Diese Arbeit stellt eine Methode zur Extraktion charakteristischer, invarianten Merkmale aus Bildern vor, die zur zuverlässigen Übereinstimmung zwischen verschiedenen Ansichten eines Objekts oder einer Szene verwendet werden können. Die Merkmale sind invariant gegenüber Bildskalierung und Rotation und zeigen eine robuste Übereinstimmung über einen erheblichen Bereich affiner Verzerrungen, Veränderungen des dreidimensionalen Blickwinkels, Hinzufügen von Rauschen sowie Änderungen der Beleuchtung. Die Merkmale sind äußerst charakteristisch im Sinne einer hohen Übereinstimmungswahrscheinlichkeit, sodass ein einzelnes Merkmal mit hoher Sicherheit gegen eine große Datenbank von Merkmalen aus vielen Bildern korrekt zugeordnet werden kann. Darüber hinaus wird ein Ansatz zur Verwendung dieser Merkmale für die Objekterkennung beschrieben. Die Erkennung erfolgt durch die Übereinstimmung einzelner Merkmale mit einer Datenbank von Merkmalen bekannter Objekte mittels eines schnellen Nachbar-Algorithmus, gefolgt von einer Hough-Transformation zur Identifizierung von Clustern, die einem einzelnen Objekt zugeordnet sind, und schließlich einer Überprüfung durch Lösung im Sinne der kleinsten Quadrate zur Bestimmung konsistenter Pose-Parameter. Dieser Erkennungsansatz ermöglicht eine robuste Objekterkennung auch in Gegenwart von Unordnung und Verdeckung und erreicht dabei nahezu Echtzeit-Leistung.