随着“中国制造2025”发展战略的实施,机器人在工业领域得到广泛应用。目前,在物流和工业自动化领域,基于视觉的机器人抓取分拣技术受到越来越多的关注和应用,但该项技术在处理物体杂乱堆叠、严重遮挡的场景时仍存在一定挑战。因此,本文针对混杂场景下机器人抓取分拣场景,提出一套结合实例分割和点云配准的位姿估计算法流程,显著提高机器人抓取分拣工序的性能。本文的主要研究工作如下:（1）提出一种基于物理仿真引擎的自动化合成数据集生成方法。针对不同的应用场景,该方法提供3种合成数据集生成方式,基于真实场景,基于域随机化和基于背景图片。（2）提出基于RGB-D信息融合的实例分割算法和使用基于遮挡分析的实例分割算法。首先,通过给实例分割网络输入模块中添加场景深度信息,提升获得的分割掩模精度。之后,设计实验验证使用合成数据集训练该实例分割网络的可行性。最后,使用合成数据集训练基于遮挡分析的实例分割网络,并将上述两种实例分割算法引入位姿估计模块,提高位姿结果的精度。（3）提出一种结合实例分割与点对特征的物体位姿估计算法。该算法结合物体识别模块和位姿估计模块,实现物体位姿估计功能。同时针对机器人抓取分拣场景,添加分割结果筛选模块,显著提升了位姿估计算法的精度和时间性能。（4）搭建一套基于视觉的机器人抓取分拣系统。首先,提出一种无需标定板的机器人快速手眼标定方法,降低该过程所需的时间和人工成本。之后,搭建一套基于ROS的机器人抓取分拣系统,并设计实验对比使用基于RGB-D信息融合实例分割算法和使用基于遮挡分析的实例分割算法的性能差异。最后,验证使用两种物体识别算法的机器人抓取分拣系统均满足稳定性和准确性的要求。