物体の認識は画像処理の分野で長く取り組まれてきた問題である． J.Gallらは，一般化Houg変換\cite{Duda:1972:UHT:361237.361242}と，Random Forestという2つの手法を組み合わせた，Random Hough Forestを開発した．
本論文では，J.GallらのRandom Hough Forestを拡張し，ロボットのための物体認識を実現するための手法を提案する． J.GallらのRandom Hough Forestを複数の物体について認識できるように拡張し，さらに位置だけでなく，物体の姿勢も推定できるようにした． また，RGB画像に加え，各ピクセルの物体からの距離を表すDepth画像を加えたRGB-D画像を用いて，より照明条件やスケールの変化に対して頑健な認識ができるように改善した．
提案した手法を用いて実験をして，既存の手法の結果と比較し，提案手法の有用性を示した．また，実際のロボットに搭載して実験した結果についても述べる．