物体识别是计算机视觉领域实现场景理解的一个核心技术。传统的物体识别是通过对二维图像的分析获取物体类别信息,由于图像的采集因光照、姿态等因素的变化而不同,由此造成基于二维图像的物体识别技术的可靠性得不到保障。而以三维点云数据描述物体形状的方式,可以准确全面的刻画物体的几何信息,且具有光照、姿态的不变性。尤其随着激光雷达、深度传感器、坐标测量系统以及基于图像的三维重建技术的逐渐发展和成熟,三维点云数据的获取越来越便利,由此基于三维点云的物体识别技术研究也得到了广泛关注,成为当前计算机视觉领域内一个炙手可热的研究方向。该技术也必将极大促进自动驾驶、智能机器人、智能医疗、视频监控、虚拟现实以及增强现实等领域的商业化的应用。本文针对三维点云获取过程中,由于设备分辨率低、环境复杂以及基于图像特征的三维重建方法等造成点云数据稀疏、易于产生孔洞等特点提出一个基于局部球谐函数的三维点云的高效识别算法。首先提出了一种基于三维点云构造的协方差矩阵的最大特征向量实现待测物体与标准模型之间快速对齐;其次基于点云定义的表面曲率极值定义三维点云特征点,并根据匹配的特征点完成对应空间区域的定义和划分;再对划分后的对应子区域按照球谐函数展开获取各基函数所对应的系数,构成各对应子区域的形状基于球谐函数展开的系数描述方法,据此构造两相应子区域之间的相似性比较方法;最后统计若干子区域的相似性实现整个物体的相似性比较。在普林斯顿的形状基准库的基础上获得了95.1%识别准确率,并在UWA数据库的扩展上获得92.9%识别准确率,实验表明本文算法的计算效率与已有的算法相比具有明显优势。