物体分拣任务是制造业行业中的关键步骤,工作强度较大、重复性高,在一些恶劣的环境中还具有一定的危险性。物体分拣任务主要依靠人工分拣完成,人力成本高、准确性低且速度慢,将工业机器人应用于该领域,实现零部件的自动分拣,可以显著地提高工业生产力以及物体分拣的智能化程度。智能化分拣的难点在于场景重建和物体目标识别,基于三维点云的识别与分拣技术因其巨大的应用潜力,逐渐成为解决机器人分拣问题的有效方法,也是目前国内外学者研究的热点。在机器人分拣领域,三维视觉可以从二维图像中获取点云,解决了三维数据的获取问题。本文开发了一套基于三维点云的机器人识别与分拣系统,通过编码结构光三维重建的方法重建场景的三维信息,使用点云特征匹配的方法进行目标识别和位姿估计,计算机器人的抓取位姿并执行分拣任务。首先研究了基于编码结构光的三维点云重建系统。对三维视觉重建系统进行了全面地理论模型分析,设计了编码结构光传感器硬件系统。基于格雷码的时间编码方法,对编码和解码方法进行分析,采用了宽条纹的格雷码进行重建。针对编码结构光视觉系统,设计了一套结构光视觉标定算法流程。同时基于CUDA进行GPU并行化加速,提高了点云三维重建算法的速度,对三维点云进行去噪,进行了高精度的场景重建实验。对散乱物体的目标识别及位姿估计方法也进行了研究,提出了一种基于点对特征的位姿识别流程,该流程采用了改进的点云降采样方法,并使用了基于权重的投票方式以减少错误匹配;对于重复的位姿结果,进行了位姿结果的验证和重复位姿的删除。实验证明,该方法相较于原始的点对特征方法,在识别率和算法时间方面都有明显提升,达到了较高的算法性能。本文完成了机器人分拣系统进行软硬件搭建,对点云三维重建及物体识别算法进行了实验验证。在完成了机器人分拣系统的硬件选型和手眼标定后,进行了物体抓取位姿计算和碰撞检测,对不同工件和物体进行了分拣实验,实验表明本文提出的算法能够有效地完成散乱场景的物体识别及分拣任务。