随着时代的发展和科技的进步,机器人技术已经在不同场景下得到了广泛的应用,其中,机器人智能分拣系统的设计是研究者们一直关注的课题。在机器人智能分拣系统中,使用计算机视觉技术使机器人拥有场景感知能力是一个非常重要的部分。设计出一个稳定、高效的抓取系统,不仅需要考虑机器人内部硬件以及外部结构设计,而且需要最合适的算法来适配不同任务场景。本文针对机器人分拣系统中两种场景,设计了两种不同的算法流程。两种场景下,相同点在于机器人面对的都是散落在桌面上的物体,不同点在于两种场景中的物体的摆放状态。第一种场景中,不同的物体以任意的姿态朝向摆放在桌面上,物体之间没有堆叠;第二种场景中,各个物体相互堆叠地散落在桌面上。由于不同的场景各有特点,所以本文设计了相应的视觉算法来适配不同场景。在第一种场景中,物体没有堆叠,本文设计了一种基于三维检测网络的物体四自由度位姿生成方法。首先,设计了一种卷积神经网络在RGB图像中识别物体,并回归出物体三维包围盒、物体中心点;其次,利用包围框坐标,调整因相机视角而偏移的物体中心点位置,并同时计算物体在桌面上的朝向,作为物体姿态信息;最后,根据第二步得到的信息,控制机械臂进行平面抓取任务。在实际场景中,三维目标检测精度达到88%,抓取成功率达到94%。在第二种场景中,物体之间有堆叠情况,使用四自由度无法完全描述出物体的姿态,此时平面抓取方法不再适用,所以本文提出了一种结合了物体分割和点云处理的物体位姿计算方法,并设计了一种视觉抓取策略,优先抓取未被遮挡的物体,改善了因物体堆叠而产生的抓取不稳定情况。首先,提出了一种合成数据集制作方法,得到物体包围框、掩膜、遮挡信息并写入标注文件,克服了人工标注不准确且耗时的弊端;其次,基于Mask-RCNN图像分割网络,融合颜色信息和重新编码后的深度信息,提高了物体分割效果;最后,结合物体分割结果和场景点云,得到未遮挡的物体点云,并利用两次点云配准技术,算出物体位姿,实现物体六自由度抓取。实验结果表明,网络在真实场景数据集上的精度为92%,在实际抓取中,成功率达到91%。