信息技术和智能控制技术的发展推动着智能制造水平的不断提升。其中,智能制造中的传感技术,包括目标检测、快速定位、精密测量等均起着重要的作用并在加工制造的各环节中得到了广泛应用。本文以机器人智能分拣与测量系统为研究对象,将深度学习技术与识别定位需求相结合,增强机器人智能分拣能力。同时,构建综合的机器人分拣与结构光测量系统,完成目标物的快速智能识别与三维参数检测分拣。本文主要内容包括:首先,为提升分拣智能化水平及定位精度,在应用YOLOv5s进行物体识别定位的基础上,提出基于角点检测的深度图像中心定位法,从而解决识别定位点偏离物体上表面中心的问题。用识别框包围被识别的目标物体,并对框内区域图像进行角点检测,进而计算物体上表面中心像素坐标;将中心像素坐标与深度图对应点对齐,实现精确的物体中心定位。其次,为提升结构光三维重建系统的鲁棒性及精度,针对金属物块表面反光特性导致的重建缺失问题,提出基于局部光栅补全的三维点云重建法。通过对光栅图像像素进行归一化处理计算最优阈值,并基于该阈值对采集的光栅图二值化处理;根据光栅图缺失位置生成ROI区;选取完整光栅条纹并将其填充进ROI区,生成完整光栅图。最后,构建基于三维点云的机器人智能分拣系统实验平台,完成系统手眼标定,并进行了实验。基于改进的中心定位法通过相机对目标物进行识别定位实现分拣,并引导机械臂对该物体进行抓取;基于改进的光栅补全法对目标物进行三维重建,并对其点云模型相关数据进行检测对比。实验表明,改进后的定位算法可以实现对物体上表面中心定位,且与参考中心点像素距稳定在8个像素内;改进后的重建算法可以有效消除物体表面反光的影响,提高重建完整度;整体分拣系统在改进法的基础上提高了物体的检测分拣精度。