三维物体识别是指通过摄像机拍摄三维物体的图像,从图像中识别出物体的类型,它是计算机视觉和模式识别的重要研究内容之一。三维物体识别广泛应用于工业、军事和医学等领域,如智能工业机器人、自动监测系统和医疗器械仿真等。目前,大多数的识别方法,只能由某个特定角度的二维图像识别三维物体,而对于物体旋转时所拍摄的图像不能够准确的进行识别。原因在于三维物体旋转一定角度时,会使拍摄物体的图像发生变化,而图像特征也随之改变,这是三维物体识别的难点所在。　　 矩作为图像的全局特征,不仅能够反映物体的形状、分布等信息,而且对于图像的几何变换具有不变性,和较好的抗噪声干扰性能。因此可以采用矩作为图像的特征向量用于识别三维物体。然而当三维物体旋转时矩会发生变化,而不具有不变性,所以只用矩作为图像的特征向量,只能从某个特定角度的图像识别三维物体。用LVQ神经网络对从不同角度获取的多幅图像的矩特征向量进行训练,就可以实现从不同角度的图像识别三维物体。使样本物体绕Z轴旋转,间隔一定角度拍摄一幅图像(最大间隔角度不超过30度),得到一系列样本物体图像。计算这些图像的矩不变量并作为其特征向量,应用LVQ神经网络进行训练,建立样本物体的数据库。识别物体时,将被识别物体图像的矩不变量作为训练好的神经网络的目标输入,相应的网络输出为识别结果。仿真和实测实验结果表明,这种方法能够从不同角度的图像识别三维物体,对相似物体也得到了正确的识别结果。