三维图像获取设备(例如微软的Kinect和英特尔的RealSence)的普及和价格的降低使得物体的三维数据变得更加容易获取,使得三维物体方面的研究有了很好的基础。与三维物体相关的研究逐渐成为一个热点并且在机器人视觉、自动驾驶、三维人脸识别、三维物体定位及三维建模等方面有着重要应用。特征的提取是各种三维物体相关研究中一个十分重要的阶段,三维物体的特征一般分为全局特征和局部特征,全局特征指的是把三维物体当作一个整体提取出的特征,但是需要预先对三维物体进行分割并且各种场景下提取出的特征不稳定。在三维物体上先提取特征点,然后在特征点上提取出的特征称为局部特征,局部特征在遮挡情况下的鲁棒性较强。本文基于局部特征进行研究。局部描述符是局部特征提取方法的简称,一般根据特征点周围节点的空间分布信息和几何信息进行特征的提取,但是尚未有一个描述性强、提取方式简单并且在各种情况下都表现稳定的局部描述符。另外,在实际应用中一些机器也存在着内存的限制和速度的要求,而一般的浮点描述符内存占用比较大。本文的工作主要在两方面。一是对三重正交局部深度描述符(Triple Orthogonal Local Depth Images,TOLDI)进行了改进,首先改进了其局部坐标系(Local Reference Frame,LRF)的建立方式,用全部邻居节点去构建坐标系,并且根据邻居节点的重要性对邻居节点进行加权。使得改进后的局部坐标系在普通场景下的可重复性更强并且在一些遮挡情况下也能达到较好的效果。其次增加了角度信息,一方面可以防止在匹配过程中出现的错误匹配情况,另一方面丰富了特征并且计算也不会太复杂。二是设计了一个二值描述符解决时间效率和内存占用的问题。首先改进了方向直方图描述符(Signatures of Histograms of Orientations,SHOT)的局部坐标系建立方式,使得改进的局部坐标系速度更快并且可重复性更高。其次在三重正交局部深度描述符的基础上同时加上了点的空间分布信息,然后把得到的特征矩阵用二值描述符重新进行特征的提取,二值描述符所占用的空间比之前的浮点描述符小很多。同时我们采用二进制描述符的匹配方法(汉明距离)进行匹配,大大减少了匹配所用的时间。