在机械臂视觉分拣任务中,机器人的视觉定位和自主避障抓取是机械臂柔性作业的保障。为了满足复杂场景中机器人的自主定位和决策要求,本文详细探究了基于散乱堆叠场景中物体快速六自由度位姿估计及机械臂自主避障抓取技术。首先,本文基于弱关联点对特征投票的3D视觉定位技术,详细探讨了视觉定位过程中的平面分割技术、点云的快速搜索策略和点云法向量的鲁棒性估计策略,改进和优化了PPF方法中的若干关键技术细节。本文直接通过对原始点云进行处理,一方面增强了机器人感知能力,另一方面增强了该方法部署的柔性,使得该技术在CPU上运行可以达到实时性,克服了该方法对于工业中结构对称件及场景中大量相似结构存在的位姿估计问题。其次,本文详细探究了基于无监督学习的三维点云分割技术和基于分割驱动的三维视觉定位技术。通过引入图像超像素的概念,对三维场景采用了基于Local K-Means的超体素分割策略。采用基于VCCS算法的原理对点云进行超体素聚类,并对超体素生成的图进行基于凹凸性分割,降低了问题的复杂程度。通过对分割好的局部物体点云进行基于SAC-IA粗配准和ICP的精配准实现堆叠场景的物体位姿估计。本文通过分割来降低混乱堆叠场景视觉定位问题的复杂度,使得配准的精度大大提高。对实际生产具有重要的参考意义。再次,文本完成了UR机械臂的运动学建模,通过基于关节角度空间的采样技术和基于工作空间的碰撞检测技术完成了机械臂的避障运动规划。本文针对多种基于RRT快速随机采样的方法进行多组对比实验,通过引入贪心策略和启发式搜索策略,降低了算法的盲目性,提高了机械臂运动路径的合理性,对于实际生产过程中的机械臂柔性作业具有重要的参考意义。最后,本文通过设计多组对比实验,针对本文的视觉定位方法进行实验验证,验证了本文所采取视觉定位技术的优越性。实验表明本文所采用的方法易于扩展、方便部署、实时性好等优点,对于机械人柔性作业中的智能感知和自主定位抓取具有重要意义。