3D物体识别与位姿估计是AR辅助维修信息增强的基础,目前的3D物体识别技术在准确率、实时性和位姿估计准确度上仍然存在不足。本文以目标识别的实时性和位姿估计的准确性为具体要求,研究了基于纹理点云的局部参考系估计技术和描述符生成与匹配技术,提出了融合形状纹理全局正交对象描述符以及基于所提描述符的3D物体识别方法,并在减速器的装配维修中验证了所提方法的有效性。本文的主要研究工作如下:(1)阐述了纹理点云的生成原理和过程,研究了基于纹理点云全局特征进行物体识别的场景点云预处理方法和具体步骤,给出了基于点云的3D物体识别路线和过程,提出了基于点云全局特征的3D物体识别框架。(2)研究了纹理点云目标的局部参考系估计方法,通过引入距离权值,提出了可以对抗点云局部缺失的局部参考系估计方法;研究了全局正交对象描述符,通过添加色彩纹理信息,提出了融合形状纹理信息的全局正交对象描述符;研究了基于所提描述符的3D物体识别方法,提出了基于皮尔森相关系数的描述符匹配方法,最终得到了描述符的生成和匹配方法。(3)基于Challenge数据,对比分析了所提方法与基于GOOD、GASD、ESF三种描述符的方法在3D物体识别中的效果差异,研究了描述符维度、色彩添加模式等因素对本文方法的作用关系,获得了各因素的设置方法。最终实验结果表明,所提局部参考系估计方法对局部缺失目标具有更好的稳定性,所提3D物体识别方法在目标识别率、位姿估计准确度及时间效率上具有综合最优的表现。开展了实际维修场景识别实验,结果表明所提方法在识别准确性和实时性上基本满足AR辅助维修信息增强的要求。