近年来我国工厂存在的招工难、用人成本高等问题愈发严重,制造业从业人员不断流失,年轻人越来越少选择进入工厂,因此提升工厂的自动化水平是未来发展的必然趋势。采用机器人技术代替人力完成重复劳动,可以将人们从重复劳动中解脱出来并且生产质量和效率能得到进一步提升。目前基于机器视觉的工件定位方法已有不少研究和应用,结合机械手可完成自动上下料、物体分拣等工作。但大部分视觉系统只能获取平面上摆放物体的二维坐标和旋转角度,无法应对随机堆叠的复杂场景,限制了机器人应用的自动化水平。针对这一问题,本文对RGBD图像分割算法以及点云配准方法展开研究从而获取堆叠物体的6D位姿,本文创新点和主要工作如下:（1）局部凸连接生长算法（LCCP）存在超体素跨越物体边界,未能利用区域隐含凹凸信息的缺陷。为了改进以上缺陷导致的分割精确度低、物体粘连的问题,提出了结合连通域分割的改进算法。首先采用DASP算法进行超像素划分,减少超像素跨越物体边界情况。其次根据超像素的法向量夹角判定邻接超像素的凹凸性,合并所有凸连接超像素形成初步结果。最终结合本文提出的基于超像素的距离变换和分水岭法,将初步分割结果中面积较大的潜在欠分割区域再分割为多个凸域。实验结果表明本文所提出方法显著改善了欠分割问题。（2）采用点云配准方法获得堆叠工件位姿。首先对RGBD图像分割结果采用面积滤波去除大部分背景,并将深度图像ROI区域转化为点云,使用工件模型点云进行配准。对比基于FPFH特征的随机采样一致性方法与Super-4PCS法的定位效果,根据误差结果选用Super-4PCS作为粗配准方法,结合使用体素滤波和kd-tree加速后的ICP精配准算法完成物体位姿估计。在实拍堆叠物体图像和数据集图像中均可定位多个物体,在数据集中单个物体定位用时约为1.3s,平均最小配准距离误差为5mm,对应角度误差为10°,平均距离误差为8mm,平均角度误差为17°。（3）针对在复杂堆叠和遮挡情况下位姿估计算法可靠性较差的问题,提出了一种多视角位姿估计算法,采用两个相机在不同视角下拍摄工件图像分别进行粗定位,再根据相机联合标定结果,将辅助视角下位姿估计结果转化至主视角下,采用聚类和非极大值抑制方法将多视角位姿融合,并将融合结果使用ICP算法精定位得到最终结果。通过实验对比,多视角位姿估计方法定位物体数目相比单视角多了约90%,有效降低了由于物体观测视角,投影面积大小以及图像欠分割等因素导致定位失败的情况,显著提升了算法的可靠性。