李 珣，王高平，李林鹏，王晓华，景军锋，张凯兵

(1.西安工程大学 电子信息学院，陕西 西安 710048；2.格罗宁根大学 伯努利实验室，格罗宁根 荷兰 9747 GA)

0 引 言

物体识别是机器视觉和机器人智能化研究的重要内容，目的是通过学习和训练使机器能够对外部环境进行感知并获得特征数据。经过几十年的研究，物体识别已经在交通、医疗、军事、机器人等诸多领域得到应用[1-2]。但是，通过二维RGB (Red通道、Green通道、Blue通道)图像进行物体识别的局限性逐渐显露：RGB图像成像过程的基础是光学投影，将空间中三维存在的物体映射到二维平面的这一过程造成了信息损失不可避免。与此同时，单纯使用RGB图像容易受到复杂的光照和背景变化干扰，识别率的提升已经呈现瓶颈。为了改善RGB图像的二维表达弊端，近年来结合深度D (Depth通道)图像的RGB-D物体识别方法研究成为提高物体识别准确率的新途径之一。

深度图像包含了物体的空间几何特征，具有光照不变性和颜色不变性，背景更容易分离等特点，可与RGB图像所包含的颜色与纹理信息进行样本数据的相互补充。2010年以来，采用新传感技术的RGB-D相机，如：PrimeSense、PMD CamCube以及微软的Kinect等，将同时采集高像素RGB图像和深度图像变为可能，加速了RGB-D图像识别技术的发展。2013年IJCV出版的专刊将RGB-D图像在人脸识别、三维场景重建、姿态估计、物体识别等领域的理论研究和实际应用成果进行了展示[3]；2014年开始，国际顶级会议CVPR也因为RGB-D研究的广泛性专门增设了RGB-D传感器的专题研讨会[4]。……