在机械臂系统的应用中,抓取物体是最为广泛的任务之一。传统的视觉引导抓取操作,针对的对象大多数是摆放在平面上有一定约束的物体。而现实中常见的场景是物体是散乱堆放的,彼此之间有重叠且置放于容器内。这类任务要求系统能够对物体进行分割识别并检测三维位姿,考虑抓取姿态避免碰撞,引导机械臂在受限空间中进行抓取。本课题使用低成本视觉系统,针对箱子中散乱堆放的规则刚性物体,通过Real Sense RGB-D相机获取彩色和深度信息,计算点云数据并通过滤波、分割、匹配识别和配准等处理获得对象位置和姿态,对机械臂在箱体受限空间中的抓取进行分析,设计实验组验证系统算法。首先,获得相机采集的场景彩色和深度信息,并对深度图像中存在的质量缺陷进行处理,通过联合双边滤波处理估计缺失数据,填补数据空洞,使用卡尔曼滤波方法降低数据的跳动幅度。结合相机内部参数,将深度数据转化为场景的点云。针对原始场景点云的密度大、噪点和存在粘连点云等问题,采用降采样、滤波等方法进行处理,改善点云质量,并去除背景点云,方便后续处理。使用超体素点云聚类分割和基于几何凹凸性的点云聚类分割将包含多个物体的点云数据进行处理,得到单个物体的点云数据。然后,针对单个物体的三维点云提出算法计算其体积最小包围盒,并根据包围盒的大小和点云覆盖程度判断物体的种类,利用与模型包围盒匹配的方法得到物体的位置和姿态,再通过精配准得到更精确的结果。针对箱子中堆放的物体制定抓取策略,并针对接触紧密且无法分割的物体进行移动处理,再重新进行识别。随后控制机械臂对物体进行抓取。首先确定抓取方式和结构,然后将机械臂和箱体进行简化,将两者碰撞检测转化为三维线段与空间有限平面的相交检测问题。同时,针对物体在箱体有限空间中的抓取可行性进行分析,并确定机械臂抓取姿态和构型,以提高抓取成功率和效率。结合样条插值规划机械臂运动轨迹,实现抓取目标。最后,搭建了Bin-picking系统。针对处于箱子中的同一类型同一尺寸的多个物体、同一类型不同尺寸的混合散乱物体、不同类型不同尺寸的混合散乱物体进行识别和抓取实验,视觉处理和抓取效率较高,获得了较好的抓取效果,验证了系统算法的可行性。