三维物体识别是计算机视觉领域的一项基础研究,也是各个科研机构研究的热点与难点之一,被广泛地应用于沉浸式虚拟交互,目标智能监测,物件自动装配,移动操控,机器人等领域。RealSense是Intel推出的智能深度摄像头,可以同时获取场景中的深度与色彩信息,相比较于现有的智能深度摄像头,拥有更好的深度传感器和1080p色彩传感器,更加适应动态场景,除此以外,摄像头本身十分轻薄,在机器人、物联网、虚拟交互等领域将会有巨大的应用前景。因此,本文设计并实现了RealSense管理与使用系统,并基于此系统和点云库,实现且改进了三维物体识别算法,以期未来应用于带有RealSense的机器人等移动平台。本文首先介绍了联系二维图像与三维点坐标的相机模型,并简要说明RealSense F200与RealSense R200两类智能深度摄像头的模块结构以及深度传感器获取信息的原理,然后对三维图像处理中应用最为广泛的三维点云算法开源库进行概括性描述。由于RealSense没有全平台点云库的支持,极大地限制了开发与研究人员的使用,本文设计了RealSense设备管理与使用系统。整个设计并实现的系统分为管理子系统和使用子系统,管理子系统负责管理接入操作系统的RealSense设备,并将设备抽象,供RealSense使用模块使用。使用子系统负责向用户提供接口,并完成原始图像向点云格式数据的转换。实现的RealSense设备管理与使用系统支持不同的RealSense底层IO库与多设备同时接入功能,并拥有简单易用的用户接口,同时,多线程的使用保证了程序的性能。在通过RealSense设备管理与使用系统成功获取图像信息后,本文详细介绍了基于RealSense图像信息的三维物体识别算法,并对识别算法中的每一个环节给出了算法与参数选择。针对图像信息中含有过多非目标信息点的问题,本文分析了这类信息点的特征,并采用综合滤波的方式减少非目标信息点。根据目标物体颜色空间的特性,本文基于已有的快速点特征直方图描述符提取算法,提出了改进的快速点特征直方图描述符提取算法,对图像信息点进行描述。通过实验表明,综合滤波能够有效地提升图像中有效信息点比例,为物体识别做好铺垫,同时,改进的快速点特征直方图描述符提取算法在实时性以及准确性上取得了良好的效果,相较于准确率和实时性最为平衡的算法,识别准确率仅下降3%左右的情况下,实时性提高了27%。而整个改进的识别算法的实时性达到了基于快速点特征直方图描述符提取的三维物体识别算法的2.45倍,识别准确率提升了27.78%。