室内环境物体繁杂,场景中掺杂的干扰物影响着目标识别的准确性和鲁棒性。随着计算机存储技术和深度传感器技术的发展,使得传感器可以同时获取高质量的彩色信息和深度信息,利用彩色和深度信息的互补优势,有望提高室内场景目标识别精度。故本文主要从深度图采集、特征提取、目标分类算法等三维目标识别关键技术展开研究,以提高室内场景三维目标识别的准确性和鲁棒性。本文主要完成以下工作:针对深度图存在的大量空洞和噪声,提出一种结合彩色图像局部分割的深度图修复算法,通过空洞类型判断和局部区域分割获得空洞像素的有效支撑区域,并利用该像素的有效支撑区域对其进行深度计算。在特征提取上,利用彩色图的颜色信息和深度图的三维空间信息,将从彩色图上提取的尺度特征不变转换特征作为视觉特征,将从深度图上提取的点云、法向、形状和TSDF四种三维特征的融合特征作为形状特征。在分类识别上,鉴于支持向量机的小样本分类能力和卷积神经网络的特征自动学习特性,建立支持向量机和卷积神经网络两个模型来实现室内场景三维目标识别。实验结果表明,相比现有算法,本文采用三维目标识别方法提高了室内场景三维目标识别的精度。