随着人们生活质量的提高,智能型家庭服务机器人被广泛地应用于代替人进行卫生清洁、物品搬运、家电控制、电话接听等各种家务劳动,针对其在场景中识别目标物体时所采集到的图像存在几何畸变(缩放和旋转)和噪声干扰的问题,提出了一种基于SIFT(Scale Invariant Feature Transform)和NDLT(Normalized Direct Linear Transformation)的目标识别新算法。本文首先讨论了目标识别技术中的关键技术——特征点提取技术和特征点匹配技术的国内外发展现状,对目前常用的特征点提取和匹配方法进行了较为详细地介绍。针对家用智能机器人在目标识别中存在的问题,分析了现有的特征点提取与匹配技术以及传统的图像对应算法——DLT(Direct Linear Transformation)算法的优缺点,在此基础上完成了目标识别算法的总体设计。同时,在对SIFT特征匹配理论(包括SIFT特征提取和匹配两个方面)进行分析的基础上,重点研究了SIFT特征匹配算法在抵抗图像缩放、旋转畸变以及抗噪方面的优越性,并将该算子用于目标识别。鉴于传统的DLT算法用于目标识别存在精度低的缺点,以及SIFT特征匹配算法在抵抗图像几何畸变以及抗噪声方面的优势,提出了一种结合SIFT和NDLT的目标识别算法,并基于MATLAB给出了相关的论证实验。实验结果表明:结合SIFT和NDLT的算法用于目标识别不仅能够较为精确地实现对目标物体的定位,而且在图像缩放、小角度的旋转以及抗噪方面都具有一定的鲁棒性,满足了家用型智能机器人对目标识别算法的要求。另外,该算法可以根据需要增加模型数据库中的目标模型图像,实现多视角的目标识别,具有一定的灵活性。