全世界每年都会发生自然灾害,重大灾难造成了巨大的人员伤亡,威胁着人类生命。灾害发生后,最紧急的事情就是搜救受伤人员,然而灾后现场环境复杂,危房,有毒物质以及大火等因素使得救援人员无法进入或者不能及时进入现场,在这种情况下,救援机器人代替救援人员勘测现场,搜寻幸存人员。以此为应用背景,本文使用飞行器AR.Drone模拟救援机器人,完成物体识别任务。本文设计实现了基于单应性的物体识别系统(ORSH)。系统分为图像数据获取和图像数据处理两部分,图像数据获取由AR.Drone完成。AR.Drone在低空飞行时,使用垂直摄像机获取图像,通过无线网实时传输获取的图像帧数据。在图像数据处理部分,本文通过颜色直方图匹配初步过滤获取图像,使用SURF算法检测特征点,基于匹配的特征点对,使用单应性算法识别物体。由于颜色直方图统计图像的全局颜色分布,因此本文提出将获取图像帧数据均分为4个区域,然后逐区域计算颜色直方图的方法。SURF算法检测的特征点具有旋转和尺度不变性,同时对仿射变换和光照具有一定的鲁棒性,尤其是其计算速度快等优点,使得SURF算法成功用于本系统。实验结果表明,ORSH取得了比较好的物体识别结果,并且系统达到实时性能。在基于单应性的物体识别系统基础上该进,本文进而又设计实现了基于标注的物体识别系统(ORSL)。ORSL使用物体标注算法标注出数据库图像和获取图像中的所有物体,然后只针对标注出的物体计算其颜色直方图,去除了图像背景颜色分布的影响,匹配结果更加精确。由于标注出了获取图像中的物体轮廓,所以进行物体识别时,直接根据标注结果,解决误匹配问题。实验结果表明,ORSL总体性能有了提高,并且系统达到实时性能。