机器人的智能很大程度上倚重于机器人对环境的感知,通过对外部环境及内部环境的感知,机器人及时判断并决策下一步的动作,这就是机器人智能的表现。而机器人视觉主要是机器人对外部环境的感知,通过对传感器采集到的图像数据加工处理,具有视觉导航、对目标物体的识别与定位等功能。其中视觉传感器主要有工业相机及3D传感器,工业相机采集到的是二维图像,其算法主要是依据开源视觉库OpenCV开发的,而3D传感器采集的是2.5D点云图像数据,其算法主要是依据开源点云库(Point Cloud Library, PCL)开发的。随着3D传感器的发展,基于3D传感器的机器人视觉引起了国内外许多学者的兴趣,并对机器人视觉领域做出了重大贡献。本文对基于PCL的机器人视觉识别算法进行了研究,构建了家庭常见物体的点云数据模型库,提出了一种基于形状特征的实时识别算法,分析了算法过程中的主要点云处理步骤,如点云分割、特征提取等过程,并完成了人机交互界面设计,最终集成到了机器人操作系统ROS上,实现了节点通讯,并对实验结果进行了分析。论文的主要工作及贡献包括：一、搭建了对家庭一般物体构建点云聚类模型的软件平台。首先研究了常见点云分割方法,并提出了一种基于颜色和法线阈值的点云分割方法。然后分析了点云库中常见特征算子的特点,最终选取聚类视点特征直方图CVFH(Clustered Viewpoint Feature Histogram)描述子作为实时算法的特征算子。搭建了软件平台,并构建了家庭中一些常见物体的点云模型数据库。二、设计了服务机器人基于PCL的物体实时识别算法。首先对预处理阶段中涉及到的滤波、分割、特征提取等各步骤,分别分析了各算法的优劣特点,并选取了最优的滤波、分割等步骤的算法。最后设计了完整的实时识别算法,并对算法的实时性进行分析,以及实验验证。三、成功将物体识别系统集成到了机器人操作系统ROS上。首先制订实验方案,搭建了实验平台,完成了机器人实时识别算法的验证,并验证了点云实时识别算法的实时性和识别率。最后验证了识别节点与其他模块节点间的通讯状况。本文最后对全文进行了总结,分析了当前研究中存在的问题,并对下一步研究提出了建议和展望。