随着人们对科技的不断探索,在生产线中,人工手动操作和固定路径的机械臂操作已经无法满足当前智能化生产模式。为了使机械臂在抓取工件时,可以自主选择目标工件进行抓取,所以本文对机械臂抓取多类工件前的识别与位姿估计进行研究并改进。主要的研究内容如下:首先针对图像采集过程中,环境、光照和设备等各种外在因素对图像质量产生影响的问题,本文提出了基于邻域相关性检测的自适应中值滤波对图像进行降噪处理,将主要的椒盐噪声进行剔除,同时采用双边滤波进一步剔除少量的高斯噪声。在工件识别阶段本文采用YOLOv5算法对不同种类工件进行识别,实验结果证明了本文提出的降噪算法的优越性以及YOLOv5算法的可行性。然后针对工件获取视差图时,工件低纹理的特性使得双目立体匹配获得的视差图存在大量缺陷的问题,本文提出了基于改进的自适应匹配窗口的双目立体匹配算法,在实验中充分证明了本文算法的优越性和可靠性,并且进一步证明了本文提出的降噪算法的重要性。为了获得工件的位姿信息,将工件视差图与双目相机参数结合获得工件点云图,并对常见的点云配准方法进行实验,选择出适合本文的点云配准方法,在实验部分验证了本文所提出的多类工件的识别和位姿估计方法的可行性,并且在精度上验证了本文方法满足实际应用要求。最后根据本文提出的方法,设计并开发出工件识别与位姿估计系统,实现了不同种类工件实时位姿估计的功能,使得本文的方法可以在实际工作中使用。