零件识别与抓取位置规划作为自动化装配过程中不可缺少的重要环节,对装配的质量有至关重要的影响。基于视觉的零件位姿判定与抓取位置规划可以明显提高产品装配的自动化程度、灵活度,减少耗时并降低成本,从而提高生产制造效率。国内外对零件抓取规划的研究,基本上只针对简单的抓取与放置动作进行稳定抓取位置的规划,不能应用于自动化装配任务中。本文面向自动化装配单元,基于三维点云数据和零件模型库进行零件识别;针对两指式抓取方式,定义零件抓取参数,基于力封闭原则,对抓取位置的稳定性进行定性判断和定量计算,找到适用于自动化装配的最优抓取方位。具体研究内容如下:首先,基于八叉树原理建立点云空间拓扑结构,提升了点云搜索与计算的效率。通过细分三角网格的方式,提取了CAD模型表面点云数据。对密集散乱的扫描点云进行预处理,将面状点特征作为种子,以区域增长方式进行平面背景点云的分割,取得了较好的分割效果;分析了不同类型噪声点的特点,采用不同方法对点云进行去噪。基于八叉树以下采样方式精简点云,提升了点云处理效率。改进了PPF特征,基于RANSAC原理进行特征匹配,提升了点云匹配的准确度和速度。然后,详细分析了影响零件抓取的因素,对接近方向可行域进行干涉检测,先定性判断机械手臂与零件包围盒的干涉情况,再在三角面片层面对干涉情况进行定量精确计算。基于层次包围盒树对接触位置可行域进行干涉检测,按照装配路径,以模拟装配方式,从接近点、接近方向和接触位置是三个层面,逐步与装配体进行干涉检测。基于力封闭原则,对抓取位姿的稳定性进行定性判断,定义抓取质量指标,对抓取质量进行定量精确计算,获得满足装配约束的最优抓取位姿。最后,进行经典ICP与PPF特征匹配的对比试验,证明了本文算法在匹配准确度和速度上均有一定提升。对抓取方位规划结果进行动力学仿真验证。