信息技术的发展使得在二维图像中准确进行物体识别成为重要的研究方向,具有广泛的应用前景。同时,随着二维图像数据规模的爆炸式增长,以及三维重建技术的日益成熟,三维信息的获取变得越来越便捷。由一系列无序二维图像中重建出的三维点云模型是一种典型的三维信息,同时刻画了三维物体的空间结构与局部特征,是对物体视觉信息的全面表征,可有力地支持图像中的物体识别。本文研究如何充分利用物体的三维点云模型,在二维查询图像中进行快速、准确的物体识别。传统框架先基于图像的局部特征建立查询图像中关键点与目标物体模型三维点之间的对应关系(即二维-三维对应点),再通过摄像机姿态估计从中找到正确的对应点,实现物体识别。但随着目标物体数量的增长,二维-三维对应点中的噪声迅速增多,导致姿态估计的计算代价难以承受。为了打破这一扩展性瓶颈,本文提出了一种高效的二维-三维点过滤方法。该方法从二维-三维的几何信息出发,分为轻量级的局部过滤与细粒度的全局过滤两个阶段,将二者结合起来过滤噪声对应点,既提高了准确度,又使得姿态估计的计算代价大大减轻。以该方法为核心,我们进一步开发了一套三维物体识别系统,可实现快速、准确的物体识别。量化实验基于一个自行构建的包含300个目标物体的三维模型库以及200张查询图像的测试数据集。实验结果表明,本文提出的方法可有效提升二维-三维对应点的质量,进而提升了物体识别的效果和效率。