随着三维成像技术和计算机产业的发展,快速获取三维点云并实时进行处理已经成为现实,在此基础上的三维点云相关算法,如三维物体表面重建、场景分割、目标识别和姿态估计算法成为近年来国内外学者的研究重点,相关算法在工业领域,如工件CAD模型构建、高精度产品质量监控、无序抓取等,获得了广泛的应用。本文主要针对无序抓取任务中的三维目标识别和姿态估计问题进行研究,主要研究内容包括:首先,针对无序抓取任务中外观相近或部分相同的工件间容易出现误识别的问题,提出了一种两阶段的三维目标识别与姿态估计方法。该方法充分利用了RGB-D相机能够同时采集彩色图像和深度图像的特点,通过对图像中目标物体的颜色、纹理等特征信息的挖掘,初步确定了目标物体的类别及其在场景中的位置,通过图像像素到场景点云的映射,去除了大部分背景点,有效降低了计算量,加快了算法运行时间;另外,由于通过对图像的分析获得了目标物体的类别信息,因此在进行三维目标识别和姿态估计时更容易确定模型点云,从而有效避免了误识别问题。其次,针对传统迭代最近点算法在面对模型点云和场景点云存在较大差异时,配准结果容易发生偏移的问题,引入平均距离惩罚项,提出了一种改进的迭代最近点算法。迭代最近点算法是一种局部最优化算法,从其目标函数来看,若点云存在孔洞、点密度不均的情况,在孔洞、点云密度不均匀的部分,由于模型点云和场景点云的差别,点到点的距离大于其它部分,当算法收敛到局部最优时,传统的迭代最近点的配准结果容易发生偏移,从而导致配准精度降低。在目标函数中引入平均距离惩罚项,有助于缓解点密度不均带来的影响,从而有效提高存在测量缺陷时的配准精度。最后,实现了基于三维目标识别和姿态估计算法的无序抓取系统,系统组成包括:基于面结构光相机的点云数据获取、以六自由度机械臂为主体的抓取动作执行机构、和以三维目标识别和姿态估计方法为核心的工业无序抓取软件,并对系统坐标系统一方法进行了研究。所实现的无序抓取系统已在工业生产中得到了实际应用。