1.基于点云的典型零部件识别方法，其特征在于：首先对Kinect传感器获取的目标点云进行优化并利用八邻域深度差算法提取点云边缘；然后用随机抽样一致性RANSAC算法对分割后的点云边缘进行检测，并提取边缘特征以识别零部件。

2.根据权利要求1所述的基于点云的典型零部件识别方法，其特征在于：采用Kinect传感器进行零部件识别，对点云边缘提取方法的具体步骤为：(1)对获取的点云数据沿深度方向垂直投影：对沿深度方向获取的单面点云数据，沿深度方向进行投影；

(2)对投影点进行栅格数据组织：对于投影点，统计其横纵坐标最小与最大的四个值，根据栅格的划分次数，计算出单个栅格的大小，然后将各投影点分配到各个栅格且进行编号；

(3)计算栅格的深度差：根据编号的任意栅格，统计栅格内投影点数目，若投影点数目为零，则将该栅格的深度值设定零；若栅格内投影点数目大于零，则将投影点所对应的深度值进行加权平均，将加权平均值作为该栅格的深度值；

(4)比较栅格与八邻域栅格的深度差：对每个栅格进行判断，若该栅格的深度值不为零，计算其与八邻域栅格里每个栅格的深度差，若存在深度差大于设定阈值，则该栅格为存在边缘点栅格；

(5)栅格内点云边缘点筛选：对于存在边缘点的栅格，统计出栅格内投影点个数，然后对投影点所对应的深度值进行升序排列；当投影点个数为奇数，栅格边缘点为中间位置所对应的投影点；当投影点个数为偶数，该栅格边缘点为中间两个值所对应的任一投影点，根据投影点提取其所对应的三维点。

3.根据权利要求1所述的基于点云的典型零部件识别方法，其特征在于：在对点云边缘提取前，先进行点云获取与优化，利用非线性滤波优化算法对点云去噪处理。

4.根据权利要求1所述的基于点云的典型零部件识别方法，其特征在于：点云识别的步骤如下：

1)点云边缘分割：点云边缘数据通常被看成一个点集，点集内各种目标特征点混合在一起，点云边缘分割就是将同一目标特征点提取出来；

2)基于RANSAC算法的目标识别：对于有棱角且边是直线的典型零部件，依据随机抽样一致性RANSAC算法，对分割后的典型零部件点云边缘进行检测，并提取边缘特征以识别零部件。