运动目标检测是计算机视觉和数字图像处理的一个热门方向,广泛应用于机器人导航、智能视频监控、工业检测、航空航天等诸多领域。随着三维传感器如Kinect和TOF摄像机等的快速发展,获取点云成本变得便宜,三维环境下的运动目标跟踪渐渐成为研究的热点。近年来,虽然研究者们提出了大量关于3D场景目标跟踪的方法,但是目前为止并没有一个统一的跟踪框架。另外,没有专门的报告对点云的这些跟踪方法的影响因素进行深入的分析。本课题提出一个3D环境下基于PCL(Point Cloud Library)的运动目标跟踪框架。通过对场景进行直通滤波,得到目标所在的兴趣区域,对该区域采样减少点云数目,分割包含运动目标的兴趣区域,提取原始运动目标模型,对该模型进行滤波以减少误差,最后将其作为参考模型运用到KLD自适应粒子滤波框架中实现运动目标跟踪。将提出的目标跟踪框架分成四个部分,在每个部分中选出总体性能较好的算法,最终构成一个快速的3D环境下基于PCL的目标跟踪框架。在模块化机械臂分拣系统上进行测试,结果表明了该框架的有效性。