对原始点云采用滤波、采样算法，减少整体场景点云的数量；采用分割等算法，获取目标物体的点云信息。提出C-S分割算法，针对不同场景都有较好的分割效果。结合FPFH特征描述子，采用配准算法获取目标物体在场景中的位姿信息。并提出LSFP的定位思想，将视场大的深度相机和视场小但精度高的3D扫描仪结合，当场景大且杂时，利用深度相机定位目标物体或附近明显的标志物体，即进行位姿的初步引导；再通过3D扫描仪获取高精度的场景点云进行位姿估计。

1.1 点云获取 

将从深度相机得到的原始场景点云进行滤波、降采样处理，如图1-2所示，2a左为原始点云，2a右为采样后点云，数据量由原本的74519个下降到7426个；针对噪声等杂乱点云进行滤波处理，统计滤波器用于去除明显离群点的效果如图2b所示；半径滤波器用于去除明显离群点如图2c所示；直通滤波器，如图2d所示，可以根据深度相机或3D扫描仪与目标物体的相对位置划定点云在x，y，z方向上的范围，较快减除离群点。