样的系统,为服务机器人的物体操纵和更高层的感知决策提供基本的功能,以满足广大实际应用的需求。为了实现这个目标,本文对物体识别系统的相关问题进行较为深入的研究,主要研究内容和创新之处如下：(1)提出一种自动物体分割方法。服务机器人与传统工业机器人的区别在于前者要求智能化和自主性。现有的绝大多数机器人物体识别系统在对物体进行训练学习的过程中,需要大量的人工参与,其中一大部分工作是对物体进行手动分割。本文通过巧妙结合三维平面分割和GrabCut算法,实现一个对平面上物体的自动分割工具,可以得到较为精确的分割结果。再加上机器人的自主移动能力,实现机器人对物体的自动建模。(2)提出一种有效结合多种特征的物体识别系统的构建方法。简单的特征组合不但不能提高物体识别的准确率,而且会降低整个系统运行速度。本文提出的方法在系统设计之初就充分考虑处理开销和识别精度的权衡关系,目标是达到既能充分利用多种特征提供的线索,提高识别率,又能满足实时性的要求。在这个方法的指导下,本文为服务机器人构建了一个模块化的物体识别系统,结合了LINE-MOD多模态模板检测、颜色直方图比较和局部特征匹配三种物体识别技术,实验证明该物体识别系统具有较高的召回率和识别精度。该系统拥有灵活的架构,允许方便快速地置换或增加识别模块,以进一步提高系统性能。为了解决模块化识别系统阈值设置困难的问题,本文提出一种动态阈值调整算法,只要给出各个阈值的调整区间,该算法会在识别过程自动确定一套合适的阈值。实验证明该算法能够使识别系统提高精度并保持较高的召回率。(3)从视觉传感器的配置,到自动物体分割工具、自动物体建模的实现,再到物体识别模块的组合设计和识别系统的参数优化设计,本文为智能服务机器人构建了一套完整的物体识别系统。该系统在几十个实际场景中成功地完成物体识别任务,为服务机器人完成更高级、更复杂的任务提供支持,这充分证明了该系统的稳定性和可靠性。