机器人感知外界环境的能力决定了其智能化的程度,而机器视觉是机器人获取与感知外界信息最主要的方式,因此一直都是最活跃的科学研究领域之一。随着3D摄像头的快速发展,以及近几年开源点云库的出现,基于点云图像的三维物体识别技术成为机器视觉一个新的研究热点。基于点云的三维物体识别基本步骤包括点云数据采集、点云数据前处理、物体的点云分割、点云特征提取、特征模型数据库建立、匹配识别等。本文详细分析研究了各步骤的理论与实现,增加了识别结果验证和实时显示两步,提出了基于Kinect的三维物体实时识别方法,此方法能识别单个物体的种类、姿态以及聚类物体的匹配识别。主要研究内容包括:点云数据采集利用Kinect摄像头,通过Kinect SDK和点云库的IO模块实时采集点云数据,并采用直通滤波、体素化滤波、移除离群点等点云前处理方法,减少后续处理的数据量。物体的点云分割通过分析不同的聚类分割方法,提出采用基于随机采样一致性和欧式距离的组合分割方法,并实时采集点云数据进行实验,结果证明了该组合分割方法效率很高。点云特征提取通过研究3D特征描述子的提取方法以及实验分析,提取物体的特征用于识别,并搭配对应的物体点云模型建立特征模型数据库。匹配识别通过分析基于3D特征描述子的对应分组识别方法,提出采用全局描述子搜索特征模型数据库、局部描述子匹配对应点的实时识别方法。识别结果验证采用对齐配准和假设验证组合的验证方法自动判断识别结果并实时显示。实时识别实验包括单个物体识别和聚类物体识别两组,第一组实验分别在Kinect静止和移动两种状态下计算单个物体的实时识别率;第二组实验包括聚类物体的无遮挡实时识别和遮挡实时识别,其中无遮挡识别包括单个物体、多个相同物体识别和相似物体识别。最后通过实验结果和评价指标验证本文的方法是否达到室内物体实时识别的要求,是否都能定位目标物体,为以后机器人抓取物体、避障导航等奠定了基础。