近年来,随着国内劳动力成本逐年上升,社会老龄化加深以及国内外疫情的影响,我国传统制造业进入瓶颈期。针对“十四五”规划远景目标,中国制造业在新一轮工业革命浪潮中实现工业制造的高度自动化和智能化,符合时代发展要求。本文针对非结构环境下盘类元件识别与定位问题,提出了一种非结构环境下盘类元件识别与定位方法,搭建了基于三维视觉的机器人抓取系统,验证了所提出的盘类元件识别与定位方法的有效性。主要研究工作如下:首先,设计了无序分拣场景盘类元件识别与定位系统。通过对比分析,确定相机与工业机器人的选型方案,针对点云获取装置,设计了单目结构光系统,研究了相机成像原理、相关坐标系之间的转换关系,建立了系统的数学模型;在元件深度图像采集的基础上,通过映射法恢复得到点云数据。其次,给出一种基于八叉树的点云数据预处理方法以及改进的区域生长图像分割方法。基于直通滤波算法对冗余背景进行去除,通过随机采样一致性算法对零件与载物台平面进行分离,运用八叉树方法建立点云空间拓扑关系。基于盘类元件特性,提出了一种改进的区域生长图像分割算法,该算法通过选择局部径向基函数计算曲率,以曲率最小点作为初始种子点,根据设定的空间阈值范围进行区域生长,实验结果验证了点云分割的高效性及准确性。再次,提出一种结合点云特征描述、初始配准及精配准的盘类元件识别与定位方法。通过求取点云数据表面法线,计算点特征直方图（PFH）与快速点特征直方图（FPFH）查询点影响区域与时间复杂度,选择更符合实时效果的FPFH描述子。采用对应关系估计优化算法对误匹配点进行剔除,为匹配过程提供合适的初始变换矩阵。采用迭代最近点（ICP）算法进行点云精确配准,进而得到点云位姿信息。实验结果验证了上述盘类元件识别与定位方法的有效性。最后,搭建了无序分拣场景盘类元件识别与定位系统,构建了基于Visual Studio2017配置PCL库及Open CV库的编译平台,配置了MFC插件创建人机交互界面。选择Eye-to-Hand模型进行手眼标定实验,得到机器人基坐标系与相机坐标系之间的转换关系。通过实验验证了本文所提出盘类元件识别与定位算法的有效性。