随机箱体抓取（RBP）是机器人利用3D视觉技术抓取随机散乱堆放的物体,随着3D视觉技术的应用,3D视觉机器人抓取是一个热门方向,3D视觉比2D视觉多了一个维度,提供的环境信息更加丰富,基于3D视觉的机器人抓取能处理更加复杂环境下的问题,解决了2D视觉机器人抓取的局限性。一个物体的位姿在三维空间中某个参考坐标系下可由3个旋转和3个平移表示,获取待抓取物体的6D位姿信息是机器人抓取和计算机控制机器人运动的前提。为了获取目标的6D位姿信息,本文搭建了一套结构光三维重建系统首先获取物体的3D点云数据,并利用点云处理算法估计场景目标的6D位姿,包括机械平台搭建、设备选型。获取物体的3D点云数据利用面结构光投影技术,包括结构光投影技术中的光栅解相问题、相机标定问题、结构光标定问题,将整个系统标定完成之后,就可以获取到物体的3D点云数据。针对传统解相算法过程中相位跳变误差问题,本文提出了一种改进的解相算法,相对于已有算法解相和测量结果更准确,通过仿真分析说明改进算法对误差抑制的效果,经过实验验证说明真实环境下对相位误差的抑制效果。并经过测量标准块实验验证三维重建精度,说明对机器人抓取的可靠性。6D位姿估计包括线上和线下两个阶段,利用点云处理算法计算点云模型和场景点云的特征,线下阶段是关于基准点云模型的创建、计算点云模型位姿,线上阶段是关于场景点云的处理和计算,利用模型和场景点云的特征进行目标匹配得到场景目标在相机坐标系下位姿变换矩阵。针对多目标匹配问题,本文改进了多目标匹配算法,使得仅使用聚类算法导致的目标漏匹配也能匹配到,更适用于机器人抓取。最后,在结构光三维重建系统的基础上搭建机器人抓取平台以验证6D位姿估计的准确性。经过多组机器人抓取实验,说明场景目标6D位姿估计和机器人抓取准确性,最终说明本文研究内容具有可行性。