劳动力成本的提升以及产品需求的多样化促使机器人在工业领域得到广泛应用,以工业机器人为主体的多机器人生产线是当前制造业转型升级的必选之路。三维传感器的引入,增强了机器人的空间感知能力,使得机器人生产线系统更加智能化和灵巧化。三维机器视觉相关理论的研究以及工业化应用成为当前国内外研究的重点。在机器人自动化装配过程中,零件的自动化识别和三维空间定位是机器人进行夹取等相关操作的前提。本文将三维激光扫描仪应用于工件识别与定位系统,研究了散乱环境下目标的检测与定位方法。通过激光扫描仪获取散乱放置工件的场景点云,在不对场景点云进行目标分割提取的情况下实现场景中目标工件的识别与定位。主要研究工作如下:首先,研究基于摆动式激光扫描仪的场景点云的获取。通过分析激光三角法测量原理,本文建立了摆动式线激光扫描系统的数学模型。研究了系统的组成,建立系统坐标系,同时对坐标系间的转换关系进行了研究。通过摆动式激光扫描仪获取工件场景点云,并对所获取的点云数据的特点进行了分析。其次,研究激光扫描点云的预处理方法。针对激光扫描点云的数据量大的特点,采用条件滤波和体素网格采样的方法对点云数据进行精简。通过kd-tree建立起点云的空间拓扑关系,并对空间邻域的查询进行了研究。此外,分析离群点产生的原因,采用统计滤波和SVLOF法分别对远离群点和近离群点进行了滤除。在此基础上,采用主成分分析法对点云的法线和曲率进行估算,针对法线方向不一致的问题,分别采用视点调整法和法线传播法对场景点云和模型点云的法线方向进行了调整。再次,研究基于约束条件的点云特征描述符的提取方法。分别对基于点对的特征描述子PPF和基于局部的特征描述子FPFH进行了研究,并根据场景点云的特征,通过设置曲率阈值以及距离阈值对特征描述进行提取。最后,研究基于霍夫加权投票的目标位姿估算方法。针对基于霍夫投票方法的位姿估算需要进一步进行优化的问题,采用局部特征相似度加权的方法对其进行了改进,并将Hash表对应用于相似特征对的查询。构建实验平台,分别采用模拟数据和实际扫描数据对本文所提目标检测定位算法进行列验证,并与同类算法进行了对比。在相同条件下,与同类算法相比,本文所提算法虽然在检测时间上没有大的改进,但提高了识别定位的准确性。