随着科学技术的发展,机器人不仅仅在工业中得到应用,更是走进了人们的生活中,同时也对机器人技术提出了更高的要求。与上世纪的工业机器人有所不同,现在的机器人大多具有一定的智能性,即使在非结构化的环境中,也能够很好地完成各种工作。而物体检测与位姿估计算法是机器人实现自主操作的关键技术,具有重要的研究价值与应用前景。现有多种方法可以解决物体检测与位姿估计的问题,本文采用基于图像特征的方法用于目标物体的检测与位姿估计,主要的研究内容如下所示,（1）提出一种新的特征点算法,多邻域结构张量特征（Multi-Neighborhood Structure Tensor Features,MNSTF）算法。主流的特征点算法大都只依赖图像的纹理信息,却忽略了图像的结构信息,所以无法解决无纹理的问题。多邻域结构张量特征算法则通过一系列固定的特征点邻域以及图像局部结构张量,使得MNSTF特征描述子不仅表达了纹理信息,也表达了图像结构层次的信息,实现了 MNSTF描述子的旋转不变性、高可判别性、通用性以及鲁棒性,解决了弱纹理与无纹理的问题;（2）实现了基于MNSTF特征点的立体匹配算法。在双目视觉的领域中,常常因为图像的弱纹理问题而无法精准计算像素点的空间位置信息。而MNSTF特征点算法不仅能够有效提取丰富纹理图像特征,也能够提取弱纹理图像的特征,因此在本文中尝试将MNSTF特征点算法应用于双目视觉中像素点的配准,将双目视觉的约束条件与MNSTF特征点算法有机结合,可以得到更加准确的位置信息;（3）基于MNSTF特征点算法的物体检测与位姿估计方案实现。物体检测与位姿估计是论文研究的重点,MNSTF特征点算法能够在弱纹理的情况下实现图像特征点的鲁棒性检测以及特征点正确匹配,可以用来解决该问题。首先,通过与数据库特征点匹配,完成目标物体的检测;然后,采用ICP算法估计目标与数据库中样本物体的相对位姿。论文在上述研究的基础之上进行了大量的实验,包括MNSTF特征描述子的效果测试实验、与SIFT算法对比实验、遮挡实验、基于MNSTF特征描述子的立体匹配算法、ICP算法实验,并基于ZED双目相机建立物体检测与位姿估计的实验系统。在实验中验证了 MNSTF特征点算法的有效性以及物体检测与位姿估计方法的可行性。