目标匹配是图像处理、计算机视觉领域的热门研究之一,它非常广泛的应用于人们的生活、生产以及军事活动等等各个领域中。论文归纳了当前三维表达、目标匹配一些研究现状和不足:基于二维信息的目标匹配不适用于纹理匮乏的目标;基于轮廓的目标匹配不适合杂乱场景且匹配精度等不足;仅使用三维几何形状信息的目标匹配无法反映物体表面纹理信息。论文研究同时采用目标的三维几何形状和表面纹理信息的匹配方法,主要做了以下几个方面的工作:首先,为了获取目标的三维模型,以便后续的目标匹配,论文介绍了一种融合纹理的三维图像重建快速实现方法。通过对不同视角的深度图像的手动粗配准、ICP算法精配准以及全局配准得到这些深度图像的旋转平移矩阵。通过vrippack软件进行三维重建出完整的三维图像,用TextureStitcher软件对得到的完整的三维图像进行纹理映射,从而实现融合纹理的三维图像的快速重建。其次,针对现有三维目标匹配方法无法有效解决目标形状和纹理融合表达的问题,提出了一种结合三维几何形状信息和二维纹理的三维目标匹配方法。提取场景图像的二维特征,用尺度不变特征变换算法与三维重建时所用到的一系列2.5维深度图像进行一一匹配,找到与场景中目标姿态最为相似的深度图像,提取此深度图像的三维几何形状特征与模型进行匹配,实现模型的初始化,即将模型重置到与场景目标相接近的姿态。利用结合二维纹理信息的迭代就近点算法实现场景中目标与模型之间的匹配,从而计算出场景中三维目标的准确姿态。最后,论文在已有的SHOT算法的基础上,将纹理信息一并考虑进去,提出了一种包含加权值的纹理-形状描述子目标匹配方法。通过提取图像的二维灰度值信息自行调整算法中所用三维信息和二维信息的加权系数实现新的描述子,通过这个描述子实现目标的匹配。本文使用大量数据对方法进行验证,并且对这些方法进行了总结和对比分析。