机器人视觉具有很多人类视觉不具备的优点,可以在不适合人工作业或危险的环境下部分或完全代替人类工作。机器人视觉较之人类视觉,往往可以得到更高的精度、更快的速度和更大的分辨率,更加贴近市场的需求。机器人视觉系统作为机器人的“眼睛”,是整套机器人系统中最为重要的信息来源。从某种意义来说,机器人视觉系统实际上就是从环境中辨识出某一个目标或对象的过程,无论是图像分割,还是特征提取,亦或是对目标物体的识别,都是为了正确分割和提取出图像中有意义的目标物体和对象。对目标物体的准确识别和分类,就是机器人视觉的核心问题。本文针对这一核心问题提出了基于Kinect颜色及深度信息的物体识别和手势识别系统：使用Kinect传感器采集目标物体及其背景的颜色和深度信息,利用这些信息将目标物体同背景分割,然后通过HOG特征描述符提取目标样本特征、建立特征模型,在实际目标识别过程中以k-NN算法筛选出模板中最相近类别,并以此实现目标的分类和识别。本文提出的目标识别系统采用当前最流行、最受瞩目的Kinect传感器进行图像的采集工作。Kinect相比于其他正在流通中的3D相机,具有明显的价格优势,正受到越来越多的关注。本文方案中采用Kinect采集图像,非常符合市场需求,并利于成果由理论向实际转化,具有更高的实用性。本文方案中综合利用了深度图像和RGB图像,通过Canny边缘检测算子分割目标物体,充分利用了深度图像直接反映物体轮廓的优点。在特征提取方面,梯度方向直方图(HOG)具有良好的几何和光学不变性。本文利用HOG描述目标物体特征,通过对HOG做一定的变形,在保留其核心算法不变的前提下,将HOG用于提取任意大小的目标物体的图像特征。按照本文提出的系统方案,设计并实现了RGB-D物体识别系统和RGB-D手势识别系统。这两套系统均是以C++语言为编程语言,利用OpenNI连接Kinect摄像机并获取图像,在Visual Studio2008平台下进行编辑、编译和调试,最终形成可执行文件。结果显示,两套系统能够实现本文方案的预定实验目的,并有一定的应用价值。