随着工业智能化的不断推进,视觉引导的机器人抓取系统在基于流水线的产品装配、分拣、包装、码垛等领域得到广泛应用。此类抓取系统中视觉技术是核心,而三维视觉因其所表达的目标形状、位置、姿态等信息更为详细,得到了越来越多的重视和研究。针对散乱工件的自动抓取问题,本课题对基于三维点云信息的目标位姿识别和抓取技术进行了研究,设计并实现了一套三维视觉引导的机器人抓取系统原型,主要成果如下:（1）点云预处理技术研究。利用Realsense D435深度相机获得的深度图像重建三维场景的点云,并通过直通滤波和基于RANSAC的平面检测算法去除无关背景。针对离群点噪声的干扰问题,提出基于kd树的点云近邻点快速搜索算法,通过减小搜索范围,提高点云邻域查询速度,进而提高点云噪声的去除效率。针对点云数据量巨大的问题,采用基于体素格的降采样算法,实现点云数据精简。（2）点云分割技术研究。针对基于欧氏距离分割算法中距离阈值的选择问题,提出了一种自适应的阈值计算方法,该方法根据查询点是否为点云的边界点而自动调整距离阈值,有效提升了点云的分割效率和准确率。为了弥补欧氏距离不能分割粘连目标的缺陷,提出了一种基于点云边缘信息的分割策略,该策略能够根据点云表面法线方向变化的剧烈程度找出边缘线,剔除上述边缘线后再运用欧氏距离分割算法,实现目标分割。（3）点云目标识别和位姿配准技术研究。在FPFH局部点特征描述子的基础上,增加表面各点法向量与载物台平面法向量之间的夹角元素,构造一个新的全局特征描述子GFH。获取多个视角、不同姿态下工件的点云信息并提取其全局特征GFH创建点云模板库,利用该模板库进行特征匹配实现点云的种类识别和粗略位姿估计,在此基础上再采用ICP配准算法实现目标位姿的精确配准。（4）基于三维视觉引导的目标抓取技术研究。建立UR3机械臂的标准D-H运动学模型,并采用解析法求解运动学逆解。借助标定板对机械臂和相机进行手眼标定,计算目标在机器人基坐标系下的位姿,再根据抓取点确定机械臂末端手爪的抓取姿态。计算出机械臂各关节轴的转角,并通过TCP/IP发送至机械臂控制柜,实现机械臂对目标的抓取。大量实验结果表明,论文设计的基于点云信息的目标位姿识别算法对目标粘连、堆叠等相对复杂的情况具有良好的适应性,基于三维视觉引导的机器人能够准确抓取各类可识别目标。