随着零部件的日趋小型化和复杂化,装配任务愈加艰巨,传统人工装配的方法难以满足智能制造领域日益增长的生产需求,因此实现微型零件的自动装配是该领域发展的必然趋势,微装配技术应运而生。微型零件的识别与位姿估计是指导微型零件实现自动装配的关键。传统的识别与位姿估计方法从二维层面出发,利用显微镜获取显微图像以实现微型零件的识别与位姿估计。由于显微图像存在深度信息缺乏和难以获取微型零件完整形貌的不足,导致了微型零件识别与位姿估计的精度较差。针对上述问题,本文提出并实现了一种基于三维点云描述的无纹理微型零件识别与位姿估计方法。本文的主要研究工作与研究成果如下:1.研究了微型零件的三维点云获取及获取的描述微型零件的三维点云的预处理。采用显微视觉断层扫描方法获取了微型零件的三维点云,构建了基于k-d树的空间拓扑结构,提出了改进的欧式聚类分割方法,以得到单一零件点云聚类。2.研究了三维点云描述的微型零件识别方法。建立了基于隐式形状模型（Implicit Shape Model,ISM）的识别方法,通过特征描述子对零件模型进行描述并构建了包含多种零件的训练模型,采用公共数据集中微型零件进行多次仿真识别实验。仿真实验结果表明,该方法能实现不同零件的准确识别。3.研究了三维点云描述的微型零件位姿估计方法。提出了一种基于法向量的改进边缘提取（Boundary Extraction,BE）方法,保留了微型零件点云的边缘,并降低了其规模。在此基础上,提出了一种三维点云描述的微型零件位姿估计方法,该方法由基于边缘的采样一致性初始配准（Boundary Based Sample Consensus Initial Alignment,B-SAC-IA）方法和基于k-d树加速的最近点迭代（Iterative Closest Point,ICP）方法组成。利用公共数据集对该方法进行了仿真实验验证。仿真实验结果表明,该方法能够快速、准确地实现公共数据集中微型零件的位姿估计。4.搭建了微型零件的识别与位姿估计微装配系统并进行了识别与位姿估计实验。研究结果表明,本文基于ISM的识别方法与结合B-SAC-IA粗配准和ICP精配准的位姿估计方法能够对三维点云描述的微型零件进行准确识别与位姿估计。本文的研究工作为三维点云描述的微型零件识别与位姿估计方法研究提供了理论基础,对于微装配技术的发展具有理论指导意义和实用价值。