为了提高自主抓取机器人的识别与抓取能力,解决自主抓取机器人实现高精度目标识别需解决的背景环境复杂、物体形状各异、位姿不确定等诸多难题,本文提出了一种基于深度学习的自主抓取机器人对象识别方法,在自主抓取机器人上搭建双目视觉系统,用于获得目标物的二维图像和三维点云信息,将二维图像的处理结果作为目标物三维特征的先验信息,便于系统更快更准确的生成目标物的抓取点与抓取区域,并将抓取点与抓取区域的三维信息发送给上位机,以供自主抓取机器人进行决策。首先,为解决数据集量不足的问题,通过Mosaic图象增强,增加了目标数据的多样性和图像中的目标个数。将Retina Net网络的目标层融入自注意力机制,使目标检测网络更加聚焦图像的有效信息,提升目标检测精度;通过该方式训练改进的Retina Net网络,并用该网络对自主抓取机器人所采集的图片进行目标检测,获得目标物的类别和定位信息。其次,通过双目立体视觉计算出图像视差图,从视差图中构建出目标物的点云图;将目标物根据类别分为规则物体与不规则物体,同时给出规则物体的形状,并将其建立为数据库;根据二维检测算法中提供的类别在数据库中获得目标物形状,同时根据二维检测算法提供的定位信息对目标点云进行分割,依据目标物形状和定位消息设计算法获得目标物的抓取区域与抓取点。最后,通过手眼标定将相机坐标系下目标物的抓取区域和抓取点统一到机器人坐标系下,为机器人抓取提供依据;其次对实验设备进行硬件选型,然后基于ROS系统搭建系统的软件框架;最终通过抓取点与抓取区域检测实验和机器人自主抓取实验,对系统的精度和稳定性进行测定。本文的研究对实现自主抓取功能的工业分拣机器人和服务机器人的推广应用提供了一种有效的技术方法。