在工业生产领域,采用智能化的机器人替代人工进行生产、分拣是备受科学家们关注的研究课题。针对在仓储运输过程中工件的检测与定位问题,本课题利用点云处理技术对目标进行识别与定位。同时,对研究中涉及的点云处理技术、目标识别算法、点云的位置估计做了相关研究。主要内容如下:（1）提出了一套三维目标识别结合机器人抓取的工件识别方案。线下,对待识别的工件进行点云的采集,经由点云去噪、拼接与特征边增强制作为模型点云,并存储进模型数据库。线上,实时采集流水线上的点云数据,并使用目标识别算法进行模型的识别与定位。该方案的线上线下模式适用于其他物体的识别,具备一定的通用性。（2）设计了一种局部特征描述符结合霍夫投票的目标识别算法。该方法基于ISS3D进行关键点提取,并基于局部特征描述子Ro PS进行特征的提取和描述。通过双重随机采样一致性算法剔除错误点对,利用霍夫投票进行假设生成,并进行假设验证。实验结果显示,目标识别算法在满足识别准确率和鲁棒性的基础上,通过特征匹配对的优化、目标区域的分割等操作提高了识别效率。（3）针对点云的目标识别技术进行了一定的研究。为了解决点云稀疏的问题,采用基于高斯权重的主成分分析法进行法矢的求解,并通过WLOP算法进行点云的边缘特征强调。为了解决存在错误特征匹配对的问题,采用通过特征距离结合随机采样一致性算法提纯点对。针对点云目标存在残缺不全的问题,在假设生成方法中,使用双重RANSAC算法优化特征匹配对,并对霍夫空间的两个参数设计自适应微调法。结果证明,提出的三维假设生成和假设验证算法能够有效剔除错误点并锁定识别目标。（4）对目标点云进行位置估计。通过降维估计目标点云的的几何信息,基于RANSAC算法拟合边缘直线进行坐标信息计算。