A área da Robótica é uma das que se beneficia do desenvolvimento tecnológico recente, testemunhando um crescente interesse no desenvolvimento de novas aplicações em diferentes áreas. Em muitas delas, a Visão Computacional desempenha um papel importante, uma vez que muitos robôs dependem de câmeras para o seu funcionamento. Com o desenvolvimento tecnológico, estão hoje disponíveis sensores capazes de obter dados tridimensionais, motivando o desenvolvimento de algoritmos de percepção nesse plano dimensional. Este trabalho de mestrado propõe uma nova técnica para a descrição de objetos 3D, de maneira factível com aplicações limitadas computacionalmente. As características (features) extraídas são robustas e invariantes a transformações (p.ex. translação, rotação e mudança de escala), e que permite o reconhecimento de objetos em aplicações embarcadas e com requisitos de tempo real. Em testes usando o dataset ModelNet40, chegou-se a uma taxa de acerto Top-3 de 80%, com menos de 20ms de execução por amostra.

The field of Robotics is one of those that benefits from recent technological development, witnessing a growing interest in the development of new applications in various areas. In many of these areas, Computer Vision plays an important role, as many robots rely on cameras for their operation. With technological advancement, sensors capable of obtaining three-dimensional data are now available, motivating the development of perception algorithms in this dimensional plane. This masters thesis proposes a new technique for the description of 3D objects, feasible for computationally limited applications. The extracted features are robust and invariant to transformations (e.g., translation, rotation, and scale changes), enabling object recognition in embedded applications with real-time requirements. In tests using the ModelNet40 dataset, a Top-3 accuracy rate of 80% was achieved, with less than 20ms of execution time per sample.