在复杂场景中识别3D目标是3D计算机视觉中一项非常具有挑战性的任务。在过去几十年中,由于获取2D图像十分方便,因此基于二维感知的识别算法得到了广泛的研究,目前已经成为一个相对成熟的领域。随着传感器技术、存储介质和计算机技术的飞速发展,逐渐出现了越来越多的低成本3D传感器,使得基于三维数据的目标识别成为近些年来的研究热点。其中3D目标识别算法主要分为两类:基于全局特征和基于局部特征的方法。由于全局特征对遮挡和杂乱的场景十分敏感,因此本文系统地分析了基于局部特征的3D识别算法。针对目前技术的局限性,提出了一种基于协方差分析的局部参考坐标系(LRF)算法以及基于空间几何直方图(SGH)的特征描述符。此外,由于基于3D特征的识别算法很难检测工业中无纹理的物体,本文提出了一种基于无纹理目标的6DoF姿态估计技术。本文对3D点云目标识别与定位关键技术进行了深入研究,主要的研究内容及获得的研究成果包括以下几个方面:(1)针对LRF的重复性和鲁棒性问题,本文提出一种新颖的LRF算法。与现有方法不同的是,我们采用一个z’辅助轴来确定x轴。LRF的z轴和z’轴是通过两种加权协方差矩阵计算得到,然后x轴通过两个轴的叉积给出。LRF的y轴则由z轴和x轴的叉积得到。此外,还提出了一种尺度自适应技术来提高LRF对网格采样的鲁棒性,这也适用于其他类似的LRF方法。实验结果证明该算法具有较好的重复性和鲁棒性。(2)针对局部特征描述符的描述性和鲁棒性问题,提出了一种结合空间分布和几何属性的特征描述符,即空间几何直方图(SGH)。为了具有突出的描述性和鲁棒性,需要计算邻域点的空间分布,沿径向和方位方向划分局部表面,并且采用代表邻域点几何特性的轴间偏角来构造描述符。为了评估所提出算法的性能,我们在八个公开数据集上进行了一系列实验,并与几种最先进的方法进行了比较。结果表明,我们的方法在不同的应用场景中都实现了最佳的性能,例如形状检索,3D目标识别和3D配准。(3)针对工业无纹理目标难识别与定位问题,提出了一种基于无纹理目标的6DoF姿态估计算法。由于大多数工业零件的部分表面由平面构成,因此采用平面的几何特征作为一种简洁有效的描述方法。首先执行检测平面的操作,通过3D到2D的投影提取对应平面的边缘图像。然后采用快速定向倒角匹配(FDCM)算法进行匹配,并改进其代价函数以提高对遮挡的鲁棒性。通过对2D实例的检测和定位来估计最终的6DoF姿态。为了评估所提出方法的性能,我们对许多合成和真实示例进行了一系列实验,并将其与现有的基于3D特征的方法进行了比较。结果表明,在识别率和效率方面,我们的方法在存在噪声,杂乱和遮挡的情况下都实现了最佳性能。