Humanoid robot adalah robot yang dibuat berdasarkan struktur tubuh manusia. Salah satu bagian penting dari humanoid robot adalah mata. Mata robot memiliki peranan yang sangat penting yaitu sebagai alat untuk mengenali objek yang ada di lingkungan sekitar. Kamera stereo adalah bentuk visual dari mata humanoid robot untuk mengenali objek 3D di sekitarnya. Penelitian proyek akhir ini merupakan bagian dari riset pengembangan T-FLoW Teen Size Humanoid Robot oleh ER2C. Tujuan dari proyek akhir ini adalah mengenali objek 3D yang berada dalam lingkungan rumah atau kantor. Sistem dimulai dengan melakukan input gambar. Pengambilan gambar dilakukan menggunakan ZED stereo camera dengan dimensi 640 x 480 piksel. Gambar yang tersimpan adalah gambar RGB dan depth (RGB-D) yang dikonversi menjadi gambar 3D (XYZRGB). Untuk menghilangkan noise pada gambar yang dihasilkan, proses pre-processing dilakukan dengan metode Stastical Outlier Removal dan Voxel Grid (downsampling). Setelah itu, digunakan deep learning untuk mengenali objek. Hasil akurasi terhadap data test secara keseluruhan adalah 94 %.