随着科学技术的不断发展和人类认识世界的需求不断增加,传统的机器视觉已经不能满足人们对三维物体识别的要求。很多情况下需要采用各种测量手段及三维几何建模方法,将物体转化为计算机上的三维数学模型,实现三维物体的识别及定位。图像理解是人工智能中涉及基于输入图像解释来做出决策或完成一些控制系统的主要环节,在自动检测,机器人自动抓取,自动装配,自主导航,医学诊断等领域有着广阔的用途。本文利用激光扫描和三角测量原理,求取物体的三维信息。利用几何形体轮廓的连续性,对轮廓进行干扰点的去除。研究了图像分割方法,并将待处理的数据点按照在深度方向上的可见性进行了分类,针对不同的分类,提出了不同的图像分割方法。对曲线拟合模型进行了理论研究,应用最小二乘法实现了表面轮廓曲线的拟合,将数据点按照轮廓法向的连续性进行了分类,对于法向不连续的数据,进行多直线段拟合;对于法向连续的数据,应用圆锥曲线为拟合模型对其进行拟合。对形状特征进行了分析,由于本课题中待识别物体形状简单,根据最小二乘法拟合得到的参数即可进行形状特征和几何特征的提取。应用图像的形状描述语言、区域的面积、拐点信息等,实现了三维物体的识别。将平面信息和三维物体的识别结果综合,根据综合结果选取适当的方法提取三维物体的特征信息,实现三维物体的定位。