Wie können Roboter lernen, ihre Umgebung zu sehen und zu verstehen? Dieses Papier gibt einen Überblick über *modellbasierte Objekterkennungsalgorithmen* für *Robot Vision*, die für Aufgaben wie das „Bin-Picking“ unerlässlich sind, bei denen Roboter die Identität, Position und Orientierung von zufällig angeordneten Industrieteilen identifizieren müssen. Dieser Übersichtsartikel untersucht 2D-, 2½D- und 3D-Objektdarstellungen, die die Grundlage von Erkennungsalgorithmen bilden, mit einer detaillierten Analyse von Merkmalsextraktion, Modellierung und Matching-Techniken. Das Papier bewertet bestehende industrielle Teilerkennungssysteme und -algorithmen und bietet Einblicke für zukünftige Robot Vision Systeme und deren mögliche Auswirkungen auf die Robotik. Durch die Erforschung verschiedener Ansätze zur Objekterkennung dient der Review als Roadmap für den Fortschritt auf diesem Gebiet. Die Technologie verbessert die Automatisierung, insbesondere im Bereich der *Informatik*.
Dieser Artikel, der in ACM Computing Surveys erscheint, steht im Einklang mit dem Schwerpunkt der Zeitschrift auf umfassenden Übersichten über wichtige Themen der Informatik. Durch die Überprüfung modellbasierter Objekterkennungsalgorithmen für Robot Vision trägt der Artikel zum thematischen Schwerpunkt der Zeitschrift auf Robotik und künstliche Intelligenz bei. Er fasst bestehendes Wissen auf diesem Gebiet zusammen und synthetisiert es und stellt es in einen breiteren Kontext für Forscher und Praktiker.