1、物體識(shí)別是計(jì)算機(jī)視覺領(lǐng)域最重要的任務(wù)之一，被廣泛應(yīng)用在智能機(jī)器人、無人駕駛汽車以及安防等領(lǐng)域。傳統(tǒng)的二維物體識(shí)別方法由于RGB圖像本身的局限性，例如對(duì)光照非常敏感，因此其可靠性無法保證。與之相反，三維物體識(shí)別由于可以通過將場景與物體模型進(jìn)行配準(zhǔn)，并根據(jù)配準(zhǔn)的好壞對(duì)識(shí)別結(jié)果進(jìn)行自我驗(yàn)證，因此可靠性大大提高。近些年來，隨著深度傳感技術(shù)的發(fā)展與普及，深度圖像的獲取變得越來越容易，基于深度圖像的三維物體識(shí)別技術(shù)也得到了越來越廣泛的關(guān)注。

2、　　三維物體識(shí)別的目標(biāo)是識(shí)別出場景中的已知物體模型，并恢復(fù)出它們的姿勢(shì)。要構(gòu)建一個(gè)實(shí)用的三維物體識(shí)別系統(tǒng)，仍然面臨著很多難點(diǎn)與挑戰(zhàn)。一方面，點(diǎn)云數(shù)據(jù)會(huì)受到各種各樣的環(huán)境干擾，例如噪聲、點(diǎn)云密度變化以及遮擋等，這些都會(huì)嚴(yán)重影響物體識(shí)別的準(zhǔn)確性。另一方面，由于生成的特征匹配候選有很大一部分是錯(cuò)誤的，再加上配準(zhǔn)驗(yàn)證的過程比較耗時(shí)，這些將直接制約物體識(shí)別的效率。
　　本文關(guān)注于雜亂場景下的三維物體識(shí)別問題。為了實(shí)現(xiàn)這個(gè)目標(biāo)，論文提出了從提

3、取局部形狀特征，選擇顯著的特征來生成匹配對(duì)，到根據(jù)幾何約束來選擇更可靠的匹配對(duì)的一套快速并且魯棒的三維物體識(shí)別系統(tǒng)。論文的主要貢獻(xiàn)和創(chuàng)新點(diǎn)如下:
　　第一，針對(duì)局部形狀描述問題，設(shè)計(jì)了一個(gè)對(duì)噪聲以及點(diǎn)云密度變化都有較高魯棒性的“幾何中心簽名”描述子，并提出了一個(gè)可以支持兩個(gè)不完整形狀匹配的描述子比較方法。
　　第二，針對(duì)局部形狀配準(zhǔn)的問題，提出構(gòu)造每個(gè)節(jié)點(diǎn)指向其K個(gè)鄰居的描述子圖來實(shí)現(xiàn)快速的特征匹配查找，并通過提取和使用描述