近年来,随着人工智能等技术的高速发展,机器人和人工智能的交叉使得机器人的发展进入了关键时期。机器人的应用领域不断拓展,从传统的工业场景向各行各业发展,得到了广泛的应用。实验室机器人、医疗机器人、物流机器人等也已经出现并逐渐进入人们的视野。无人实验室是一种智能化的实验室,能够自动完成实验室的各种操作和管理任务,提高实验数据的精度和实验结果的可靠性。作为无人实验室中的重要设备,机器人能够完成实验室中的很多工作。然而,传统的视觉检测技术无法对透明物体进行正确识别,这为机器人在无人实验室中的实验带来了很大的困难。因此,需要一种新的视觉检测技术,以便在无人实验室中对透明物体进行检测和抓取。本文的研究内容主要包括:本文提出了一个三阶段方法,以进一步提高对透明物体的视觉检测和深度数据获取。该方法利用RGB信息和RGB-D信息进行透明物体语义分割和深度补全。在第一阶段,本文使用CNN-Transformer混合的神经网络和边界优化,对透明对象进行准确的语义分割。在第二阶段,进行表面法线预测和边界遮挡检测,以用于后续透明对象深度数据的重建。在第三阶段,基于第一阶段的语义分割结果,去除透明对象区域的深度数据,然后使用第二阶段获取的结果,对去除的深度数据进行重建,以得到更可靠的深度数据。得到深度数据后,利用深度数据和相机内参,推导出目标相对于相机的空间位置,再利用得到的空间位置和相机外参,推导出目标相对于机械臂基座的空间位置,使用计算得出的位置信息,使用ROS机器人操作系统中的Move It算法,完成机械臂抓取物体时的路径规划,最终实现实验室中机械臂在视觉引导下对于透明物体的闭环抓取操作。在上面的基础上,进行各个功能模块中的功能性需求和非功能性需求分析以及可行性分析,通过系统各部分的设计,之后利用各项编程技术,完成系统页面的搭建,完成视觉算法和机械臂算法的实现,最终形成面向透明物体的视觉检测及抓取系统。系统实现后,对系统进行了功能测试,确保了系统的稳定运行。