随着智能制造业的发展,视觉引导机器人被广泛应用于各种制造业场景。物体姿态估计是机器人视觉系统感知周围环境的关键技术,可以帮助机器人获取物体的空间位置和朝向,以便执行相关操作。物体姿态估计的问题定义是,给定物体模型,算法估计出该物体从坐标原点到实际场景的空间变换。物体姿态估计方法主要分为四类:基于对应性关系的、基于模板的、基于投票的和基于回归的,这些方法有各自的适用场景。本文重点关注属于基于投票类方法的点对特征算法,主要研究工作如下:(1)针对点对特征及其多种变体形式的性能进行了对比研究。首先,利用点对特征的四个维度上的相互关系设计了不同维度的变体形式;接着,将不同形式编码的颜色信息引入到点对特征,设计了附带颜色信息的变体形式。我们设计了相同的实验方法和评价策略,在5个数据集上对这两大类变体形式进行了对比实验。实验结果表明距离维度的表征能力强于角度维度,且颜色信息有助于提升特征辨识度。(2)提出了基于点对特征的物体姿态估计方法。方法分为离线建模和在线匹配两个阶段,主要包含6个步骤:预处理、特征提取、特征匹配、假设生成、聚类、后续处理,并且引入了相应的改进策略。我们使用表面可见差异函数来衡量姿态误差,将平均召回率作为性能指标,在6个数据集上开展实验。我们详细分析了采样策略、哈希表单元访问方法、比特位数组、姿态假设数量、ICP细化等改进策略对测试结果的性能提升作用。我们的方法与其他类型方法相比也取得了更好的性能分数。