随着我国各类制造业进入智能化的新阶段,研制并普及带有智能感知系统的机器人已经成为生产力发展和科技进步的必然需求。与传统机器人相比,带有视觉传感器的机器人能够认知环境,从而完成更加智能灵活的操作。目前机器人视觉研究大多依托二维图像,这样缺少了深度信息,在完成三维空间中的形状检索、位姿估计等任务时难免有所局限。因此,开展基于三维点云数据的机器人视觉研究具有重要的理论研究价值和应用价值。本文以Kinect深度相机与UR5机器人为实验平台,进行了面向机器人抓取任务的三维目标识别与位姿估计方法研究。本文的主要研究内容包括以下几方面:（1）针对全局特征的需求,设计了点云采集与预处理流程。使用Kinect采集场景点云后,通过多种点云滤波算法去除噪声、减少点的数量,提高运算速度。然后通过法向量计算获得法线信息。最后通过点云分割算法剔除实验台点云,并获得目标物体的聚类点云。（2）针对点云视点特征直方图无法区分镜像位姿的问题,本文提出了一种名为正交视点特征直方图的点云全局特征描述子。该特征描述子通过估计物体点云的参考坐标系计算视点方向的正交向量,并以此改进视点分量的统计方式。通过实验证明了所提特征的优化效果。（3）提出了一种基于正交视点特征直方图的目标识别与位姿估计方法。首先,设计了一种基于Blensor仿真环境的离线模型库构建方法。然后在线阶段计算点云的正交视点特征直方图与模型库进行匹配完成目标识别,基于迭代最近点算法实现精确的6D位姿估计。此外,针对点云配准结果误报的问题提出了一种基于八叉树结构计算点云重叠率的位姿估计效果评价方法;基于布置几何约束的思想将假设验证方法扩展至全局特征识别路线,用以优化识别结果。（4）搭建机器人视觉抓取实验平台。对Kinect进行了内外参的标定,对UR5机器人进行了正逆运动学分析,并在MATLAB中完成建模仿真及工作空间的绘制。通过机器人视觉抓取实验证明了本文所提算法的性能以及在机器人抓取应用中的有效性。