计算机视觉技术的发展催生了许多针对无序分拣这一机械臂应用难题的解决方案,这些方案的末端执行器通常采用了刚性夹爪或吸盘,为了避免过度挤压待拣物体,需要复杂的传感器控制。另一方面,软体手因为软体材料的自适应性具有灵活性高,可以适应复杂环境以及方便人机交互等诸多优点,这为易碎物品的机器人抓取提供了新的可能性。本文针对易碎物品的无序分拣问题采用气体驱动弹性软体手,并根据所设计的软体手采用改进的实例分割网络和点云位姿估计的视觉方案,设计一套完整的无序分拣系统。主要研究内容如下:（1）适用于易碎物品的软体手设计及实验研究。针对易碎物品设计气动弹性软体手,基于Yeoh模型进行有限元分析,搭建单个手指性能测试实验平台,根据仿真和实验结果为视觉抓取策略提供手指变形参数和气压的拟合函数关系,完成软体手的气路和电子控制系统的设计。（2）卷积神经网络的分析和基于Mask r-cnn的实例分割算法的研究与改进。研究卷积神经网络和Mask r-cnn的算法原理,根据本文的抓取环境制作训练集并调整网络模型,针对边界模糊问题引入改进方法,使其能更好地用于本文的抓取环境。（3）基于点云信息研究面向软体手的抓取策略。针对原始点云通过随机采样一致性、滤波和MLS等算法对点云信息进行预处理,然后结合实例分割得到的掩膜和分割出的点云提出面向软体手的抓取策略。（4）平台搭建和实验验证。搭建结合软体手的无序分拣系统实验平台,设计手眼标定系统完成相机坐标系到机械臂坐标系的转换,并进行标定准确性测试。完整地运行针对易碎物品的无序分拣系统,对准确性和可靠性进行实验验证和分析。