机器人具备高效、低耗、灵活的优势,广泛应用于仓储备料领域。然而,仓储环境受限于空间大、货物种类繁多且货物摆放无序,机器人分拣和搬运货物的难度大,目前仓储备料领域使用的多数还是需要人工配合的半自动化设备。移动机械臂兼顾了灵活性和可操作性,结合SLAM技术和视觉定位技术,可以很好的应用于仓储备料领域。针对多工位备料时移动机械臂的位姿估计系统实时性不足和定位精度不高问题,本文融合了多种传感器的数据研发了一套面向多工位备料的智能移动机械臂,可以完成多工位备料繁琐且重要的任务,具体研究内容如下:（1）本文在LineMod格式数据集的基础上,提出利用目标对象最小外包立方体代替目标对象的位姿,通过构建坐标转换关系,借助映射函数求解三维信息对应的二维信息,并以该信息作为卷积神经网络的数据输入,训练深度学习模型,从而规避了三维模型的制作,提高了数据集制作的效率。（2）针对移动机器人位姿估计系统实时性不高的问题,在对目标的特征进行深入研究后,通过改变卷积神经网络结构对YOLO6D算法进行优化。实验结果显示,改进后的网络识别准确率和原网络一样优异,比BB8精度高3.11%,但运行速度是BB8算法的近12倍,是Brachmann算法运行速度的17倍多,在NVIDIA Ge Force RTX 2060GPU上的运行速度可以达到35FPS,适用于实时处理。（3）针对移动机器人导航时初始代价地图不自动更新的问题,提出一种自动清理代价地图的方法。将代价地图的清理指令加载到导航启动文件中,在每次启动导航程序时就自动清理一次代价地图,从而提高定点导航的成功率,在实验中,分别在导航前初始化地图时清理代价地图和不清理代价地图。实验结果显示,清理代价地图相比于不清理代价地图定点导航成功率提高了46.7个百分点。（4）本文采用A*全局路径规划算法和DWA局部路径规划算法。基于ROS机器人操作系统,融合激光雷达、里程计、IMU数据,实现多工位环境下移动机械臂自动备料的目标。实验显示,移动机械臂定点导航最大定位误差为4mm,满足使用要求。（5）基于移动机械臂需要完成的任务,搭建实验平台,设计开发了一套相应的软件系统。建立了运动相机模型,并完成手（机械臂）眼（相机）关系标定。设计了完整的验证实验,实验内容包括移动机器人的定点导航、识别、夹取、避障、目标物的放置等。实验结果表明,机器人定点抓取的平均精度达到90.43%,执行连续运动抓取的平均成功率达到80%。因此,本文的研究为移动机械臂的导航和位姿估计提供了一种可行性的解决方案,为最终的应用奠定了基础。