在复杂的场景中进行物体识别是计算机视觉一个很重要的研究领域。在过去的几十年里,2D物体识别已经被广泛研究,成为一个相对成熟的领域。相比较于2D图像,3D点云可以提供更多几何信息,因此在三维点云中估计物体的姿态比二维图像中估计的姿态更加准确。同时,廉价3D获取设备(如：Kinect)的快速发展也使得点云数据更容易获取。基于这些优势,三维点云物体识别逐渐成为一个研究热点,在机器人导航、虚拟现实、人机交互、场景理解、激光遥感测量等众多领域都有广泛应用。现有的3D点云物体识别方法主要分为两大类：基于局部特征的方法和基于全局特征的方法。基于局部特征的方法是在关键点上提取局部特征描述符进行匹配,所以对场景的遮挡更加鲁棒,但是特征点的错配问题非常严重。基于全局特征的方法在识别过程中将物体作为一个整体来处理,所以速度非常快,但是物体的姿态估计却成为另一个技术难点。针对上述问题,本文将图匹配应用于特征点匹配问题,并充分发挥局部特征和全局特征方法的优势,基于点云库(Point Cloud Library,PCL)实现了上述问题的解决方案,主要工作包括以下几个方面：1.提出了一种基于图匹配的局部特征对象点云识别技术。基于局部特征方法关键的一步就是特征点匹配中如何去筛选出正确的匹配对。几何一致性算法是经典的解决特征点匹配的方法,但是它每次迭代只考虑一组匹配对,这样只能达到局部最优的结果。我们将图匹配应用到点云识别中来,并且采用一种快速地近似图匹配策略,从全局的角度来解决点云识别中的特征点匹配问题,并且用实验验证取得了不错的效果。2.提出了一种全局特征和局部特征融合的点云识别技术。以机器人场景理解为导向的点云对象识别对实时性和定位的准确性要求都比较高,所以我们综合了全局特征和局部特征识别的特点,使用全局特征进行对象的快速识别,并用局部特征进行目标定位。最后对实验结果进行了分析,实时性和准确性都得到满足。3.开发了点云识别原型系统。以对象识别技术为主体,结合一系列点云处理算法,基于Qt开发了点云识别原型系统。系统实现了点云数据和特征直方图的可视化、预处理、模型训练、特征计算、分割、对象识别等功能。