随着计算机视觉技术的不断发展，视觉传感器的种类更加丰富，使用范围越来越广。近年来机器人市场不断扩大，智能服务机器人市场份额增速明显。对目标物体的识别与定位能力是智能服务机器人更好地为人类服务，独立完成某些作业任务的基础。双目视觉传感器由于对外部环境信息的获取和适应能力强，越来越多地应用于智能服务机器人系统。不同于工业机器人更多地在结构化的环境中进行作业，智能服务机器人的工作环境更加复杂，面临光照、遮挡等挑战，因此提高目标物体的识别与定位算法的鲁棒性和实时性时是当前研究领域的一个热点。本文的主要研究工作如下：　　首先，对目前常用的局部不变特征匹配算法进行研究，分析比较各算法的旋转不变性、尺度不变性、定位精度和匹配效率。针对特征匹配算法在匹配效率和尺度不变性方面不能兼顾的缺点，本文分析各算法的优劣，选择SURF算法和ORB算法分别进行改进，并进行算法融合研究，对特征匹配的结果进行错误匹配点剔除，提高匹配精度。利用GrabCut算法对识别出的目标物体进行图像分割，针对图像分割过程中需要人机交互的问题，将特征匹配算法与图像分割算法连接起来，提高算法的自动化程度。　　其次，在完成目标物体图像分割的基础上，基于图像矩计算出目标的质心，利用极线约束提高质心匹配的效率。基于点云配准进行目标姿态的求取，对刚性点云配准的模型和配准指标进行研究，针对常见点云配准算法对初值要求较高的问题，将配准的过程分为粗配准和精配准两个阶段。基于全等四点基进行点云的粗配准，对四点基的选取条件进行约束，降低全等基数量提高粗配准阶段的效率。在精配准阶段，通过提取特征丰富区域的点，并对最近点搜索过程进行加速，提高配准的精度和效率。利用标准数据集分别对配准的两阶段进行实验验证。　　最后，对双目相机进行标定实验，通过读取左右目视频流获取场景深度信息。对不同目标物体在不同环境和不同位姿状态下验证识别算法的有效性和通用性。提取日常物体的点云数据，验证点云配准算法的效率和精度。为了进一步验证算法在实际机器人操作环境下的识别与定位能力，搭建UR10机械臂平台，改变目标物体的位姿，进行机械臂抓取的仿真实验和实物实验，验证算法的实用性。